更高的媒体多任务活动与前扣带皮层（2014）中较小的灰质密度相关联

引文： Loh KK，Kanai R（2014）高介质多任务活动与前扣带皮层中较小的灰质密度相关联。 PLoS ONE 9（9）：e106698。 DOI：10.1371 / journal.pone.0106698

抽象

媒体多任务处理或者同时消费多种媒体形式，在当今社会中越来越普遍，并且与消极的社会心理和认知影响相关联。 从事较重媒体多任务的个人被发现在认知控制任务上表现更差并且表现出更多的社交情绪困难。 然而，与媒体多任务相关的神经过程仍未被探索。

本研究调查了媒体多任务活动与大脑结构之间的关系。 研究表明，长期接触新环境和经验可以改变大脑结构。 因此，我们预计媒体多任务处的差异参与与脑结构变异性相关联。

这通过基于体素的形态测定（VBM）分析得到证实：具有较高的媒体多任务指数（MMI）评分的个体在前扣带皮层（ACC）中具有较小的灰质密度。 F该ACC区域与前躯体之间的功能连接与MMI呈负相关。 我们的研究结果表明，在重媒体多任务中观察到的认知控制能力下降和社会情绪调节可能存在结构相关性。 虽然我们研究的横截面性质不允许我们指定因果关系的方向，但我们的结果揭示了个体媒体多任务行为与ACC结构差异之间的新颖联系。

图

引文： Loh KK，Kanai R（2014）高介质多任务活动与前扣带皮层中较小的灰质密度相关联。 PLoS ONE 9（9）：e106698。 DOI：10.1371 / journal.pone.0106698

责任编辑： Katsumi Watanabe，日本东京大学

收稿日期： 二月25，2014; 公认： 八月8，2014; 出版日期： 2014 年 9 月 24 日

版权： ©2014 Loh，Kanai。 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： 该项目的资金来自日本科学技术厅的PRESTO资助。 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

媒体多任务处理或者同时消费多种媒体形式，在现代社会中越来越普遍 [1] 并且与认知控制能力下降有关 [2] 以及抑郁和社交焦虑等消极心理社会影响 [3]，负面的社会福祉 [4]，学习成绩不佳 [5]。 然而，在这个时刻，关于与媒体多任务相关的神经过程知之甚少。 本研究调查了媒体多任务活动与大脑结构变异之间的关系。 研究表明，长期接触新环境可以改变大脑结构 [6] 以及培训和经验 [7], [8]。 此外，通过基于体素的形态测量法（VBM）评估的灰质和白质的区域变异性可以可靠地预测一系列认知功能的个体差异（参见 [9] 进行审查）。 基于上述发现，我们假设媒体多任务处的差异参与同样反映了区域大脑结构的差异。

在目前的调查中，媒体多任务指数（MMI， [2]）被用作特质媒体多任务的衡量标准。 MMI得分一直与认知控制任务中的个人表现相关联 [2], [10],[11]。 因此，它们作为与脑结构变异性相关的可靠行为相关。 我们预计个人的MMI分数将反映大脑结构差异，特别是在认知控制和多任务区域。 过去的研究已经集中在前额皮质区域在认知控制中的作用 [12], [13], [14], [15]。 基于病变研究 [16]不同区域涉及多任务的可分离方面：前后扣带涉及回顾性记忆，前额区域涉及前瞻记忆和计划。 因此，我们期望找到媒体多任务活动与这些地区的结构变化之间的关联。 媒体多任务活动与人格特质（即神经质和外向性）密切相关 [3]反过来，它可以预测大脑的结构差异 [17]。 因此，媒体多任务和大脑结构之间的关联可能会被这些特质差异所混淆。 为了研究这种可能性，还研究了MMI与Big Five人格特质之间的关系。

我们在相对熟悉计算机和媒体技术的75健康成人中获得了MMI评分，五大人格特质测量和磁共振成像（MRI）扫描。 为了检验媒体多任务活动与大脑结构变异性之间的关系，我们首先通过优化的VBM将个体MMI得分与全脑水平的区域灰质密度相关联。 [18]。 我们还检查了五大特征与MMI分数之间的相关性。 为了阐明我们获得的结构差异的功能意义，我们分析了静息状态大脑活动，以阐明MMI评分与大脑内功能连接之间的关联。

方法

参与者成员

从伦敦大学学院（UCL）心理学参与者小组招募的75健康成人（平均年龄= 24.6，SD = 5.0，38男性）在提供知情书面同意后参加了当前的研究。 该研究得到了当地伦敦大学学院伦理委员会的批准（伦理申请代码：2213 / 002）。 我们筛选了参与者，包括熟悉计算机和媒体技术的大学生和员工。 他们以现金报销参与。 在参与VBM研究的75参与者中，从40参与者的子集中收集了fMRI数据。 性别，年龄，教育程度和MMI分数在两个样本之间没有显着差异（表1).

