网络成瘾中断脑功能网络：休息状态功能磁共振成像研究（2014）

Chong-Yaw Wee 平等的贡献者, 赵志敏 平等的贡献者,  Pew-Thian Yap， 吴国荣， 冯诗， 真实价格， Yasong Du， 徐建荣 阎周邮件, 丁刚沉邮

发布时间：9月16，2014

DOI：10.1371 / journal.pone.0107306

抽象

网络成瘾（IAD）越来越被认为是一种精神疾病，尤其是青少年。 然而，与IAD相关的发病机制仍不清楚。 在这项研究中，我们的目标是使用功能磁共振成像数据探索静息时IAD青少年的脑功能特征。 我们采用图论方法来研究可能在网络属性方面对功能连接的破坏，包括17青少年的IAD和16社会人口匹配健康对照的小世界，效率和节点中心性。 进行虚假发现率校正参数测试以评估组级网络拓扑差异的统计显着性。 此外，进行相关性分析以评估IAD组中功能连接性和临床测量之间的关系。 我们的研究结果表明，IAD患者的功能连接组有明显的破坏，特别是在位于额叶，枕叶和顶叶的区域之间。 受影响的连接是长距离和半球间连接。 尽管观察到区域节点指标的显着变化，但IAD与健康组之间的全球网络拓扑结构没有差异。 此外，相关性分析表明，观察到的区域异常与IAD严重程度和行为临床评估相关。 我们的研究结果在解剖学和功能定义的地图集之间相对一致，表明IAD导致功能连接中断，重要的是，这种中断可能与行为障碍有关。

图

引文： Wee CY，Zhao Z，Yap PT，Wu G，Shi F，et al。 （2014）网络成瘾中的脑功能网络被破坏：休息状态功能磁共振成像研究。 PLoS ONE 9（9）：e107306。 DOI：10.1371 / journal.pone.0107306

责任编辑： Satoru Hayasaka，美利坚合众国维克森林医学院

收稿日期： 一月20，2014; 公认： 八月11，2014; 出版日期： 2014 年 9 月 16 日

版权： ©2014 Wee等。 这是一份根据条款分发的开放获取文章 知识共享署名许可，如果原始作者和来源被记入贷方，则允许在任何媒体中不受限制地使用，分发和复制。

资金： 这项工作得到了美国国立卫生研究院（NIH）赠款EB006733，EB008374，EB009634，AG041721和CA140413的部分支持，以及国家自然科学基金（81171325）和国家关键技术研发计划2007BAI17B03的支持。 资助者在研究设计，数据收集和分析，决定发表或准备手稿方面没有任何作用。

利益争夺： 作者宣称没有竞争利益存在。

介绍

据报道，过度使用互联网可能会导致社会行为特征的改变，这些特征与实质成瘾和病态赌博中的相似 [1], [2]。 随着过去几十年互联网用户数量的飙升，这个问题越来越被视为一个严重的公共卫生问题 [3]。 一般而言，网络成瘾和与计算机有关的成瘾似乎是一种广泛传播的现象，影响着美国和国外的数百万人，亚洲发展中地区的青少年和大学生的发病率最高。 [3]–[7]。 青少年时期网络过度曝光对年轻成年期的影响具有特殊的临床和社会意义，因为青春期是与决策相关的神经生物学的重大变化时期 [8] 从而对情感障碍和成瘾表现出更高的易感性 [9]–[11]。 自Young开创性工作以来 [2]网络成瘾引起了社会学家，心理学家，精神病学家和教育工作者的极大关注。

已经在各种诊断标准下描述了与互联网使用相关的行为问题的临床特征，包括网络成瘾症（IAD）。 [12]，病理性互联网使用 [13]，以及有问题的互联网使用 [14]。 IAD被归类为一种脉冲控制障碍，因为它涉及不适当的互联网使用，没有任何麻醉剂，类似于病态赌博。 IAD表现出与其他成瘾相似的特征，包括由于成瘾行为以及发展和维持个人和家庭关系中的问题而导致的学业，财务和职业困难的发展。 患有IAD的个人将在孤独中度过更多时间，这反过来影响他们正常的社交功能。 在最坏的情况下，患者可能会出现身体不适或医疗问题，如腕管综合症，眼睛干涩，背痛，严重头痛，饮食不规律和睡眠不安 [15], [16]。 此外，患者通常对IAD的治疗具有抗性并且具有高复发率 [17]他们中的许多人也患有其他成瘾，例如毒瘾，酒精，赌博或性行为 [18].

虽然IAD尚未被视为DSM-5中的成瘾或精神障碍 [19]有大量研究，主要基于自我报告的心理问卷，在行为成分，社会心理因素，症状管理，精神病合并症，临床诊断和治疗结果方面显示日常生活中的负面影响 [6], [20]–[23]. 除了这些基于行为的分析外，最近还应用神经成像技术探索重度互联网过度使用对人脑结构和功能特征的影响。 [7], [24]–[29]。 静息状态功能磁共振成像（R-fMRI），有效 体内 用于研究大脑神经活动的工具，以前曾用于识别IAD中脑功能特征的可能中断 [24], [26], [27], [30]。在 [27]区域同质性（ReHo）分析测量了脑网络中区域低频波动（LFF）的一致性，揭示了与IAD患者的奖赏途径相关的脑区域之间的同步性增强。 一项针对在线游戏成瘾（OGA）的个体的类似研究提出在左侧内侧眶额皮质中使用增加的幅度LFF，其与与目标导向的决策相关的若干区域具有解剖学连接，作为该疾病的生物标志物。 [30]。 香港 et al. 使用基于网络的统计（NBS）来分析IAD和控制组之间的区域间功能连接的组差异，并且在IAD组中观察到功能连接的广泛减少，特别是没有全局中断整个网络拓扑 [26]。 在另一项基于功能连接的研究中，使用后扣带皮层（PCC）作为种子区域探索了默认网络连接的变化。 [24]。 结果显示双侧小脑后叶和颞中回之间功能连接增加，以及双侧下顶叶和右侧颞回之间的连通性降低。

在目前的研究中，我们应用图论方法来分析基于R-fMRI数据的IAD。 我们首先评估功能连接中断的重要性 参数测试 多重比较校正。 这使我们能够充分探索 完整的大脑功能连接模式 和 大规模网络之间的连接模式 [31]。 其次，我们调查与IAD相关的可能的连接中断 全球网络属性包括小世界范围内的小世界属性（即，聚类系数和特征路径长度）和网络效率（即，全局和局部效率）。 第三，在相同的网络稀疏性范围内，我们通过考虑区域与整个功能连接组的关系来评估网络的功能重要性 [32] 基于每个ROI的中心度量。 我们有动力使用网络中心性 更好地本地化 更局部地区的中断地区。 最后，我们探讨 网络指标与行为和临床评分之间的关​​系 参与者。 研究网络特性与临床结果之间的联系增强了我们对成瘾病理学的认识，并为开发更可靠的IAD诊断技术提供了重要的见解。

材料和方法

参与者成员

三十三名右撇子参与者，包括17青少年IAD（15男性和2女性）和16性别，年龄和教育匹配的健康对照（HC）受试者（14男性和2女性），参与了这项研究。 患者来自上海交通大学医学院上海市精神卫生中心儿童与青少年精神病学系。 使用广告从当地社区招募对照受试者。 该研究由上海市精神卫生中心医学研究伦理委员会和机构审查委员会根据赫尔辛基宣言批准，并获得每位参与者的父母/监护人的完整书面知情同意书。

IAD的持续时间通过回顾性诊断进行估算。 要求所有受试者最初沉迷于互联网时都想起自己的生活方式。 为了验证他们的网络成瘾性，根据Beard和Wolf的修改后的《杨氏诊断问卷》（YDQ）对患者进行了网络成瘾标准的重新测试。 [33]通过与父母的访谈证实了自我报告的IAD的可靠性。 IAD患者至少花了 互联网或在线游戏每天的小时数 每周几天。 我们从患者的室友和同学那里核实了这些信息，他们常常坚持要在深夜上网，尽管造成了后果，却扰乱了他人的生命。 请注意，所有患者至少或超过2年都沉迷于互联网。 有关网络成瘾标准的修改后的YDQ的详细信息，请参见 文件S1.

