Chong-Yaw Wee等额贡献者、Zhimin Zhao等额贡献者、Pew-Thian Yap、Guorong Wu、Feng Shi、True Price、Yasong Du、Jianrong Xu、Yan Zhou 邮件、Dinggang Shen 邮件
发布时间:9月16,2014
DOI:10.1371 / journal.pone.0107306
抽象
网络成瘾障碍(IAD)作为一种精神健康障碍,尤其是在青少年群体中,正日益受到重视。然而,IAD的发病机制仍不明确。本研究旨在利用功能磁共振成像(fMRI)数据,探索IAD青少年在静息状态下的脑功能特征。我们采用图论方法,研究了17名IAD青少年和16名社会人口学特征匹配的健康对照组在网络功能连接性方面可能存在的异常,并分析了包括小世界性、效率和节点中心性在内的网络属性。我们进行了错误发现率校正的参数检验,以评估组间网络拓扑差异的统计学意义。此外,我们还进行了相关性分析,以评估IAD组的功能连接性与临床指标之间的关系。结果表明,IAD患者的功能连接组存在显著异常,尤其是在额叶、枕叶和顶叶区域之间。受影响的连接是长程连接和半球间连接。尽管区域节点指标存在显著改变,但IAD组和健康组的整体网络拓扑结构并无差异。此外,相关性分析表明,观察到的区域异常与IAD的严重程度和行为临床评估结果相关。我们的研究结果在解剖学和功能学定义的图谱中相对一致,提示IAD会导致功能连接的紊乱,更重要的是,这种紊乱可能与行为障碍有关。
图
引用: Wee CY, Zhao Z, Yap PT, Wu G, Shi F, et al. (2014) 互联网成瘾障碍患者的脑功能网络紊乱:一项静息态功能磁共振成像研究。PLoS ONE 9(9): e107306。doi:10.1371/journal.pone.0107306
编辑:早坂悟,美国维克森林大学医学院
收稿日期: 2014年1月20日;接受日期: 2014年8月11日;出版日期: 2014年9月16日
版权所有: © 2014 Wee 等人。这是一篇开放获取文章,根据知识共享署名许可协议的条款分发,允许在任何媒介中无限制地使用、分发和复制,前提是注明原作者和来源。
资金来源:本研究部分由美国国立卫生研究院 (NIH) 资助,项目编号分别为 EB006733、EB008374、EB009634、AG041721 和 CA140413,以及国家自然科学基金 (81171325) 和国家重点研发计划 (2007BAI17B03)。资助方未参与研究设计、数据收集和分析、论文发表决定或论文撰写。
利益冲突声明:作者声明不存在任何利益冲突。
介绍
据报道,过度使用互联网会导致社会行为特征的改变,这些改变与物质成瘾和病理性赌博的特征相似[ 1] [2]。过去几十年互联网用户数量的激增,使得这个问题日益被视为一个严重的公共卫生问题[3]。网络成瘾以及一般的计算机相关成瘾似乎是一种普遍现象,影响着美国及其他国家的数百万人,其中亚洲发展中国家的青少年和大学生的发病率最高[3] - [7]。青少年时期过度接触互联网的影响具有特殊的临床和社会意义,因为青少年时期是与决策相关的神经生物学发生显著变化的时期[8],因此更容易出现情感障碍和成瘾问题[9] - [11]。自 Young [2]的开创性工作以来,网络成瘾问题引起了社会学家、心理学家、精神病学家和教育家的极大关注。
与互联网使用相关的行为问题的临床特征已根据多种诊断标准进行了描述,包括互联网成瘾障碍(IAD)[12]、病理性互联网使用[13]和问题性互联网使用[14]。IAD被归类为冲动控制障碍,因为它涉及不依赖任何成瘾物质的不良互联网使用,类似于病理性赌博。IAD表现出与其他成瘾类似的特征,包括因成瘾行为而导致的学业、经济和职业困难,以及在发展和维持个人及家庭关系方面出现问题。患有IAD的个体将花费更多时间独处,这反过来又会影响其正常的社交功能。在最严重的情况下,患者可能会出现腕管综合征、眼睛干涩、背痛、剧烈头痛、饮食不规律和睡眠障碍等身体不适或医学问题[15] , [16]。此外,IAD 患者往往对治疗有抵触情绪,且复发率很高[17],许多患者还患有其他成瘾症,如吸毒、酗酒、赌博或性成瘾[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。
在本研究中,我们应用图论方法,基于静息态功能磁共振成像(R-fMRI)数据分析失眠相关功能障碍(IAD)。首先,我们使用参数检验和多重比较校正来评估功能连接中断的显著性。这使我们能够全面探索大脑功能连接的完整模式以及大规模网络之间的连接模式[31]。其次,我们从全局网络属性的角度研究与IAD相关的可能连接中断,包括小世界特性(例如,聚类系数和特征路径长度)以及小世界机制下的网络效率(例如,全局效率和局部效率)。第三,在相同的网络稀疏度范围内,我们基于每个感兴趣区域(ROI)的中心性度量,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]。我们使用网络中心性的目的是为了更精确地定位受损区域。最后,我们探讨网络指标与参与者的行为和临床评分之间的关系。研究网络属性与临床结果之间的联系,可以增进我们对成瘾病理学的了解,并为开发更可靠的 IAD 诊断技术提供重要的见解。