缩略图

表1。 参与VBM分析和功能连通性分析的参与者的人口统计特征和MMI得分之间的比较。

DOI：10.1371 / journal.pone.0106698.t001

改良媒体多任务调查问卷

媒体多任务调查问卷的修改版本 [2] 对所有参与者进行了管理。 MMI提供了一个稳定的衡量个人特质媒体多任务活动的方法。 调查问卷由两个主要部分组成：第一部分列出了12常见媒体类型，参与者报告了他们每周使用每种媒体所花费的总小时数。 在本研究中使用的修改版本中，保留了10媒体类型 [2]：使用移动或电话打印媒体，电视，基于计算机的视频，音乐，语音呼叫，即时消息，短消息服务（SMS）消息，电子邮件，网上冲浪和其他基于计算机的应用程序。 “视频或电脑游戏”项目已修改为包含手机游戏。 “非音乐音频”项目被“使用社交网站”取代。 这些变化是为了更好地反映媒体消费的当前趋势。 第二部分由一个矩阵组成，该矩阵涉及参与者，表明他们在使用主要媒介时同时使用了所有其他类型的媒体。 并行使用量以1到4的比例表示（1 =“从不”，2 =“一点时间”，3 =“某些时间”，4 =“大部分时间”）。 参与者的回答首先记录如下：“从不”= 0，“有点时间”= 0.33，“有些时间”= 0.67和“大部分时间”= 1。 对每种主要介质的重新编码响应的求和产生了在使用主要介质时同时使用的平均介质数。 MMI基于以下公式计算： 哪个mi 是使用主要媒体时同时使用的媒体的平均数量，i; Hi 是使用主要媒介每周花费的小时数，i; 和h总 是使用所有媒体表单每周花费的总小时数。

五大库存

五大库存（BFI; [19]）为五大人格因素提供了一个简短而可靠的44项目衡量标准：外向（8项目），同意（9项目），责任心（9项目），神经质（8项目）和开放体验（10项目）。 我们采用BFI来检验我们样本中MMI和Big Five人格特征之间的关联。

MRI数据采集

使用1.5 T Siemens Avanto扫描仪（Siemens Medical，Erlangen，Germany）为每位参与者获取高分辨率T1加权结构图像（MPRAGE; 1 mm）3 立方体素; 160切片; TR = 2730 ms; TE = 3.57 ms）。 使用对BOLD对比敏感的递增T2 *加权梯度回波回波平面成像（EPI）序列获取功能性MRI数据。 每次采集均由32倾斜切片，3.0×3.0 mm分辨率，2.0 mm厚度和1.0 mm切片间隙组成。 EPI切片针对每个受试者单独成角度，以减少来自鼻腔的易感性伪影并最大化眶额区域和后顶叶皮层的覆盖，同时牺牲颞极上的覆盖。 因此，最终取向范围在8°至16°之间。 两次连续采集相同切片之间的时间间隔是2528 ms，翻转角为90度，44 ms回波时间。 视野为192×192 mm。 数字面内分辨率为64×64像素，像素尺寸为3.0×3.0 mm。 所有数据均采用32通道头部线圈获得。 在功能性MRI扫描期间，参与者被指示保持静止，睁大眼睛，不要特别考虑任何事情。 一次运行由180体积采集组成，并且从分析中丢弃初始6体积以避免混淆不稳定的磁化。 静息状态fMRI运行大约需要7.5分钟。

基于体素的形态测量（VBM）分析

基于体素的形态测量法（VBM; [20]）是一种常用的神经影像分析技术，可以对预处理的MRI图像进行体素统计分析。 通过统计参数映射（SPM1，Wellcome Department of Cognitive Neurology）用VBM分析高分辨率T8加权结构扫描。 首先将图像分割成灰色和白色物质。 随后进行了通过指数李代数（DARTEL）的Diffeomorphic Anatomical Registration，以共同记录灰质图像。 为了确保在登记后保持区域灰质体积，登记的图像由DARTEL计算的流场的雅可比行列式调制。 用高斯核（半高全宽= 10 mm）对登记的灰质图像进行平滑，然后将其转换并标准化为蒙特利尔神经学研究所（MNI）立体定向空间，以进行进一步的多元回归分析。