继之前的IAD研究之后 [34]，只有花费少于2小时的HC（花费的小时= 每天在互联网上都包括在当前的研究中。 HC小组花了 每周上网几天。 还使用修改后的YDQ标准对HC进行了测试，以确保它们不患有IAD。 所有被招募的参与者都是讲中文的人，从未使用过非法物质。 请注意，为了方便参与者，将修改后的YDQ翻译为中文。 为了进一步证明诊断结果的合理性，另一项IAD诊断措施是杨氏互联网成瘾量表（YIAS） [35]，是为每个参与者进行的。 YIAS是由Kimberly Young博士开发的20项目调查问卷，用于评估网络成瘾程度。 它根据100点评分方案将互联网用户分为三个严重程度：温和的在线用户（ 分），温和的在线用户（ 点）和严重的在线用户（ 点）。

除了通过修改的YDQ和YIAS诊断IAD外，还使用几个与行为相关的问卷来评估IAD患者的行为状况：Barratt Impulsiveness Scale-11（BIS-11） [36]，时间管理处置量表（TMDS） [37]，优点和难点问卷（SDQ） [38]和麦克马斯特家庭评估设备（FAD） [39]。 在该研究中使用了SDQ的儿童和父母版本。 这些问卷的详细信息在 文件S1.

在接受病史访谈之前，所有参与者都进行了简单的身体检查（血压和心跳测试），以排除与运动，消化，神经，呼吸，循环，内分泌，泌尿和生殖系统相关的身体疾病。 排除标准包括：1）伴有精神疾病和非精神疾病的病史，如焦虑症，抑郁症，强迫症，精神分裂症，自闭症或双相情感障碍; 2）药物滥用或依赖的历史; 3）与运动，消化，神经，呼吸，循环，内分泌，泌尿和生殖系统有关的身体疾病史; 和4）扫描当天女性的怀孕或月经期。 这种排除性程序对于确保本研究的参与者不受其他身体，神经或神经精神疾病的影响非常重要，因此可以减少所获得结果的可能偏差。 详细的人口统计信息和临床分数在 表1.

缩略图

表1。 参与本研究的参与者的人口统计信息。

DOI：10.1371 / journal.pone.0107306.t001

数据采集​​和预处理

使用3.0 Tesla扫描仪（Philips Achieva）进行数据采集。 通过回波时间（TE）= 30 ms和重复时间（TR）= 2000 ms获取每个参与者的休息状态功能图像。 采集矩阵为64×64，矩形FOV为230×230 mm2，体素分辨率为3.59×3.59×4 mm3。 扫描包括每个参与者的220卷。 在数据采集过程中，参与者被要求闭着眼睛静静地躺在扫描仪中。 尽管没有使用额外的技术或装置来测量受试者是否实际上闭着眼睛，但是受试者已经确认他们在扫描期间知道并且闭着眼睛。

使用两个R-fMRI处理工具箱DPARSF中的标准管道进行数据预处理 [40] 和休息 [41]。 在任何预处理之前，丢弃每个受试者的第一个10 R-fMRI体积以实现磁化平衡。 将R-fMRI体积标准化为MNI空间，分辨率为3×3×3 mm3。 对包括心室，白质和全局信号的​​烦扰信号进行回归。 基于大于3 mm的位移或在任何方向上大于3度的角度旋转的标准，没有参与者被排除。 为了进一步减少头部运动的影响，我们使用了Friston 24参数校正以及体素特定的平均框架位移（FD） [42] FD阈值为0.5。 在功能连接估计之前，每个ROI的平均R-fMRI时间序列是带通滤波的（ 赫兹）。

网络建设与个人关系分析

本研究采用图形理论分析来研究一组中国青少年IAD引起的脑连接组功能改变。 功能性脑网络在宏观水平上构建，其中节点代表预定义的大脑区域，边缘代表区域间静止状态功能连接（RSFC）。 为了定义网络节点，我们将大脑包含在内 通过将fMRI图像扭曲到自动解剖标记（AAL）图集中的感兴趣区域（ROI） [43]。 基于AAL图谱的区域列于表S1中 文件S1。 然后通过对每个ROI中的所有体素的回归时间序列求平均来获得每个ROI的代表性时间序列。 为了测量区域间RSFC，我们计算了所有可能的成对Pearson相关性（（）= 4005）ROI对并构造对称连接矩阵以表示这些连接。 我们根据连接强度分析了每对ROI之间的组级差异。 使用质量单变量（双尾）评估每个功能连接的显着差异 - 测试门槛为 和错误发现率（FDR）校正。

网络指标与特征分析

基于Pearson相关的功能连接矩阵紧密相连，包含许多虚假的低强度元素。 为了更好地模拟具有小世界特性的人脑网络，每个人的功能连接矩阵都经过了进一步处理，以使其稀疏范围处于小世界范围内（) [44]–[48]。 该制度确保了90 ROI脑网络的相对一致的小世界特征 [44]。 具体而言，每个主题的Pearson相关矩阵被转换为二值化邻接矩阵， ，根据预定义的稀疏性，所有 最初设置为1，然后将对应于最低相关值的元素重复设置为零，直到达到一定程度的稀疏度。 基于这些网络，我们采用全球和区域网络指标来分析大脑网络的整体架构和区域节点中心性，以进行小组级别比较。 采用的全球指标包括小世界参数，即聚类系数（）和特征路径长度（) [49], [50]，以及全球网络效率（）和本地网络效率（）。 此外，我们使用随机网络计算了这些测量的标准化版本（及 ）确保构建的大脑网络的小世界属性。 如果网络符合以下三个标准，我们将其定义为小世界： , 和小世界的比例， 。 三个节点中心度量 - 度（），效率（）和中间（） - 计算每个脑区域以研究功能网络的局部特征 [44], [46].

为了统计调查组间差异，我们进行了双尾双样本 - 测试门槛为 （FDR更正）基于每个网络指标（全球和区域），基于从小世界制度构建的每个网络指标的曲线下面积（AUC） [48]。 AUC提供了整个小世界体系中大脑网络的拓扑特征的摘要，而不是仅考虑单个稀疏度阈值的拓扑结构 [44], [51]。 具体来说，对于每个网络指标，我们首先计算具有不同稀疏度水平的网络中每个个体主体的AUC值，然后执行双样本 - 测试以统计量化IAD和健康组之间的任何组级差异。 值得注意的是，在统计测试之前，我们应用多元线性回归来消除年龄，性别和教育的影响，以及它们之间的相互作用 [31], [52]–[54].

使用功能图集的可靠性和可重复性

在当前的研究中，功能连接网络是在区域层面构建的，通过将整个大脑分成基于AAL图谱的90 ROI。 然而，据报道，源自不同分区方案或使用不同空间尺度的脑网络可能表现出不同的拓扑结构 [55]–[57]。 为了评估结果的可靠性和可重复性，我们使用Dosenbach的功能图集重复了实验 [58]，它将人类大脑划分为160 ROI，包括小脑。 在该图集中，每个ROI被定义为围绕所选种子点的10 mm直径正方形，并且所有ROI中心之间的距离至少为10 mm，没有空间重叠，这意味着一些脑区域不被ROI集合覆盖。

网络指标与行为评分之间的关​​系

对于那些在区域节点中心性上显示出显着的群体级差异的区域（基于AAL地图集），我们使用成对Pearson相关性（，FDR校正）以分析每个区域的网络属性与个人行为得分之间的关​​系。 具体而言，在相关分析中，网络指标被视为因变量，而行为评分（即BIS-11，TMDS，SDQ和FAD）被视为自变量。 为了进一步了解受影响的大脑区域与疾病严重程度之间的关系，我们还计算了网络特征与YIAS得分之间的Pearson相关系数。

成果

人口统计学和临床​​特征

在年龄，性别和受教育年限方面没有显着差异（均为 ）IAD和HC组之间。 但是，每周的天数在互联网使用方面存在显着差异（）和每天的小时数（）。 虽然BIS-11和TMDS评分组之间没有显着差异（均为 ），SDQ-P（），SDQ-C（）和FAD（）IAD组的得分显着较高，如图所示 表1 和 图1。 值得注意的是，YIAS（），用于分类IAD的临床测量，显示最显着的组级差异。