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)。
除了使用改良版YDQ和YIAS诊断IAD外,本研究还采用多种行为相关问卷评估了IAD患者的行为状况,包括:Barratt冲动性量表-11(BIS-11)[36]、时间管理倾向量表(TMDS)[37]、优势与困难问卷(SDQ)[38]和McMaster家庭评估工具(FAD)[39]。本研究使用了SDQ的儿童版和家长版。这些问卷的详细信息见补充文件S1。
在进行病史访谈前,所有参与者均接受了简单的体格检查(血压和心率测试),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躯体疾病。排除标准包括:1)既往有精神和非精神疾病史,例如焦虑症、抑郁症、强迫症、精神分裂症、自闭症或双相情感障碍;2)既往有药物滥用或依赖史;3)既往有与运动、消化、神经、呼吸、循环、内分泌、泌尿和生殖系统相关的躯体疾病史;以及4)女性在扫描当日处于妊娠期或月经期。此排除程序至关重要,旨在确保本研究的参与者不受其他躯体、神经或神经精神疾病的影响,从而减少研究结果中可能存在的偏差。详细的人口统计学信息和临床评分见表1。
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
数据采集使用3.0特斯拉磁共振扫描仪(Philips Achieva)进行。每位参与者的静息态功能图像均以回波时间(TE)= 30毫秒和重复时间(TR)= 2000毫秒采集。采集矩阵为64×64,矩形视野(FOV)为230×230平方毫米,体素分辨率为3.59×3.59×4平方毫米。每位参与者的扫描包含220个容积。数据采集期间,参与者被要求安静地躺在扫描仪中,双眼紧闭。虽然没有使用任何额外的技术或设备来测量受试者是否真的闭上了眼睛,但受试者已确认他们在扫描过程中保持了闭眼状态。
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(
和
)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
在本研究中,我们基于AAL图谱将全脑划分为90个感兴趣区(ROI),构建了区域水平的功能连接网络。然而,已有研究报道,采用不同划分方案或不同空间尺度构建的脑网络可能呈现不同的拓扑结构[55] - [57] 。为了评估我们结果的可靠性和可重复性,我们使用Dosenbach的功能图谱[58]重复了实验。该图谱将人脑划分为160个ROI,包括小脑。在该图谱中,每个ROI被定义为围绕选定种子点的直径为10 mm的正方形,所有ROI中心之间的距离至少为10 mm且无空间重叠,这意味着部分脑区未被ROI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。
功能验证
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。
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
与健康对照组(HC组)相比,经FDR校正后,仅有三条功能连接发生显著改变。两条半球间连接,一条连接左侧角回(顶叶)和右侧眶额中回(额叶),另一条连接左侧梭状回(枕叶)和右侧角回(顶叶),在IAD患者中表现出连接强度增强。一条半球内连接,连接右侧尾状核(皮质下皮层)和右侧缘上回(顶叶),在疾病组中表现出连接强度降低。这些显著改变的功能连接如图2所示。红色和蓝色连接分别代表IAD组中功能连接强度增强和降低的连接。值得注意的是,大多数受影响的功能连接涉及右半球和顶叶的区域。
图2。 IAD患者的功能连接显着改变(FDR校正)。
红色:功能连接增强;蓝色:功能连接减弱。(FRO:额叶,INS:岛叶,TEM:颞叶,PAR:顶叶,OCC:枕叶,LIM:边缘系统,SBC:皮层下)。此可视化图使用 BrainNet Viewer 软件包(http://www.nitrc.org/projects/bnv)和 Circos(http://circos.ca/)创建。
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].