对标准化灰质图像进行多元回归分析，以MMI评分为主要回归量。 包括年龄，性别和总脑容量作为所有回归不感兴趣的协变量。 为了检测区域灰质密度与MMI分数相关的体素，我们采用了严格的阈值 p <.05 与家庭明智的错误全脑纠正。

功能连接分析

为了执行功能连接分析，我们使用了Conn功能连接工具箱版本13（http://www.nitrc.org/projects/conn; [21]）结合SPM8的预处理程序。 按顺序列出的预处理步骤包括切片定时的校正，时间序列数据与第一体积的重新对准（即运动校正），功能性MRI时间序列与相应的结构MRI的共同配准，图像分割成单独的组织灰质，白质和脑脊液（CSF）等类型，标准MNI模板的归一化和高斯滤波器的空间平滑（FWHM = 8 mm）。 然后将时间序列数据带通滤波为0.01 Hz-0.1 Hz。

对于基于种子的功能连接性分析，我们使用在VBM分析中发现的单个重要聚类作为种子感兴趣区域（ROI）。 从ROI中提取的平均时间序列在个体水平分析的多元回归模型中使用回归量。 为了最小化混杂因素的影响，包括来自预处理的六个运动校正参数的回归量。 此外，从分割程序产生的掩模中提取灰质，白质和CSF的平均BOLD信号，并且还包括作为回归量以最小化与这些全局信号相关的变化。 计算ROI信号与大脑其余部分之间的时间相关性，并使用Fisher变换将与种子ROI的相关性转换为Z分数，用于二级显着性分析。

通过Z变换的统计图像，我们首先使用体素阈值确定显示与种子ROI功能连接的大脑区域 pFWE校正<0.05。 随后，我们使用了不太严格的阈值 p<0.001（未校正）作为遮罩，捕获ACC连接区域以进行第二级分析，在该分析中，我们旨在查找与MMI得分相关的大脑区域。 我们将年龄，性别和总颅内体积作为协变量，并采用了 p <0.05 对于由初始掩码定义的体积校正了系列错误。 初始掩蔽的基本原理是确保我们的分析受限于显示与种子区域相关活性的大脑区域。 即使我们发现这些区域之外的个体差异存在相关性，这些发现也可能反映出虚假的相关性。 为了增加二级分析的功效，我们采用了不太严格的掩蔽阈值。

处理的成像数据以及包含VBM和功能连通性回归分析变量的数据集可在以下网站公开获得： http://dx.doi.org/10.6084/m9.figshare.10​30286.

成果

VBM分析显示MMI评分与前扣带皮层灰质密度呈负相关（图1; ACC; t（70）= 5.16，PFWE校正 <.05，群集大小= 158体素×1.53 = 533毫米3; 峰值MNI坐标：x = 12，y = 41，z = 3）。 没有其他大脑区域与MMI评分显着相关。 因此，更高的媒体多任务与ACC中较小的灰质体积相关联。 然而，MMI和BFI得分之间的相关性分析揭示了外向性和MMI得分之间的高度显着关联（表2; r = 0.347， p = 0.002）。 因此，我们怀疑观察到的MMI-ACC灰质关联可能会被外向评分的个体差异所混淆。 鉴于此，我们重复了早期的VBM分析，进一步控制BFI得分作为额外的协变量。 我们进行了多元回归（灰质密度作为因变量），包括MMI和所有五大特质评分作为预测因子以及人口统计学协变量。 MMI与相同ACC区域的灰质体积呈显着负相关（t（65）= 5.08，PFWE校正<.05，簇大小= 74体素×1.53 = 250毫米3; 峰值MNI坐标：x = 12，y = 40，z = 3）。 这表明在MMI和ACC中的灰质密度之间存在独特的关联，而不依赖于五大人格特征的变化。

缩略图

图1。 VBM回归分析显示，MMI评分与ACC中的灰质密度显着相关（t（70）= 5.16，PFWE校正 <0.05，簇大小= 158体素x 1.53 = 533毫米3; 峰值MNI坐标：x = 12，y = 41，z = 3）。