缩略图

图1。 在临床和行为测量方面的组间差异。

（YIAS =杨氏互联网成瘾量表，BIS-11 = Barratt冲动量表，TMDS =时间管理倾向量表，SDQ-P =优势和困难问卷调查表父母版本，SDQ-C =优势和困难问卷调查表儿童版本，FAD = McMaster家庭评估装置）。

DOI：10.1371 / journal.pone.0107306.g001

个人功能连接

与HC组相比，在FDR校正后仅有三个功能连接经历显着改变。 两个半球间连接，一个在左角回（顶叶）和右中间眶额皮质（额叶）之间，另一个在左梭状回（枕叶）和右角回（顶叶）之间，表现出增强的连接强度。 IAD患者。 右侧尾状（皮质下皮层）和右侧边缘回（顶叶）之间的一个半球内连接显示疾病组的连通性降低。 这些显着改变的功能连接如图所示 图2。 红色和蓝色连接分别表示IAD组中增加和减少的功能连接性。 请注意，大多数受影响的功能连接涉及位于右半球和顶叶的区域。

缩略图

图2。 IAD患者的功能连接显着改变（FDR校正）。

红色：增加功能连接，蓝色：功能连接减少。 （FRO：Frontal，INS：Insula，TEM：Temporal，PAR：Parietal，OCC：Occipital，LIM：Limbic，SBC：Subcortical）。 使用BrainNet Viewer软件包创建此可视化（http://www.nitrc.org/projects/bnv）和Circos（http://circos.ca/).

DOI：10.1371 / journal.pone.0107306.g002

功能网络的全局特征

我们通过在多个网络稀疏度水平上比较它们的小世界行为和可比较的随机网络来探索内在功能性脑网络的拓扑属性， 。 特别是，我们研究了小世界参数（例如，聚类系数，特征路径长度和小世界比率， ），以及全球和地方的效率。 研究中使用的随机网络通过重新布线技术保留了节点和边缘的数量，以及所关注的真实脑网络的程度分布。 [59]。 使用双样本进行统计分析 - 测试（（FDR更正）关于小世界体制的AUC值表明，就全球网络特性而言，IAD和HC组之间没有显着差异。

功能网络的区域节点特征

尽管存在共同的小世界拓扑结构，但在区域节点中心性中观察到显着的组级差异。 在这项研究中，我们认为如果其三个区域节点指标中至少有一个具有 -value基于其AUC值小于0.05（FDR校正）。 表2 总结了IAD患者中显着改变的区域。 与HC组相比，IAD患者显示淋巴结中心性改变主要位于左下顶叶（IPL），左丘脑（THA）和其他区域，如边缘系统，特别是右前扣带回（ACG）和右中扣带回（MCG）。 值得注意的是，IPL和ACG是默认模式网络（DMN）的组成部分，之前已经与物质成瘾的连接改变联系起来。 [60]–[62].

缩略图

表2。 在基于AAL图谱的健康对照（HC）中，IAD患者中显示异常淋巴结中心的区域。

DOI：10.1371 / journal.pone.0107306.t002

使用功能图集的可靠性和可重复性

当使用多森巴赫地图集定义ROI时，主要在额叶和顶叶与小脑的连接中观察到明显的组差异。 这些发现总结于 表3。 尽管这些连接与基于AAL图谱的那些连接不同，但是除了小脑区域之外，大多数被破坏的连接涉及大脑的相同叶。 就全球网络指标而言，我们发现IAD和HC组之间没有差异，类似于基于AAL地图集的结果。 对于本地网络指标，我们发现一些已识别的区域位于空间上靠近基于AAL地图集识别的区域，例如ACG和THA中给出的 表4.

缩略图

表3。 IAD个体中的功能连接经历了基于Dosenbach图谱的重大改变。

DOI：10.1371 / journal.pone.0107306.t003

缩略图

表4.与基于Dosenbach图集的健康对照（HC）相比，IAD患者中显示异常节点中心的区域。

DOI：10.1371 / journal.pone.0107306.t004

网络指标与行为测量的关系

没有重要的（，FDR纠正）全球网络指标之间的相关性（, , 及 ）和行为和临床评分。 但是，几个地区的区域节点指标显着（，FDR校正）与行为和临床评分相关。 右侧ACG与YIAS评分呈正相关。 正确的MCG与YIAS评分呈正相关。 左侧THA与YIAS和SDQ-P得分正相关。 然而，左侧IPL与任何行为或临床评分无显着相关性。 与行为和临床评分显着相关的大脑区域显示在 图3.

缩略图

图3。 大脑区域与IAD组的行为和临床评分显着相关（FDR校正）。

此插图是使用BrainNet Viewer软件包创建的（http://www.nitrc.org/projects/bnv）。 （YIAS =杨氏互联网成瘾评分，BIS-11 = Barratt冲动量表11，TMDS =时间管理倾向量表，SDQ-P =优势和困难问卷，父母版本，SDQ-C =优势和困难问卷，儿童版本。）

DOI：10.1371 / journal.pone.0107306.g003

讨论

个体功能连接的改变

洞悉人脑发育的机制对于更好地了解影响儿童和青少年的疾病的病理基础非常重要，从而可以进行早期治疗。 根据R-fMRI数据的图论分析，有人认为，人脑的功能组织会遵循一种独特的趋势从儿童期到青春期到成年期成熟并发展，即儿童中更大的功能隔离和成人中更大的功能整合。全脑水平 [63]–[66]。 特别是，功能性大脑网络的组织从本地连接转移到具有开发的更分散的架构 [63], [66]成年人的短距离功能连接较弱，远程功能连接比儿童更强 [65].

我们的研究结果表明，在IAD中观察到的连接断开，尽管在FDR校正后只有少数几个，但是长距离和半球间的功能连接对于人脑中的长距离通信非常重要。 长期和半球间连接的破坏是许多行为异常的常见症状，包括自闭症 [67]–[70]，精神分裂症 [71]，阿片类药物成瘾 [72], [73]和可卡因成瘾 [74]。 远程连接的损害可以被视为人脑的分布式功能网络中的集成过程的失败 [63], [64], [75]，偏离正常的神经发育轨迹。 因此，我们推测本研究中观察到的IAD青少年远程和半球间连接的异常发展是其成瘾行为的可能原因之一。

全球网络属性的变更

人脑被认为是一个复杂的大型互联动力系统，具有各种重要的拓扑性质，例如小世界，高效率，低布线成本和高度连接的集线器 [46], [76]–[79]。 在小世界网络中，节点在本地集群，有利于模块化信息处理，并通过少量远程连接远程连接，以实现高效的总体路由 [50]。 IAD和HC组均表现出小世界属性，即高聚类系数（）和类似的特征路径长度（），与可比较的随机网络相比。 然而，与先前的R-fMRI研究一致，我们在IAD组中观察到与连续密度相比HC组的标准化聚类系数和类似的归一化特征路径长度一致性更大。 [26]。 较大的聚类系数反映了远距离区域之间神经元整合的破坏，其在IAD和HC组中显示出相对稀疏的长距离和相对密集的短距离功能连接。 从轻微到严重的临床阶段的进展可能导致更远的连接的损害或断开，因此可能鼓励在群集内建立短距离连接作为保持两个远距离区域之间的信息传输的替代路径。 然而，短距离连接的建立可能引入异常群集，这增加了通过整个网络生成不受控制或随机信息流的风险。 另一方面，与可比随机网络相比，所有大脑网络都展示了类似的全局和局部效率的并行信息处理 [80]。 这些发现支持了人类大脑的小世界模型的概念，该模型提供了本地专业化和全球整合的平衡组合 [81]。 我们观察到IAD和HC组在全球网络属性方面没有显着差异，这可能意味着IAD中功能网络结构的变化是微妙的。 因此，对区域特异性IAD生物标志物的进一步研究可以揭示关于疾病和成瘾的病理学的一般信息。

功能网络的区域节点特征

IAD相关的节点中心性改变主要见于边缘系统组件，包括ACG和MCG，IPL和THA。 这些区域的干扰及其相关的连接路径可以被解释为反映信息处理效率的降低，可能反映了IAD中的功能中断。