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 Dosenbach 图谱定义感兴趣区 (ROI) 时,主要在额叶和顶叶与小脑的连接上观察到显著的组间差异。这些发现总结于表 3。尽管这些连接与基于 AAL 图谱识别的连接有所不同,但大多数受损的连接涉及大脑的相同脑叶,小脑区域除外。就全局网络指标而言,我们发现 IAD 组和 HC 组之间没有差异,这与基于 AAL 图谱的结果相似。对于局部网络指标,我们发现一些识别出的区域在空间上与基于 AAL 图谱识别出的区域相邻,例如表 4中所示的 ACG 和 THA 。
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
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(
,
,
和
)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.
图3。 大脑区域与IAD组的行为和临床评分显着相关(FDR校正)。
此图使用 BrainNet Viewer 软件包( http://www.nitrc.org/projects/bnv )创建。(YIAS = 杨氏网络成瘾量表,BIS-11 = 巴雷特冲动性量表-11,TMDS = 时间管理倾向量表,SDQ-P = 优势与困难问卷家长版,SDQ-C = 优势与困难问卷儿童版。)
DOI:10.1371 / journal.pone.0107306.g003
讨论
个体功能连接的改变
深入了解人类大脑发育机制对于更好地理解影响儿童和青少年疾病的病理基础至关重要,并有助于早期治疗。基于静息态功能磁共振成像(R-fMRI)数据的图论分析表明,人类大脑的功能组织从儿童期到青春期再到成年期,遵循着一个独特的趋势——儿童期功能分离程度更高,而成人期全脑功能整合程度更高[63] - [66]。具体而言,随着发育,功能性脑网络的组织结构从局部连接转变为更分布式的结构[63] , [66],其中成人往往比儿童具有更弱的短程功能连接和更强的长程功能连接[65]。
我们的研究结果表明,尽管在FDR校正后,IAD患者中观察到的连接中断数量有限,但这些中断是长程和半球间功能连接,对人脑的长距离信息传递至关重要。长程和半球间连接的中断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]。长程连接的损伤可以被视为人脑分布式功能网络整合过程的失败[63]、[64]、[75],即偏离正常神经发育轨迹。因此,我们推测,本研究中观察到的IAD青少年长程和半球间连接的异常发育可能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)是边缘系统的重要组成部分,参与情绪的形成和加工、学习和记忆、执行功能以及呼吸控制[82]。它接收来自颞叶丘脑(THA)和新皮层的输入,并通过扣带回投射到内嗅皮层。该通路关注具有重要情绪意义的事件并调节攻击性行为[29]。扣带回相关功能的紊乱会损害个体监控和控制自身行为的能力,尤其是与情绪相关的行为[83]。大多数物质和行为成瘾分析表明,扣带回的前部和后部(ACG和PCG)存在显著改变,包括酒精成瘾[84]、病理性赌博[85]和成瘾性障碍(IAD ) [27]、[29]。在可卡因滥用者中,也报道了扣带回中部(MCG)类似的额外改变[86]。先前的fMRI研究也表明,在奖惩条件下,前部、中部和后部中央回均受到影响[87]。由于中央回在处理积极和消极情绪方面发挥着重要作用,因此该区域在IAD患者中表现出显著的连接性紊乱也就不足为奇了。
丘脑-皮质通路(THA)是大脑信息的枢纽,参与多种大脑功能,包括奖赏加工[88]、目标导向行为以及认知和运动功能[89]。它将来自皮层下区域的感觉和运动信号传递至大脑皮层[90]。通过THA,眶额皮质接收来自其他边缘系统脑区(例如杏仁核、中央扣带回和海马体)的直接和间接投射,这些脑区参与药物强化[91],从而控制和纠正与奖赏和惩罚相关的行为[92]。在网络游戏成瘾者中发现的异常丘脑-皮质回路[93]可能提示THA功能受损,这与长期睡眠质量差[94]以及过度专注于电脑有关。此外,THA 与海马体在功能上相连[95],是扩展海马系统的一部分,对空间导航和将信息从短期记忆巩固到长期记忆等认知功能至关重要[96] , [97]。
我们观察到顶下小叶(IPL)节点中心性发生了显著改变,这与近期基于静息态功能磁共振成像(R-fMRI)的互联网成瘾(IAD)研究结果一致[24]、[93]。与颞叶下丘脑(THA)类似,IPL与听觉、视觉和体感皮层有着广泛的连接,能够同时处理不同类型的刺激。作为人类大脑发育过程中最后发育的结构之一,IPL可能更容易受到过度听觉和视觉刺激的影响,尤其是在儿童时期。互联网过度使用导致的IPL损伤可能会抑制个体有效调节冲动反应抑制的能力[98]、[99],损害其抵抗线索诱发的互联网渴求的能力,而这可能进一步损害IPL。这种循环模式常见于物质成瘾和行为成瘾者。
默认模式网络(DMN)的某些区域在静息状态下通常比执行目标导向任务时更为活跃[62]。这些区域已知参与情绪调节和自我参照活动,包括评估内外线索的显著性、回忆过去和规划未来[60] [62],这些都是诊断成瘾性障碍(IAD)的重要标准。此前已有研究表明,DMN区域功能连接的改变与多种疾病的症状行为有关[100],包括物质成瘾[ 101] [102]和行为成瘾[24] [ 103]。我们发现DMN多个区域的功能连接发生改变,这与之前的观察结果部分一致,提示DMN有可能作为识别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
在本研究中,我们未观察到全局网络指标与行为指标之间的任何相关性,这表明全脑网络拓扑结构未发生改变。这一发现也可能提示,由于人脑具有可塑性(神经可塑性)[104]、[105],能够通过替代通路(神经回路)恢复大部分日常功能,因此脑网络的变化较为细微。脑可塑性涉及神经细胞或神经元之间连接的重组,并受多种因素影响[106] – [108]。脑可塑性与年龄相关,在儿童期和青少年期比成年期更为常见,这表明患有IAD的青少年受损神经元连接的恢复能力更强。此外,已有研究表明,从成瘾到神经和精神疾病等多种行为状况均与神经回路的局部变化相关[106]。因此,粗略的全局网络测量指标(如平均聚类系数、特征路径长度和网络效率)在检测 IAD 组的大脑回路变化方面不太敏感,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
本研究存在一些局限性,需要重点指出。首先,网络成瘾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。未来,必须开发标准化的网络成瘾诊断工具,以提高诊断的可靠性和有效性。其次,本研究受限于样本量较小以及参与者性别比例失衡(31名男性和4名女性),尽管在分析中已控制了这些因素,但这些因素仍可能降低统计效力和研究结果的普遍适用性。性别对网络成瘾患病率的影响仍存在争议。Young [35]的研究表明,女性网络成瘾的比例较高。与之相反,一项近期研究报告称,男性网络成瘾行为的风险更高[109]。然而,也有研究报告称,性别与网络成瘾之间不存在关联[110]、[111]。未来需要使用更大样本量、性别比例更均衡的队列进行实验,以更好地评估性别与 IAD 易感性之间的关系。
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。
案例
- 1。 Ng BD,Wiemer-Hastings P(2005)对互联网和在线游戏的成瘾。 Cyberpsychol Behav 8:110-113。 doi:10.1089 / cpb.2005.8.110