峰值体素（Y轴）中调整的灰质密度呈负相关（r = -0.54， p<0.001），以及MMI得分（X轴）。

DOI：10.1371 / journal.pone.0106698.g001

缩略图

表2。 媒体多任务索引得分与五大库存得分之间的相关性。

DOI：10.1371 / journal.pone.0106698.t002

为了阐明我们的VBM结果的功能意义，我们试图通过功能连接性分析确定与我们获得的ACC感兴趣区域（ROI）显示出显着连通性的大脑区域。 该分析显示，获得的ACC ROI中的活性与通常表征为默认模式网络的多个脑区域相关，包括双侧颞顶叶连接（TPJ;右半球，x = 48，y = -64，z = 36， pFWE校正<0.05； 左半球，x = −44，y = −70，z = 36）和早粉（x = 4，y = −68，z = 30， pFWE校正<0.05）在其他地区（表3）。 这些结果表明，我们通过VBM分析发现的ACC ROI可能属于DMN。 接下来，我们进一步调查了MMI得分是否与我们的ACC ROI和DMN区域之间的连通性相关联。 回归分析对ACC和DMN区域之间的z变换相关进行，其中MMI为主要预测因子，年龄，性别和总脑容量为协变量。 没有出现重要的联想 pFWE校正<0.05。 但是，在不太严格的门槛 p未修正<0.001，更高的MMI得分与ACC ROI和前躯体之间的连通性较弱有关（图2; 楔前叶; t（40）= 5.22， p未修正<0.001，簇大小= 159毫米3; 峰值MNI坐标：x = 10，y = -50，z = 18）。 我们强调，我们的连通性结果是在不太严格的阈值下获得的，并且为我们得出有关MMI和功能连接关联的结论提供了有限的证据。 因此，这组研究结果仅用于VBM结果的功能解释。

缩略图

图2。 回归分析显示ACC ROI与Precuneus（蓝线交叉）之间的连通性与MMI评分呈负相关（Precuneus; t（40）= 5.22，PFWE未被校正<0.001，簇大小= 159毫米3; 峰值MNI坐标：x = 10，y = -50，z = 18）。

存在负面关系（r = -0.68， p调整后的Z转换的ACC-Precuneus相关性（Y轴）和MMI得分（X轴）之间的<0.001。

DOI：10.1371 / journal.pone.0106698.g002

缩略图

表3。 脑区域表现出与ACC ROI的功能连接。

DOI：10.1371 / journal.pone.0106698.t003

讨论

正如假设的那样，本研究揭示了媒体多任务处理与大脑结构变化之间的显着关系：报告更多媒体多任务处理的个体在ACC中具有较小的灰质密度。 这种关联在严格的阈值下是显着的（pFWE校正<0.05）并且独立于五大人格特质差异。 我们根据最近关于ACC功能和MMI行为相关性的证据讨论了对结构相关性的可能解释。

ACC是大脑中信息处理途径的关键联系，并且涉及感觉运动，伤害感受，高级认知和情绪/动机过程。 [22], [23]。 其中，我们假设我们获得的ACC区域很可能与更高的认知过程相关联，因为媒体多任务一直与认知控制性能相关联 [2], [10], [11], [24]。 此外，ACC ROI表现出与DMN大脑区域的显着功能连接，其通常也与更高的认知操作相关联 [25], [26].

在认知处理方面，通常认为ACC涉及错误或冲突检测 [27], [28]。 ACC激活通常在同时激活不兼容响应的任务中观察到，即Stroop任务 [29], [30]，选择性的关注 [31] 和侧卫任务 [32], [33]。 值得注意的是，ACC已经涉及双任务范例 [34], [35] 个人面临竞争刺激和与两个或多个任务相关的反应的地方。 类似于此，在媒体多任务处理中，个人面临与他们同时使用的多种媒体类型相关联的不同任务需求。 因此，我们获得的ROI可能涉及双任务相关的认知控制功能。 一个关键的警告是，上述功能通常归因于背侧ACC，而不是我们的ROI所在的延髓区域。 [23], [32], [35], [36]。 然而，研究人员已经注意到这种描述并不是绝对的 [23], [34], [37]。 特别是，为了支持我们目前的解释，Dreher及其同事 [34] 据报道，在双重任务的背景下，延髓ACC是唯一参与冲突检测的。