扣带回（CG）是边缘系统的组成部分，涉及情绪形成和处理，学习和记忆，执行功能和呼吸控制 [82]。 它接收来自THA和新皮质的输入并通过扣带投射到内嗅皮层。 该途径侧重于情绪重要事件并调节攻击性行为 [29]。 与CG相关的功能中断可能会削弱个人监视和控制其行为（尤其是与情感相关的行为）的能力 [83]。 大多数物质和行为成瘾分析显示CG（ACG和PCG）的前部和后部发生显着变化，包括酒精成瘾 [84]，病态赌博 [85]和IAD [27], [29]。 在可卡因滥用者中，也报告了类似的MCG额外改变 [86]。 在之前的功能磁共振成像研究中，也表明前，中，后CG都受到奖励和惩罚条件的影响。 [87]。 由于MCG在处理积极和消极情绪中的作用，因此该区域在IAD患者中显示出显着的连接中断并不奇怪。

THA是大脑信息的交换机，涉及许多大脑功能，包括奖励处理 [88]，目标导向的行为，以及认知和运动功能 [89]。 它将皮质下区域的感觉和运动信号传递到大脑皮层 [90]。 通过THA，眶额皮质接受来自其他涉及药物强化的边缘大脑区域的直接和间接投射，例如杏仁核，CG和海马 [91]，控制和纠正与奖惩相关的行为 [92]。 在线游戏成瘾者发现异常的丘脑 - 皮质电路 [93] 可能表明与睡眠质量差的慢性模式相关的THA功能受损 [94] 而且压倒性的注意力集中在计算机上。 此外，THA功能性地连接到海马体 [95] 作为扩展的海马系统的一部分，这对于空间导航和从短期记忆到长期记忆的信息整合等认知功能至关重要 [96], [97].

我们观察到IPL中淋巴结中心的显着改变，与最近基于R-fMRI的IAD研究报告的结果一致。 [24], [93]。 与THA类似，IPL与听觉，视觉和躯体感觉皮层大量连接，并且能够同时处理不同类型的刺激。 作为人类大脑在发育过程中最后发展起来的结构之一，IPL可能更容易受到听觉和视觉刺激的过度暴露，特别是在童年时期。 互联网过度使用引起的IPL损伤可能会抑制个体正确调节脉冲调节反应抑制的能力 [98], [99]，破坏他们抵抗暗示诱导的互联网渴望的能力，这可能进一步损害IPL。 这种圆形图案常见于实体和行为上瘾者。

DMN的区域在休息时通常比执行目标导向的任务更活跃 [62]。 这些地区已知涉及情绪调节和自我指涉活动，包括评估内部和外部线索的显着性，记住过去，规划未来 [60], [62]，这是诊断IAD的重要标准。 先前已经提出，涉及DMN区域的改变的连通性导致疾病中的各种症状行为 [100]，包括物质成瘾 [101], [102] 和行为成瘾 [24], [103]。 我们对涉及几个DMN区域的功能连接改变的发现与之前的观察结果部分一致，这表明DMN有可能作为鉴定IAD患者的生物标志物。

使用功能图集的可靠性和可重复性

基于AAL图谱识别的一些异常大脑区域也使用功能图谱进行识别，支持我们结果的可靠性和可重复性。 结果略有不同的一个可能原因是 用于本研究。 基于90 ROI的AAL地图构建的连通网络的小世界特征在此范围内最为一致 [44]。 然而，对于具有不同ROI数量的地图集，这种稀疏范围可能不是最佳的。 此外，从Dosenbach地图集获得的ROI在功能上被定义并且不覆盖整个大脑 [58]。 在该图集中，首先确定所有160 ROI的中心，并从每个中心生长半径为5 mm的球体，产生10 mm球形ROI。 每个ROI的中心也设置为与其他ROI的中心相距至少10 mm，从而导致空间不重叠的图集。 另一方面，AAL图谱覆盖整个大脑的灰质组织。 投资回报率定义和所涵盖的总体面积的这些差异可能会导致结果的变化。 因此，需要使用更大群组的进一步研究来确定大脑分组方案的选择影响网络拓扑的表征的程度。

网络指标与行为测度的相关性

在这项研究中，我们没有观察到全球网络指标和行为测量之间的任何相关性，这意味着全脑网络拓扑中没有改变。 这一发现也可能表明，由于人脑的可塑性（神经可塑性），脑网络的变化是微妙的。 [104], [105] 通过替代途径（神经回路）恢复其大部分日常功能。 脑可塑性涉及神经细胞或神经元之间连接的重组，并且可能受到无数因素的影响 [106]–[108]。 它以与年龄相关的方式发生，在儿童期和青春期比成年期更普遍，表明IAD青少年受损神经元连接的恢复更好。 此外，已经表明，从成瘾到神经和精神疾病的各种行为状况与神经回路的局部变化相关。 [106]。 因此，在检测IAD组中的脑电路变化时，诸如平均聚类系数，特征路径长度和网络效率的粗级全局网络测量不太敏感，这并不奇怪。

然而，几个大脑区域的区域节点指标与一些行为测量相关。 特别是，根据所研究青少年的父母提供的信息，SDQ（SDQ-P）的父母版本，其测量个体适当处理冲动的能力以及情绪的严重性和亲社会行为问题。与IAD中发现的功能受影响的大脑区域相关。 无法控制冲动行为和情绪是主要的行为症状之一。 患者通常不会意识到他们的情绪和行为的变化，尽管这些变化对周围的人来说相对明显。 这可能是由于其自我评估性质，没有任何网络测量与SDQ（SDQ-C）的子版本相关的主要原因。 另一方面，区域网络测量与包括BIS-11，FAD和TMDS在内的其他行为测量之间没有显着的相关性。 这一发现得到了大家的支持 - IAD与健康人群之间的这些措施的价值（表1）。 这些发现可能表明，这些行为测量中的一些对于确定受影响的区域是有用的，因此有助于IAD诊断，尽管仍需要大量工作来更好地理解这些测量在行为成瘾或障碍中的作用。

方法论问题/限制

本研究中应强调一些限制。 首先，IAD的诊断主要基于自我报告问卷的结果，这可能会影响诊断的可靠性。 将来，必须开发用于IAD识别的标准化诊断工具，以提高IAD诊断的可靠性和有效性。 其次，我们的研究受限于样本量小和参与者性别的不平衡（31男性和4女性），这可能会降低研究结果的统计效力和普遍性，尽管这些因素已在分析中得到控制。 性别对IAD患病率的影响仍然是一个有争议的问题。 根据Young的调查结果 [35]，大量女性表现出互联网依赖性。 相比之下，最近的一项研究报告称，男性的IAD行为风险较高 [109]。 但是，据报道，性别与IAD之间没有关系 [110], [111]。 为了更好地评估性别与IAD易感性之间的关系，需要使用具有更均衡性别比例的更大群组的未来实验。

支持信息

文件S1。

补充材料。

DOI：10.1371 / journal.pone.0107306.s001

（PDF）

致谢

这项工作得到了美国国立卫生研究院（NIH）赠款EB006733，EB008374，EB009634，AG041721和CA140413的部分支持，以及国家自然科学基金（81171325）和国家关键技术研发计划2007BAI17B03的支持。

作者贡献

构思并设计了实验：CYW ZZ PTY GW FS TP YD JX YZ DS。 进行实验：CYW ZZ YD JX YZ DS。 分析数据：CYW PTY DS。 供稿试剂/材料/分析工具：ZZ YD JX YZ。 写了这篇论文：CYW PTY TP DS。