- 2。 Young KS(1998)网瘾:一种新的临床疾病的出现。 Cyberpsychol Behav 1:237-244。 doi:10.1089 / cpb.1998.1.237
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 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
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 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。
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 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
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 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
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 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
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 查看文章
- 考研/ NCBI
- Google Scholar
- 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
- 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。
- 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
- 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
- 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
- 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
- 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
- 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。 Cyberpsychol Behav 8:7-14。 doi:10.1089 / cpb.2005.8.7
- 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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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。
- 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
- 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
- 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
- 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
- 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。
- 33。 Beard KW,Wolf EM(2001)修改了建议的网络成瘾诊断标准。 Cyberpsychol Behav 4:377-383。 doi:10.1089 / 109493101300210286
- 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
- 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。
- 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
- 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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 50。 Watts DJ,Strogatz SH(1998)“小世界”网络的集体动态。 Nature 393:440-442。 doi:10.1038 / 30918
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 77。 He Y,Evans A(2010)图形理论建模的大脑连通性。 Curr Opin Neurol 23:341-350。
- 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
- 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
- 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
- 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
- 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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 92。 Rolls ET(2004)眶额皮质的功能。 Brain Cogn 55:11-29。 doi:10.1016 / s0278-2626(03)00277-x
- 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
- 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。
- 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。
- 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
- 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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 105。 Shaw CA,McEachern J,编辑(2001)走向理论神经可塑性。 心理学出版社。
- 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
- 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。
- 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
- 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。
- 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。
- 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。