我们的主要发现表明，较重的媒体多任务处理器的ACC容量较小。 为了阐明重型多任务者减少ACC体积可能的行为影响，我们研究了将MMI与认知控制联系起来的行为研究。 Ophir等人的一项具有里程碑意义的研究。 [2] 首先揭示了增加的媒体多任务活动与较差的认知控制之间的关系。 他们让参与者参与一系列认知控制任务，例如Stroop任务，任务切换，干扰器过滤和n-back任务。 面对干扰者，重型多任务者（相对于较轻的多任务者）在检测视觉模式的变化时较慢，在记忆任务期间更容易受到干扰者的错误回忆，并且在任务切换中较慢。 作者认为，重型多任务者不太能够自觉地限制他们注意任务相关信息。 吕和黄 [24] 进一步证明，较重的多任务者在抑制与任务无关的刺激方面更糟糕，因此能够在多感官整合任务中表现更好。 随后的研究 [11] 表明重型多任务员在操作跨度任务（OSPAN）上表现更差，这与双任务范式高度相似，因为参与者需要同时解决数学问题并记住所呈现的字母。 重型多任务者也报告说在日常生活中更多的注意力失败 [38]。 然而，Alzahabi和Becker最近的一项研究 [10] 报告相反的结果：较重的多任务处理器在双任务性能方面并不差，并且在任务切换方面表现更好。 尽管使用相同的任务，他们也无法复制Ophir等人的研究结果。 作者指出，他们的样本主要是女性，这可能导致他们的结果不一致。 他们强调了纵向研究揭示MMI与​​认知控制之间稳健关系的重要性。

总之，现有的MMI文献通常表明，参与较重媒体多任务的个体表现出较差的认知控制能力。 我们目前的研究结果通过将较重的媒体多任务活动与ACC中较小的体积联系起来扩展了这一文献：一个基于融合神经影像证据与认知控制有关的大脑区域。 然而，我们强调，需要做更多的工作来建立ACC结构和认知控制能力之间的关系。 对ACC病变患者的研究已经对ACC在其所涉及的认知功能中的必要性产生了非常复杂的观点 [39], [40], [41].

我们获得的ACC区域也有可能参与情绪/动机过程，因为它位于延髓ACC中，通常与动机和情绪处理相关联 [23]。 减少的ACC容量常常涉及涉及异常情绪激励处理的疾病，例如强迫症 [42]，创伤后应激障碍 [43]，抑郁症 [44] 与毒品和非毒品有关的成瘾 [45], [46]。 基于这种观点，有可能的是，较重的媒体多任务者，在减少ACC数量的情况下，可能会减少情绪和动机调节。 实际上，发现较高的MMI分数与神经质增加，寻求感觉和冲动性相关 [3], [11] 和消极的社会情绪结果 [4]。 有趣的是，本研究中获得的大脑结构差异模式与网络成瘾（IA）的神经相关性相似。 患有IA的个体，仅被定义为因特网或计算机的病态过度使用，被发现ACC中的灰质和白质密度降低 [46], [47], [48]。 这两种结构（媒体多任务和IA）可能存在重叠：MMI提供了衡量人们一次使用多个设备的程度，这可能与IA有关，这意味着过度使用计算机和互联网。

对目前工作的一个重要限制是我们的结果是从媒体多任务行为与大脑结构之间关系的横断面研究中获得的。 因此，无法确定它们之间的因果关系的方向。 虽然可以想象，由于认知控制或社会情绪调节能力较弱，ACC较小的个体更容易受到多任务处理，但同样可信的是，多任务处理的更高水平暴露会导致ACC的结构变化。 需要进行纵向研究以明确确定因果关系的方向。 我们目前的研究结果通过提供媒体多任务活动与ACC中的结构差异之间的经验联系为这种研究开辟了道路。 另一个警告是，目前的研究结果可能不会超出我们研究的人口，这些人口受过较高的教育，并且很容易受到技术的影响。 实际上，媒体消费模式可能受到人口因素的高度影响 [1]。 因此，未来的研究应该检查人口统计因素（如教育和社会经济地位）在调节媒体多任务处理，认知表现和大脑结构之间关系中的作用。

总之，从事更多媒体多任务活动的个人在ACC中的灰质体积较小。 这也可能解释了较差的认知控制表现和与媒体多任务增加相关的消极社会情绪结果。 虽然我们研究的横截面性质不允许我们指定因果关系的方向，但我们的结果揭示了个体媒体多任务行为与ACC结构差异之间的新颖联系。