参考资料

  1. 1。 Ng BD，Wiemer-Hastings P（2005）对互联网和在线游戏的成瘾。 Cyber​​psychol Behav 8：110-113。 doi：10.1089 / cpb.2005.8.110
  2. 2。 Young KS（1998）网瘾：一种新的临床疾病的出现。 Cyber​​psychol Behav 1：237-244。 doi：10.1089 / cpb.1998.1.237
  3. 查看文章
  4. 考研/ NCBI
  5. Google Scholar
  6. 查看文章
  7. 考研/ NCBI
  8. Google Scholar
  9. 查看文章
  10. 考研/ NCBI
  11. Google Scholar
  12. 查看文章
  13. 考研/ NCBI
  14. Google Scholar
  15. 查看文章
  16. 考研/ NCBI
  17. Google Scholar
  18. 查看文章
  19. 考研/ NCBI
  20. Google Scholar
  21. 查看文章
  22. 考研/ NCBI
  23. Google Scholar
  24. 查看文章
  25. 考研/ NCBI
  26. Google Scholar
  27. 查看文章
  28. 考研/ NCBI
  29. Google Scholar
  30. 查看文章
  31. 考研/ NCBI
  32. Google Scholar
  33. 查看文章
  34. 考研/ NCBI
  35. Google Scholar
  36. 查看文章
  37. 考研/ NCBI
  38. Google Scholar
  39. 查看文章
  40. 考研/ NCBI
  41. Google Scholar
  42. 查看文章
  43. 考研/ NCBI
  44. Google Scholar
  45. 3。 Ko CH，Yen JY，Yen CF，Chen CS，Chen CC（2012）网络成瘾与精神障碍之间的关联：文献综述。 Eur Psychiatry 27：1-8。 doi：10.1016 / j.eurpsy.2010.04.011
  46. 查看文章
  47. 考研/ NCBI
  48. Google Scholar
  49. 查看文章
  50. 考研/ NCBI
  51. Google Scholar
  52. 查看文章
  53. 考研/ NCBI
  54. Google Scholar
  55. 查看文章
  56. 考研/ NCBI
  57. Google Scholar
  58. 查看文章
  59. 考研/ NCBI
  60. Google Scholar
  61. 查看文章
  62. 考研/ NCBI
  63. Google Scholar
  64. 查看文章
  65. 考研/ NCBI
  66. Google Scholar
  67. 查看文章
  68. 考研/ NCBI
  69. Google Scholar
  70. 查看文章
  71. 考研/ NCBI
  72. Google Scholar
  73. 查看文章
  74. 考研/ NCBI
  75. Google Scholar
  76. 4。 Block J（2006）在有问题的互联网使用研究中低估了普遍性。 CNS Spectr 12：14-15。
  77. 查看文章
  78. 考研/ NCBI
  79. Google Scholar
  80. 查看文章
  81. 考研/ NCBI
  82. Google Scholar
  83. 查看文章
  84. 考研/ NCBI
  85. Google Scholar
  86. 查看文章
  87. 考研/ NCBI
  88. Google Scholar
  89. 5。 Fitzpatrick JJ（2008）网络成瘾：识别和干预。 Arch Neurol 22：59-60。 doi：10.1016 / j.apnu.2007.12.001
  90. 查看文章
  91. 考研/ NCBI
  92. Google Scholar
  93. 查看文章
  94. 考研/ NCBI
  95. Google Scholar
  96. 6。 Cao F，Su L，Liu T，Gao X（2007）中国青少年样本中冲动性与网络成瘾的关系。 Eur Psychiatry 22：466-471。 doi：10.1016 / j.eurpsy.2007.05.004
  97. 查看文章
  98. 考研/ NCBI
  99. Google Scholar
  100. 查看文章
  101. 考研/ NCBI
  102. Google Scholar
  103. 查看文章
  104. 考研/ NCBI
  105. Google Scholar
  106. 查看文章
  107. 考研/ NCBI
  108. Google Scholar
  109. 查看文章
  110. 考研/ NCBI
  111. Google Scholar
  112. 查看文章
  113. 考研/ NCBI
  114. Google Scholar
  115. 查看文章
  116. 考研/ NCBI
  117. Google Scholar
  118. 查看文章
  119. 考研/ NCBI
  120. Google Scholar
  121. 查看文章
  122. 考研/ NCBI
  123. Google Scholar
  124. 查看文章
  125. 考研/ NCBI
  126. Google Scholar
  127. 查看文章
  128. 考研/ NCBI
  129. Google Scholar
  130. 查看文章
  131. 考研/ NCBI
  132. Google Scholar
  133. 查看文章
  134. 考研/ NCBI
  135. Google Scholar
  136. 查看文章
  137. 考研/ NCBI
  138. Google Scholar
  139. 查看文章
  140. 考研/ NCBI
  141. Google Scholar
  142. 查看文章
  143. 考研/ NCBI
  144. Google Scholar
  145. 查看文章
  146. 考研/ NCBI
  147. Google Scholar
  148. 查看文章
  149. 考研/ NCBI
  150. Google Scholar
  151. 查看文章
  152. 考研/ NCBI
  153. Google Scholar
  154. 查看文章
  155. 考研/ NCBI
  156. Google Scholar
  157. 查看文章
  158. 考研/ NCBI
  159. Google Scholar
  160. 查看文章
  161. 考研/ NCBI
  162. Google Scholar
  163. 查看文章
  164. 考研/ NCBI
  165. Google Scholar
  166. 查看文章
  167. 考研/ NCBI
  168. Google Scholar
  169. 查看文章
  170. 考研/ NCBI
  171. Google Scholar
  172. 查看文章
  173. 考研/ NCBI
  174. Google Scholar
  175. 查看文章
  176. 考研/ NCBI
  177. Google Scholar
  178. 查看文章
  179. 考研/ NCBI
  180. Google Scholar
  181. 查看文章
  182. 考研/ NCBI
  183. Google Scholar
  184. 查看文章
  185. 考研/ NCBI
  186. Google Scholar
  187. 查看文章
  188. 考研/ NCBI
  189. Google Scholar
  190. 查看文章
  191. 考研/ NCBI
  192. Google Scholar
  193. 查看文章
  194. 考研/ NCBI
  195. Google Scholar
  196. 查看文章
  197. 考研/ NCBI
  198. Google Scholar
  199. 查看文章
  200. 考研/ NCBI
  201. Google Scholar
  202. 查看文章
  203. 考研/ NCBI
  204. Google Scholar
  205. 查看文章
  206. 考研/ NCBI
  207. Google Scholar
  208. 查看文章
  209. 考研/ NCBI
  210. Google Scholar
  211. 查看文章
  212. 考研/ NCBI
  213. Google Scholar
  214. 查看文章
  215. 考研/ NCBI
  216. Google Scholar
  217. 查看文章
  218. 考研/ NCBI
  219. Google Scholar
  220. 查看文章
  221. 考研/ NCBI
  222. Google Scholar
  223. 查看文章
  224. 考研/ NCBI
  225. Google Scholar
  226. 查看文章
  227. 考研/ NCBI
  228. Google Scholar
  229. 查看文章
  230. 考研/ NCBI
  231. Google Scholar
  232. 查看文章
  233. 考研/ NCBI
  234. Google Scholar
  235. 查看文章
  236. 考研/ NCBI
  237. Google Scholar
  238. 查看文章
  239. 考研/ NCBI
  240. Google Scholar
  241. 查看文章
  242. 考研/ NCBI
  243. Google Scholar
  244. 查看文章
  245. 考研/ NCBI
  246. Google Scholar
  247. 查看文章
  248. 考研/ NCBI
  249. Google Scholar
  250. 查看文章
  251. 考研/ NCBI
  252. Google Scholar
  253. 查看文章
  254. 考研/ NCBI
  255. Google Scholar
  256. 查看文章
  257. 考研/ NCBI
  258. Google Scholar
  259. 查看文章
  260. 考研/ NCBI
  261. Google Scholar
  262. 查看文章
  263. 考研/ NCBI
  264. Google Scholar
  265. 查看文章
  266. 考研/ NCBI
  267. Google Scholar
  268. 查看文章
  269. 考研/ NCBI
  270. Google Scholar
  271. 查看文章
  272. 考研/ NCBI
  273. Google Scholar
  274. 查看文章
  275. 考研/ NCBI
  276. Google Scholar
  277. 查看文章
  278. 考研/ NCBI
  279. Google Scholar
  280. 查看文章
  281. 考研/ NCBI
  282. Google Scholar
  283. 查看文章
  284. 考研/ NCBI
  285. Google Scholar
  286. 查看文章
  287. 考研/ NCBI
  288. Google Scholar
  289. 查看文章
  290. 考研/ NCBI
  291. Google Scholar
  292. 查看文章
  293. 考研/ NCBI
  294. Google Scholar
  295. 查看文章
  296. 考研/ NCBI
  297. Google Scholar
  298. 查看文章
  299. 考研/ NCBI
  300. Google Scholar
  301. 查看文章
  302. 考研/ NCBI
  303. Google Scholar
  304. 7。 袁凯，秦伟，王庚，曾甫，赵璐，等。 （2011）青少年网络成瘾的微观结构异常。 PLoS ONE 6：e20708。 doi：10.1371 / journal.pone.0020708
  305. 查看文章
  306. 考研/ NCBI
  307. Google Scholar
  308. 查看文章
  309. 考研/ NCBI
  310. Google Scholar
  311. 查看文章
  312. 考研/ NCBI
  313. Google Scholar
  314. 查看文章
  315. 考研/ NCBI
  316. Google Scholar
  317. 8。 Ernst M，Pine DS，Hardin M（2006）青春期动机行为的神经生物学三元模型。 Psychol Med 36：299-312。 doi：10.1017 / s0033291705005891
  318. 9。 Pine DS，Cohen P，Brook JS（2001）青少年的情绪反应性和精神病理学风险。 CNS Spectr 6：27-35。
  319. 10。 Silveri MM，Tzilos GK，Pimentel PJ，Yurgelun-Todd DA（2004）青少年情绪和认知发展的轨迹：性别和吸毒风险的影响。 Ann NY Acad Sci 1021：363-370。 doi：10.1196 / annals.1308.046
  320. 11。 Steinberg L（2005）青春期的认知和情感发展。 趋势Cogn Sci 9：69-74。 doi：10.1016 / j.tics.2004.12.005
  321. 12。 Ko CH，Yen JY，Chen CC，Chen SH，Yen CF（2005）提出青少年网络成瘾的诊断标准。 J Nerv Ment Dis 193：728-733。 doi：10.1097 / 01.nmd.0000185891.13719.54
  322. 13。 Yoo HJ，Cho SC，Ha J，Yune SK，Kim SJ，et al。 （2004）注意力缺陷多动症状和网络成瘾。 精神病学Clin Neurosci 58：487-494。 doi：10.1111 / j.1440-1819.2004.01290.x
  323. 14。 Shapira NA，Lessig MC，Goldsmith TD，Szabo ST，Lazoritz M，et al。 （2003）有问题的互联网使用：建议的分类和诊断标准。 抑制焦虑17：207-216。 doi：10.1002 / da.10094
  324. 15。 Beard KW（2005）网络成瘾：对当前评估技术和潜在评估问题的回顾。 Cyber​​psychol Behav 8：7-14。 doi：10.1089 / cpb.2005.8.7
  325. 16。 Young K（1999）临床实践创新：资料书，专业资源出版社，第17卷，网络成瘾章节：症状，评估和治疗。 pp.19-31。
  326. 17。 阻止JJ（2008）DSM-V的问题：网络成瘾。 Am J Psychiatry 165：306-307。 doi：10.1176 / appi.ajp.2007.07101556
  327. 18。 Doidge N（2007）改变自己的大脑：来自脑科学前沿的个人成功故事。 Penguin Books，1st版doi：10.1080 / 10398560902721606
  328. 19。 美国精神病学协会（2013）精神障碍诊断和统计手册（DSM-5）。 美国精神病学出版社（APPI）.. doi：10.1007 / springerreference_179660
  329. 20。 Bernardi S（2009）SPallanti（2009）网络成瘾：一项关注合并症和解离症状的描述性临床研究。 Compr Psychiatry 50：510-516。 doi：10.1016 / j.comppsych.2008.11.011
  330. 21。 Caplan SE（2002）有问题的互联网使用和社会心理健康：开发基于理论的认知行为测量工具。 Comput Human Behav 18：553-575。 doi：10.1016 / s0747-5632（02）00004-3
  331. 22。 Shaw M，Black DW（2008）网络成瘾：定义，评估，流行病学和临床管理。 CNS药物22：353-365。 doi：10.2165 / 00023210-200822050-00001
  332. 23。 陶睿，黄,,王杰，张,,张,,等。 （2010）建议的网络成瘾诊断标准。 成瘾105：556-564。 doi：10.1111 / j.1360-0443.2009.02828.x
  333. 24。 丁文，孙杰，孙勇，周,,李莉，等。 （2013）改变了具有网络游戏成瘾的青少年的默认网络静止状态功能连接。 PLoS ONE 8：e59902。 doi：10.1371 / journal.pone.0059902
  334. 25。 林芙，周,,杜,,秦莉，赵梓，等。 （2012）患有网络成瘾症的青少年异常白质完整性：基于道的空间统计研究。 PLoS ONE 7：e30253。 doi：10.1371 / journal.pone.0030253
  335. 26。 Hong SB，Zalesky A，Cocchi L，Fornito A，Choi EJ，et al。 （2013）减少了网络成瘾青少年的功能性大脑连接。 PLoS ONE 8：e57831。 doi：10.1371 / journal.pone.0057831
  336. 27。 Liu J，Yuan L，Ye J（2010）一类融合套索问题的有效算法。 在：KDD。 pp.323-332。
  337. 28。 袁凯，程普，董婷，毕,,邢力，等。 （2013）青春期后期皮质厚度异常与在线游戏成瘾。 PLoS ONE 8：e53055。 doi：10.1371 / journal.pone.0053055
  338. 29。 周,,林芙，杜,,秦莉，赵梓，等。 （2011）网络成瘾中的灰质异常：基于体素的形态测量研究。 Eur J Radiol 79：92-95。 doi：10.1016 / j.ejrad.2009.10.025
  339. 30。 袁克，金C，程普，杨曦，董婷，等。 （2013）具有在线游戏成瘾的青少年的低频波动异常的幅度。 PLoS ONE 8：e78708。 doi：10.1371 / journal.pone.0078708
  340. 31。 Zuo XN，Ehmke R，Mennes M，Imperati D，Castellanos FX，et al。 （2012）人体功能连接组的网络中心性。 Cereb Cortex 22：1862-1875。 doi：10.1093 / cercor / bhr269
  341. 32。 KoschützkiD，Lehmann KA，Peeters L，Richter S，Tenfelde-Podehl D，et al。 （2005）中心指数。 在：Brandes U，Erlebach T，编辑，网络分析：方法论基础。 纽约：Springer-Verlag，第3418卷，第16-61页。
  342. 33。 Beard KW，Wolf EM（2001）修改了建议的网络成瘾诊断标准。 Cyber​​psychol Behav 4：377-383。 doi：10.1089 / 109493101300210286
  343. 34。 Ko CH，Liu GC，Hsiao S，Yen JY，Yang MJ，et al。 （2009）与在线游戏成瘾的游戏冲动相关的脑活动。 J Psychiatr Res 43：739-747。 doi：10.1016 / j.jpsychires.2008.09.012
  344. 35。 年轻的KS（1998）陷入网络：如何识别网络成瘾的迹象和恢复的成功战略。 约翰威利和儿子。
  345. 36. Patton JH，Stanford MS，Barratt ES（1995）Barratt冲动量表的因子结构。 临床心理学杂志51：768-774。 doi：10.1002 / 1097-4679（199511）51：6 <768 :: aid-jclp2270510607> 3.0.co; 2-1
  346. 37。 Huang X，Zhang Z（2001）青少年时间管理处置库存的编制。 Acta Psychol Sin 33：338-343。
  347. 38。 Goodman R（1997）问卷的优势和难点：一份研究报告。 J Child Psychol Psychiatry 38：581-586。 doi：10.1111 / j.1469-7610.1997.tb01545.x