作者贡献

构思并设计了实验：KL RK。 进行实验：KL RK。 分析数据：KL RK。 贡献的试剂/材料/分析工具：KL RK。 写了这篇论文：KL RK。

参考资料

  1. 1。 Rideout VJ，Foehr UG，Roberts DF（2010）Generation M2：8- 18岁生活中的媒体。 加州门洛帕克。
  2. 2。 Ophir E，Nass C，Wagner AD（2009）媒体多任务中的认知控制。 美利坚合众国国家科学院会议记录106：15583-15587。 doi：10.1073 / pnas.0903620106
  3. 3。 Becker MW，Alzahabi R，Hopwood CJ（2013）媒体多任务处理与抑郁和社交焦虑的症状有关。 网络心理学，行为和社交网络16：132-135。 doi：10.1089 / cyber.2012.0291
  4. 查看文章
  5. 考研/ NCBI
  6. Google Scholar
  7. 查看文章
  8. 考研/ NCBI
  9. Google Scholar
  10. 查看文章
  11. 考研/ NCBI
  12. Google Scholar
  13. 查看文章
  14. 考研/ NCBI
  15. Google Scholar
  16. 查看文章
  17. 考研/ NCBI
  18. Google Scholar
  19. 查看文章
  20. 考研/ NCBI
  21. Google Scholar
  22. 查看文章
  23. 考研/ NCBI
  24. Google Scholar
  25. 查看文章
  26. 考研/ NCBI
  27. Google Scholar
  28. 查看文章
  29. 考研/ NCBI
  30. Google Scholar
  31. 查看文章
  32. 考研/ NCBI
  33. Google Scholar
  34. 查看文章
  35. 考研/ NCBI
  36. Google Scholar
  37. 查看文章
  38. 考研/ NCBI
  39. Google Scholar
  40. 查看文章
  41. 考研/ NCBI
  42. Google Scholar
  43. 查看文章
  44. 考研/ NCBI
  45. Google Scholar
  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. 4。 Pea R，Nass C，Meheula L，Rance M，Kumar A，et al。 （2012）8至12岁女孩的媒体使用，面对面交流，媒体多任务处理和社交福利。 发展心理学48：327-336。 doi：10.1037 / a0027030
  53. 查看文章
  54. 考研/ NCBI
  55. Google Scholar
  56. 查看文章
  57. 考研/ NCBI
  58. Google Scholar
  59. 查看文章
  60. 考研/ NCBI
  61. Google Scholar
  62. 查看文章
  63. 考研/ NCBI
  64. Google Scholar
  65. 查看文章
  66. 考研/ NCBI
  67. Google Scholar
  68. 查看文章
  69. 考研/ NCBI
  70. Google Scholar
  71. 查看文章
  72. 考研/ NCBI
  73. Google Scholar
  74. 查看文章
  75. 考研/ NCBI
  76. Google Scholar
  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. 查看文章
  90. 考研/ NCBI
  91. Google Scholar
  92. 查看文章
  93. 考研/ NCBI
  94. Google Scholar
  95. 查看文章
  96. 考研/ NCBI
  97. Google Scholar
  98. 查看文章
  99. 考研/ NCBI
  100. Google Scholar
  101. 查看文章
  102. 考研/ NCBI
  103. Google Scholar
  104. 查看文章
  105. 考研/ NCBI
  106. Google Scholar
  107. 查看文章
  108. 考研/ NCBI
  109. Google Scholar
  110. 查看文章
  111. 考研/ NCBI
  112. Google Scholar
  113. 查看文章
  114. 考研/ NCBI
  115. Google Scholar
  116. 查看文章
  117. 考研/ NCBI
  118. Google Scholar
  119. 查看文章
  120. 考研/ NCBI
  121. Google Scholar
  122. 查看文章
  123. 考研/ NCBI
  124. Google Scholar
  125. 查看文章
  126. 考研/ NCBI
  127. Google Scholar
  128. 查看文章
  129. 考研/ NCBI
  130. Google Scholar
  131. 查看文章
  132. 考研/ NCBI
  133. Google Scholar
  134. 查看文章
  135. 考研/ NCBI
  136. Google Scholar
  137. 5。 Junco R，Cotton SR（2010）感知即时消息使用的学术影响。 计算机和教育56：370-378。 doi：10.1016 / j.compedu.2010.08.020
  138. 6. Blakemore C，Van Sluyters RC（1975）小猫视觉皮层发育的先天和环境因素。 生理学杂志248：663-716。
  139. 7。 Draganski B，Gaser C，Busch V，Schuierer G，Bogdahn U，et al。 （2004）神经可塑性：训练引起的灰质变化。 Nature 427：311-312。 doi：10.1038 / 427311a
  140. 8。 Boyke J，Driemeyer J，Gaser C，Buchel C，May A（2008）训练引起的老年人脑结构变化。 神经科学杂志：神经科学学会28的官方期刊：7031-7035。 doi：10.1523 / jneurosci.0742-08.2008
  141. 9。 Kanai R，Rees G（2011）人类行为和认知的个体间差异的结构基础。 自然评论Neuroscience 12：231-242。 doi：10.1038 / nrn3000
  142. 10。 Alzahabi R，Becker MW（2013）媒体多任务，任务切换和双任务性能之间的关联。 实验心理学杂志人类感知和表现39：1485-1495。 doi：10.1037 / a0031208
  143. 11。 Sanbonmatsu DM，Strayer DL，Medeiros-Ward N，Watson JM（2013）谁多任务又为什么？ 多任务处理能力，感知多任务处理能力，冲动性和感觉寻求能力。 PloS one 8：e54402。 doi：10.1371 / journal.pone.0054402
  144. 12。 Koechlin E，Ody C，Kouneiher F（2003）人类前额叶皮质中认知控制的结构。 科学302：1181-1185。 doi：10.1126 / science.1088545
  145. 13。 Marois R，Ivanoff J（2005）大脑中信息处理的能力限制。 认知科学的趋势9：296-305。 doi：10.1016 / j.tics.2005.04.010
  146. 14。 Dux PE，Ivanoff J，Asplund CL，Marois R（2006）利用时间分辨FMRI分离信息处理的核心瓶颈。 Neuron 52：1109-1120。 doi：10.1016 / j.neuron.2006.11.009
  147. 15。 Miller EK，Cohen JD（2001）前额叶皮层功能的综合理论。 神经科学年度回顾24：167-202。
  148. 16。 Burgess PW，Veitch E，de Lacy Costello A，Shallice T（2000）多任务的认知和神经解剖学相关性。 Neuropsychologia 38：848-863。 doi：10.1016 / s0028-3932（99）00134-7
  149. 17。 DeYoung CG，Hirsh JB，Shane MS，Papademetris X，Rajeevan N，et al。 （2010）测试个性神经科学的预测。 脑结构和五大。 心理科学21：820-828。 doi：10.1177 / 0956797610370159
  150. 18。 Ashburner J（2007）一种快速微分形图像配准算法。 NeuroImage 38：95-113。 doi：10.1016 / j.neuroimage.2007.07.007
  151. 19。 John OP，Srivastava S（1999）五大特质分类：历史，测量和理论观点。 在：Pervin LA，John OP，编辑。 人格手册：理论与研究。 纽约：吉尔福德出版社。 102-138。
  152. 20。 Ashburner J，Friston KJ（2000）基于体素的形态测量 - 方法。 NeuroImage 11：805-821。 doi：10.1006 / nimg.2000.0582
  153. 21。 Whitfield-Gabrieli S，Moran JM，Nieto-Castanon A，Triantafyllou C，Saxe R，et al。 （2011）人类大脑中默认和自我参考网络之间的关联和分离。 NeuroImage 55：225-232。 doi：10.1016 / j.neuroimage.2010.11.048
  154. 22。 Devinsky O，Morrell MJ，Vogt BA（1995）前扣带皮层对行为的贡献。 脑：神经学杂志118（Pt 1）：279-306。 doi：10.1093 / brain / 118.1.279
  155. 23。 Bush G，Luu P，Posner MI（2000）对前扣带皮层的认知和情绪影响。 认知科学的趋势4：215-222。 doi：10.1016 / s1364-6613（00）01483-2
  156. 24. Lui KF，Wong AC（2012）媒体多任务处理是否总是有害？ 多任务和多感觉整合之间存在正相关。 心理公告与评论19：647–653。 doi：10.3758 / s13423-012-0245-7
  157. 25。 Raichle ME，MacLeod AM，Snyder AZ，Powers WJ，Gusnard DA，et al。 （2001）大脑功能的默认模式。 美利坚合众国国家科学院会议记录98：676-682。 doi：10.1073 / pnas.98.2.676
  158. 26. Buckner RL，Andrews-Hanna JR，Schacter DL（2008）大脑的默认网络：解剖结构，功能以及与疾病的相关性。 纽约科学院院刊1124：1-38。 doi：10.1196 / annals.1440.011
  159. 27。 Carter CS，Macdonald AM，Botvinick M，Ross LL，Stenger VA，et al。 （2000）解析执行过程：前扣带皮层的战略与评价功能。 美利坚合众国国家科学院会议记录97：1944-1948。 doi：10.1073 / pnas.97.4.1944
  160. 28。 Botvinick MM，Braver TS，Barch DM，Carter CS，Cohen JD（2001）冲突监控和认知控制。 心理评论108：624-652。 doi：10.1037 // 0033-295x.108.3.624