  348. 39。 Epstein NB，Baldwin LM，Bishop DS（1983）麦克马斯特家庭评估设备。 J Marital Fam Ther 9：171-180。 doi：10.1111 / j.1752-0606.1983.tb01497.x
  349. 40。 Yan CG，Zang YF（2010）DPARSF：用于静息状态fMRI的“管道”数据分析的MATLAB工具箱。 前Syst Neurosci 4：13。 doi：10.3389 / fnsys.2010.00013
  350. 41。 Song XW，Dong ZY，Long XY，Li SF，Zuo XN，et al。 （2011）REST：用于静止状态功能磁共振成像数据处理的工具包。 PLoS ONE 6：e25031。 doi：10.1371 / journal.pone.0025031
  351. 42。 Power JD，Barnes KA，Snyder AZ，Schlaggar BL，Petersen SE（2012）功能连通性MRI网络中的虚假但系统的相关性来自于主体运动。 Neuroimage 59：2142-2154。 doi：10.1016 / j.neuroimage.2011.10.018
  352. 43。 Tzourio-Mazoyer N，Landeau B，Papathanassiou D，Crivello F，Etard O，et al。 （2002）使用MNI MRI单一受试者脑的宏观解剖学分割自动解剖标记SPM中的激活。 Neuroimage 15：273-289。 doi：10.1006 / nimg.2001.0978
  353. 44。 Achard S，Bullmore E（2007）经济型脑功能网络的效率和成本。 PLoS Comput Biol 3：e17。 doi：10.1371 / journal.pcbi.0030017
  354. 45。 Bassett DS，Meyer-Lindenberg A，Achard S，Duke T，Bullmore E（2006）分形小世界人脑功能网络的自适应重构。 Proc Natl Acad Sci USA 103：19518-19523。 doi：10.1073 / pnas.0606005103
  355. 46。 Rubinov M，Sporns O（2010）复杂网络测量大脑连接：使用和解释。 Neuroimage 52：1059-1069。 doi：10.1016 / j.neuroimage.2009.10.003
  356. 47。 Smit DJA，Stam CJ，Posthuma D，Boomsma DI，De Geus EJC（2008）大脑中“小世界”网络的遗传性：静息状态EEG功能连接的图形理论分析。 Hum Brain Mapp 29：1368-1378。 doi：10.1002 / hbm.20468
  357. 48。 张杰，王杰，吴琦，匡炜，黄曦，等。 （2011）在药物暴力，首发严重抑郁症中破坏了大脑连接网络。 Biol Psychiatry 70：334-342。 doi：10.1016 / j.biopsych.2011.05.018
  358. 49。 Latora V，Marchiori M（2001）小世界网络的高效行为。 Phys Rev Lett 87：198701。 doi：10.1103 / physrevlett.87.198701
  359. 50。 Watts DJ，Strogatz SH（1998）“小世界”网络的集体动态。 Nature 393：440-442。 doi：10.1038 / 30918
  360. 51。 何,,王杰，王莉，陈志杰，严C，等。 （2009）揭示人类自发性大脑活动的内在模块化组织。 PLoS ONE 4：1-17。 doi：10.1371 / journal.pone.0005226
  361. 52。 Gong G，Rosa-Neto P，Carbonell F，Chen ZJ，He Y，et al。 （2009）皮质解剖网络中年龄和性别相关的差异。 J Neurosci 29：15684-15693。 doi：10.1523 / jneurosci.2308-09.2009
  362. 53。 Tian L，Wang J，Yan C，He Y（2011）小世界脑网络中的半球和性别相关差异：休息状态功能性MRI研究。 Neuroimage 54：191-202。 doi：10.1016 / j.neuroimage.2010.07.066
  363. 54。 朱文，温文，何,,夏阿，安斯蒂，KJ，等。 （2012）使用大规模结构网络改变正常老化中的拓扑模式。 Neurobiol Aging 33：899-913。 doi：10.1016 / j.neurobiolaging.2010.06.022
  364. 55。 Hayasaka S，Laurienti PJ（2010）在静止状态fmri数据中基于区域和体素的网络分析之间的特征比较。 Neuroimage 50：499-508。 doi：10.1016 / j.neuroimage.2009.12.051
  365. 56。 Fornito A，Zalesky A，Bullmore ET（2010）网络缩放效应在人类静息状态fMRI数据的图解析研究中。 前Syst Neurosci 4：22。 doi：10.3389 / fnsys.2010.00022
  366. 57。 Zalesky A，Fornito A，Harding IH，Cocchi L，YücelM，et al。 （2010）全脑解剖网络：节点的选择是否重要？ Neuroimage 50：970-983。 doi：10.1016 / j.neuroimage.2009.12.027
  367. 58。 Dosenbach NUF，Nardos B，Cohen AL，Fair DA，Power JD，et al。 （2010）使用fmri预测个体大脑成熟度。 科学329：1358-1361。 doi：10.1126 / science.1194144
  368. 59。 Maslov S，Sneppen K（2002）蛋白质网络拓扑结构的特异性和稳定性。 科学296：910-913。 doi：10.1126 / science.1065103
  369. 60. Buckner RL，Andrew-Hanna JR，Schacter DL（2008）大脑的默认模式网络：解剖结构，功能和与疾病的相关性。 Ann NY Acad Sci 1124：1-38。 doi：10.1196 / annals.1440.011
  370. 61。 Greicius MD，Krasnow B，Reiss AL，Menon V（2003）静息大脑中的功能连接：默认模式假设的网络分析。 Proc Natl Acad Sci USA 100：253-258。 doi：10.1073 / pnas.0135058100
  371. 62。 Raichle ME，MacLeod AM，Snyder AZ，Powers WJ，Gusnard DA，et al。 （2001）大脑功能的默认模式。 Proc Natl Acad Sci USA 98：676-682。 doi：10.1073 / pnas.98.2.676
  372. 63。 Fair DA，Dosenbach NUF，Church JA，Cohen AL，Brahmbhatt S，et al。 （2007）通过隔离和整合开发独特的控制网络。 Proc Natl Acad Sci USA 104：13507-13512。 doi：10.1073 / pnas.0705843104
  373. 64。 Fair DA，Cohen AL，Power JD，Dosenbach NUF，Church JA，et al。 （2009）功能性脑网络从“本地到分布式”组织发展。 PLoS Comput Biol 5：e1000381。 doi：10.1371 / journal.pcbi.1000381
  374. 65。 Kelly AC，Di Martino A，Uddin LQ，Zarrar Shehzad1 DGG，Reiss PT，et al。 （2009）从儿童晚期到成年早期的前扣带功能连接的发展。 Cereb Cortex 19：640-657。 doi：10.1093 / cercor / bhn117
  375. 66。 Supekar K，Musen M，Menon V（2009）开发儿童大型功能性脑网络。 PLoS Biol 7：e1000157。 doi：10.1371 / journal.pbio.1000157
  376. 67。 Anderson JS，Druzgal TJ，Froehlich A，DuBray MB，Lange N，et al。 （2011）减少自闭症中的半球间功能连接。 Cereb Cortex 21：1134-1146。 doi：10.1093 / cercor / bhq190
  377. 68。 Wilson TW，Rojas DC，Reite ML，Teale PD，Rogers SJ（2007）患有自闭症的儿童和青少年表现出降低的MEG稳态伽马反应。 Biol Psychiatry 62：192-197。 doi：10.1016 / j.biopsych.2006.07.002
  378. 69。 Uddin LQ，Supekar K，Menon V（2010）功能性人脑网络的典型和非典型发展：静息状态fMRI的见解。 前Syst Neurosci 4：21。 doi：10.3389 / fnsys.2010.00021
  379. 70。 Uddin LQ，Supekar KS，Ryali S，Menon V（2011）通过开发对核心神经认知脑网络的结构和功能连接进行动态重新配置。 J Neurosci 31：18578-18589。 doi：10.1523 / jneurosci.4465-11.2011
  380. 71。 梁敏，周,,江婷，刘,,田璐，等。 （2006）精神分裂症中广泛的功能性断开与静息状态功能磁共振成像。 Neuroreport 17：209-213。 doi：10.1097 / 01.wnr.0000198434.06518.b8
  381. 72。 Fingelkurts AA，Fingelkurts AA，Kivisaari R，Autti T，Borisov S，et al。 （2006）阿片类药物依赖患者的脑电图α和β频带的局部和降低的远程功能连接增加。 精神药理学188：42-52。 doi：10.1007 / s00213-006-0474-4