  161. 29. Bush G，Whalen PJ，Rosen BR，Jenike MA，McInerney SC等。 （1998）计数Stroop：专用于功能性MRI的功能性MRI验证研究的干扰任务。 人脑映射6：270-282。 doi：10.1002 /（sici）1097-0193（1998）6：4 <270 :: aid-hbm6> 3.3.co; 2-h
  162. 30。 Leung HC，Skudlarski P，Gatenby JC，Peterson BS，Gore JC（2000）一项关于stroop颜色词干扰任务的事件相关功能MRI研究。 大脑皮质10：552-560。 doi：10.1093 / cercor / 10.6.552
  163. 31。 Corbetta M，Miezin FM，Dobmeyer S，Shulman GL，Petersen SE（1991）在形状，颜色和速度的视觉辨别过程中选择性和分散注意力：通过正电子发射断层扫描的功能解剖学。 神经科学杂志：神经科学学会11的官方期刊：2383-2402。
  164. 32。 Botvinick M，Nystrom LE，Fissell K，Carter CS，Cohen JD（1999）冲突监测与前扣带皮层的选择行动。 Nature 402：179-181。 doi：10.1038 / 46035
  165. 33。 Casey BJ，Thomas KM，Welsh TF，Badgaiyan RD，Eccard CH，et al。 （2000）通过功能磁共振成像分离响应冲突，注意力选择和期望。 美利坚合众国国家科学院会议记录97：8728-8733。 doi：10.1073 / pnas.97.15.8728
  166. 34。 Dreher JC，Grafman J（2003）在同时或相继执行两项任务时，分离前扣带回和前额侧皮质的作用。 大脑皮质13：329-339。 doi：10.1093 / cercor / 13.4.329
  167. 35。 Erickson KI，Colcombe SJ，Wadhwa R，Bherer L，Peterson MS，et al。 （2005）在最小化任务准备之后，双任务性能的神经关联。 NeuroImage 28：967-979。 doi：10.1016 / j.neuroimage.2005.06.047
  168. 36。 Milham MP，Banich MT，Webb A，Barad V，Cohen NJ，et al。 （2001）前扣带回和前额叶皮层在注意力控制中的相对参与取决于冲突的性质。 脑研究认知脑研究12：467-473。 doi：10.1016 / s0926-6410（01）00076-3
  169. 37。 Kiehl KA，Liddle PF，Hopfinger JB（2000）错误处理和前扣带回：与事件相关的fMRI研究。 心理生理学37：216-223。 doi：10.1111 / 1469-8986.3720216
  170. 38。 Ralph BC，Thomson DR，Cheyne JA，Smilek D（2013）媒体多任务处理和日常生活中的注意力失误。 心理学研究。 doi：10.1007 / s00426-013-0523-7
  171. 39。 研究员LK，Farah MJ（2005）是认知控制所必需的前扣​​带皮层吗？ 脑：神经病学杂志128：788-796。 doi：10.1093 / brain / awh405
  172. 40。 Swick D，Turken AU（2002）在人类前扣带皮层中的冲突检测和错误监测之间的分离。 美利坚合众国国家科学院会议记录99：16354-16359。 doi：10.1073 / pnas.252521499
  173. 41。 Swick D，Jovanovic J（2002）前扣带皮层和Stroop任务：地形特异性的神经心理学证据。 Neuropsychologia 40：1240-1253。 doi：10.1016 / s0028-3932（01）00226-3
  174. 42。 Rotge JY，Guehl D，Dilharreguy B，Tignol J，Bioulac B，et al。 （2009）强迫症患者脑容量变化的Meta分析。 生物精神病学65：75-83。 doi：10.1016 / j.biopsych.2008.06.019
  175. 43。 Yamasue H，Kasai K，Iwanami A，Ohtani T，Yamada H，et al。 （2003）基于体素的MRI分析显示，由于恐怖主义，创伤后应激障碍导致前扣带灰质体积减少。 美利坚合众国国家科学院会议记录100：9039-9043。 doi：10.1073 / pnas.1530467100
  176. 44。 Caetano SC，Kaur S，Brambilla P，Nicoletti M，Hatch JP，et al。 （2006）单极抑郁患者的扣带数量较小。 生物精神病学59：702-706。 doi：10.1016 / j.biopsych.2005.10.011
  177. 45。 Franklin TR，Acton PD，Maldjian JA，Gray JD，Croft JR，et al。 （2002）可卡因患者的岛状，眶额，扣带和颞皮质中的灰质浓度降低。 生物精神病学51：134-142。 doi：10.1016 / s0006-3223（01）01269-0
  178. 46。 Zhou Y，Lin FC，Du YS，Qin LD，Zhao ZM，et al。 （2011）网络成瘾中的灰质异常：基于体素的形态测量研究。 欧洲放射学杂志79：92-95。 doi：10.1016 / j.ejrad.2009.10.025
  179. 47。 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
  180. 48。 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