  382. 73。 Fingelkurts AA，Fingelkurts AA，Kivisaari R，Autti T，Borisov S，et al。 （2007）阿片类药物戒断导致EEGα和β频带的局部和远程功能连接增加。 Neurosci Res 58：40-49。 doi：10.1016 / j.neures.2007.01.011
  383. 74。 Kelly C，Zuo XN，Gotimer K，Cox CL，Lynch L，et al。 （2011）减少可卡因成瘾的半球间静息状态功能连接。 Biol Psychiatry 69：684-692。 doi：10.1016 / j.biopsych.2010.11.022
  384. 75. Fair DA，Cohen AL，Church NUDJA，Miezin FM，Barch DM等。 （2008）大脑默认网络的成熟架构。 美国国家科学院学报105：4028–4032。 doi：10.1073 / pnas.0800376105
  385. 76。 Bullmore E，Sporns O（2009）复杂脑网络：结构和功能系统的图形理论分析。 Nat Rev Neurosci 10：186-198。 doi：10.1038 / nrn2575
  386. 77。 He Y，Evans A（2010）图形理论建模的大脑连通性。 Curr Opin Neurol 23：341-350。
  387. 78。 Stam CJ（2010）大脑中解剖学和功能连接的表征：复杂的网络视角。 Int J Psychophysiol 77：186-194。 doi：10.1016 / j.ijpsycho.2010.06.024
  388. 79。 Wang J，Zuo X，He Y（2010）基于图形的静息状态功能磁共振成像网络分析。 前Syst Neurosci 4：16。 doi：10.3389 / fnsys.2010.00016
  389. 80。 Latora V，Marchiori M（2003）加权网络中的经济小世界行为。 Eur Physical Journal B 32：249-263。 doi：10.1140 / epjb / e2003-00095-5
  390. 81。 Tononi G，Edelman GM，Sporns O（1998）复杂性和一致性：整合大脑中的信息。 认知科学趋势2：474-484。 doi：10.1016 / s1364-6613（98）01259-5
  391. 82。 Mayberg HS（1997）边缘皮质失调：提出的抑郁症模型。 J Neuropsychiatry Clin Neurosci 9：471-481。
  392. 83。 Goldstein RZ，Tomasi D，Rajaram S，Cottone LA，Zhang L，et al。 （2007）前扣带回和内侧眶额皮质在处理可卡因成瘾药物线索中的作用。 神经科学144：1153-1159。 doi：10.1016 / j.neuroscience.2006.11.024
  393. 84。 GrüsserSM，Wrase J，Klein S，Hermann D，Smolka MN，et al。 （2004）Cue诱导的纹状体和内侧前额叶皮层的激活与戒断酗酒者随后的复发有关。 精神药理学（Berl）175：296-302。 doi：10.1007 / s00213-004-1828-4
  394. 85。 Miedl SF，Fehr T，Meyer G，Herrmann M（2010）神经生物学相关的问题赌博在fMRI揭示的准现实二十一点情景中。 Psychiatry Res 181：165-173。 doi：10.1016 / j.pscychresns.2009.11.008
  395. 86。 Matochik JA，伦敦ED，Eldreth DA，Cadet JL，Boll KI（2003）吸食可卡因滥用者的前额皮质组织成分：磁共振成像研究。 Neuroimage 19。 doi：10.1016 / s1053-8119（03）00244-1
  396. 87。 Fujiwara J，Tobler PN，Taira M，Iijima T，Tsutsui KI（2009）在扣带皮层中分离和综合编码奖励和惩罚。 J Neurophysiol 101：3284-3293。 doi：10.1152 / jn.90909.2008
  397. 88。 Yu C，Gupta J，Yin HH（2010）中间丘脑在奖励引导行为的时间分化中的作用。 Front Integr Neurosci 4：14。 doi：10.3389 / fnint.2010.00014
  398. 89。 Corbit LH，Muir JL，Balleine BW（2003）中间丘脑和前丘脑核的损伤对大鼠的器械条件反射产生可解离的影响。 Eur J Neurosci 18：1286-1294。 doi：10.1046 / j.1460-9568.2003.02833.x
  399. 90。 Saper CB（2002）中枢自主神经系统：有意识的内脏感知和自主模式生成。 Annu Rev Neurosci 25：433-469。 doi：10.1146 / annurev.neuro.25.032502.111311
  400. 91。 Ray JP，Prince JL（1993）从丘脑的中央核到猕猴的眼眶和内侧前额叶皮层的投射组织。 J Comp Neurol 337：1-31。 doi：10.1002 / cne.903370102
  401. 92。 Rolls ET（2004）眶额皮质的功能。 Brain Cogn 55：11-29。 doi：10.1016 / s0278-2626（03）00277-x
  402. 93。 Dong G，Huang J，Du X（2012）改变网络游戏成瘾者休息状态大脑活动的区域同质性。 Behav Brain Funct 18：8-41。 doi：10.1186 / 1744-9081-8-41
  403. 94。 Steriade M，LlinásRR（1998）丘脑的功能状态和相关的神经元相互作用。 Physiol Rev 68：649-742。
  404. 95。 Stein T，Moritz C，Quigley M，Cordes D，Haughton V，et al。 （2000）用功能性mr成像研究丘脑和海马中的功能连接。 AJNR Am J Neuroradiol 21：1397-1401。
  405. 96. Burgess N，Maguire EA，O'Keefe J（2002年），人类海马以及空间和情节记忆。 神经元35：625-641。 doi：10.1016 / s0896-6273（02）00830-9
  406. 97。 Warburton EC，Baird A，Morgan A，Muir JL，Aggleton JP（2001）所有分配空间学习中hippocumpas和前丘脑核的联合重要性：来自大鼠断开研究的证据。 J Neurosci 21：7323-7330。
  407. 98。 Garavan H，Hester R，Murphy K，Fassbender C，Kelly C（2006）抑制性对照的功能性神经解剖学的个体差异。 Brain Res 1105：130-142。 doi：10.1016 / j.brainres.2006.03.029
  408. 99. Menon V，Adleman NE，White CD，Glover GH，Reiss AL（2001）在执行Go / NoGo反应抑制任务中与错误相关的大脑激活。 嗡嗡声脑图12：131-143。 doi：10.1002 / 1097-0193（200103）12：3 <131 :: aid-hbm1010> 3.0.co; 2-c
  409. 100。 Whitfield-Gabrieli S，Ford JM（2012）默认模式网络活动和精神病理学中的连接。 Annu Rev Clin Psychol 8：49-76。 doi：10.1146 / annurev-clinpsy-032511-143049
  410. 101。 丁X，李SW（2013）可卡因成瘾相关的可重现的大脑区域的异常默认模式网络功能连接：一组具有不同模型订单的ica研究。 Neurosci Lett 548：110-114。 doi：10.1016 / j.neulet.2013.05.029
  411. 102。 Ma N，Liu Y，Fu XM，Li N，Wang CX，et al。 （2011）吸毒成瘾者的大脑默认模式网络功能连接异常。 PLoS ONE 6：e16560。 doi：10.1371 / journal.pone.0016560
  412. 103。 Tschernegg M，Crone JS，Eigenberger T，Schwartenbeck P，Fauth-BühlerM，et al。 （2013）病态赌博中功能性脑网络的异常：图论 - 理论方法。 Front Hum Neurosci 7：625。 doi：10.3389 / fnhum.2013.00625
  413. 104。 Kolb B，Whishaw IQ（1998）脑可塑性和行为。 Annu Rev Psychol 49：43-64。 doi：10.1146 / annurev.psych.49.1.43
  414. 105。 Shaw CA，McEachern J，编辑（2001）走向理论神经可塑性。 心理学出版社。
  415. 106。 Kolb B，Gibb R（2003）脑可塑性和行为。 Curr Dir Psychol Sci 12：1-5。 doi：10.1111 / 1467-8721.01210
  416. 107。 Kolb B，Gibb R（2011）发育中大脑中的脑可塑性和行为。 J Can Acad Child Adolesc Psychiatry 20：265-276。
  417. 108。 Robinson TE，Berridge KC（1993）药物渴望的神经基础：成瘾的激励致敏理论。 Brain Res Rev 18：247-291。 doi：10.1016 / 0165-0173（93）90013-p
  418. 109. Alavi SS，Maracy MR（2011）精神症状对伊斯法罕大学生网络成瘾的影响。 J Res Med Sci 16：793-800。
  419. 110. Egger O，Rauterberg M（1996）互联网行为和成瘾。 苏黎世瑞士联邦理工学院（ETH）工作与组织心理学部门（IFAP）的技术报告。
  420. 111。 Petrie H，Gunn D（1998）互联网“成瘾”：性别，年龄，抑郁和内向的影响。 在：英国心理学会伦敦会议。 伦敦，英国：英国心理学会。 论文在英国心理学会伦敦会议上发表。