执行控制网络和奖励网络之间不平衡的功能链接解释了网络游戏障碍中的在线游戏寻求行为（2015）

PMCID：PMC4361884

转到：

抽象

文献显示，与健康对照组相比，互联网游戏障碍（IGD）受试者表现出执行控制受损，奖励敏感性增强。 但是，这两个网络如何共同影响估价过程并推动IGD对象的在线游戏行为尚不清楚。 在MRI扫描仪中对36个IGD和XNUMX个健康对照进行了静息状态扫描。 分别在控制和奖励网络种子区域内检查了功能连接性（FC）。 选择伏伏核（NAcc）作为找到这两个网络之间相互作用的节点。 与健康对照组相比，IGD受试者的执行控制网络中的FC降低，而奖励网络中的FC升高。 在检查NAcc与执行控制/奖励网络之间的相关性时，NAcc –执行控制网络之间的链接与NAcc –奖励网络之间的链接负相关。 IGD受试者的大脑同步在控制/奖励网络中的变化（减少/增加）表明，这些过程背后的神经回路内处理效率低下/过度。 在IGD中，控制网络与奖励网络之间的比例成反比，这表明执行控制的损害会导致无法有效抑制过度渴望在线游戏的增强渴望。 这可能为IGD的机械理解提供了启示。

与药物成瘾或药物滥用不同，网络游戏障碍（IGD）没有化学物质或物质摄入，但仍然导致身体依赖，类似于其他成瘾1,2。 人们的在线体验可能会以一种驱动在线游戏的方式改变其认知功能，这种情况也会在没有吸毒的情况下发生1,3,4。 DSM-5考虑物质使用障碍和成瘾产生了互联网游戏障碍的标准，这种疾病包含在DSM-5部分包含需要额外研究的疾病中5,6。 然而，在神经系统层面，认知控制失败的确切机制尚不清楚7.

IGD的一个关键特征是失去控制在线游戏寻求行为的意志。 最近的功能性磁共振成像（fMRI）研究确定了IGD中两种重要的神经元活动模式：首先，使用go / no-go在IGD受试者中证实了减少的反应抑制8， 任务切换9,10和Stroop11,12,13 任务与健康对照（HC）相比; 其次，IGD受试者表现出比HC更高的奖励敏感性2,14,15 并表现出对来自互联网的信息的认知偏差9,16,17。 这两个特征与当前神经经济研究的结果非常相似 - 有两个不同的大脑网络共同影响决策过程18,19：执行控制网络（涉及侧前额叶和顶叶皮质19），与延迟奖励有关; 腹侧评估网络（涉及眶额皮质，腹侧纹状体等）19,20），立即奖励。

这两个网络之间的相互作用也在吸毒成瘾者群体中得到证实20。 谢的研究表明，在依赖海洛因的受试者中，控制网络（减少的链接）和奖励网络（增强的链接）之间的功能链接不平衡。21，这可以阐明在大规模系统层面对毒瘾的机制理解。 寻求药物的强化动机加上无法抑制药物相关行为被认为是行政控制的失败22,23,24。 在使用IGD的研究中，研究人员观察到了执行控制和奖励敏感性的相似特征（如前所述）。 然而，这两个网络如何共同影响IGD主题的评估过程并推动其在线游戏寻求行为仍然未知。

最近，研究调查了人类大脑在休息状态下的神经活动（没有刺激，没有任务，没有入睡），这被称为静息状态fMRI。 他们发现静息状态下的神经活动在皮质区域与特定的功能特性相关，但不是随机的25,26,27。 假设这些时间相关性反映了内在功能连接（FC），并且已经在几个不同的网络中得到证实28,29,30。 它可以是在休息状态期间在IGD和HC组之间更内在水平上研究潜在神经元网络差异的有用工具。

时间绑定模型表明，神经系统之间的脑信号同步对于促进神经通信至关重要31。 文献也证明了休息FC可以作为行为表现的预测指标26,32。 正如我们上面提到的，IGD受试者表现出比HC更低的执行控制和更高的奖励敏感性。 我们假设IGD受试者在奖励网络中表现出增强的同步性，并且在控制网络中表现出比HC更低的同步性。 此外，我们还假设IGD共同影响估值的控制/奖励网络的潜在二元性受到损害。 为了检验这些假设，我们首先需要测量静息状态fMRI; 其次，我们需要选择一些种子来代表不同的网络并测量这些基于种子的BOLD信号，即建立这两种网络之间的联系; 第三，我们需要衡量他们的互动，以找出他们如何共同致力于行为。

方法

参与者选择

该实验符合世界医学协会的道德准则（赫尔辛基宣言）。 浙江师范大学人类调查委员会批准了这项研究。 这些方法是按照批准的指南进行的。 参与者是大学生，通过广告招募。 参与者是右撇子男性（35 IGA受试者，36健康对照（HC））。 IGD和HC组的年龄没有显着差异（IGA平均值= 22.21，SD = 3.08年; HC平均值= 22.81，SD = 2.36年; t = 0.69， p = 0.49）。 由于男性的IGD患病率高于女性，因此仅包括男性。 所有参与者均提供书面知情同意书和结构化精神病访谈（MINI）33 由经验丰富的精神科医生进行的治疗大约需要15分钟。 所有参与者均未出现MINI所列的Axis I精神疾病。我们通过贝克抑郁量表进一步评估了“抑郁症”34 并且只包括得分低于5的参与者。 指示所有参与者在扫描当天不使用任何滥用药物，包括咖啡因饮料。 没有参与者报告以前使用过的非法药物（例如可卡因，大麻）。

根据Young的在线网络成瘾测试（IAT）确定了网络成瘾症35 分数为50或更高。 Young的IAT包含20个项目，分别来自在线互联网使用的不同角度，包括心理依赖，强迫使用，退学，学校或工作中的问题，睡眠，家庭或时间管理35。 事实证明，IAT是一种有效且可靠的仪器，可用于分类IAD36,37。 对于每个项目，从1 =“很少”到5 =“始终”或“不应用”中选择分级响应。 50上的分数表示偶尔或经常出现与互联网相关的问题）（www.netaddiction.com）。 在选择IGD主题时，我们在Young确立的IAT衡量标准上增加了一个附加标准：“您花费___％的在线时间用于玩在线游戏”（> 80％）。

扫描静止状态数据

扫描是在华东师范大学MRI中心进行的。 MRI数据是使用Siemens Trio 3T扫描仪（德国，埃尔兰根，西门子）获取的。 “静止状态”被定义为在我们的任务中进行fMRI扫描期间没有特定的认知任务。 要求参与者保持静止不动，闭上眼睛，保持清醒，不要系统地思考任何事情38,39。 为了减少头部运动，参与者仰卧，头部贴合腰带和泡沫垫。 通过使用EPI（回波平面成像）序列获取静止状态功能图像。 扫描参数如下：交错，重复时间= 2000 ms，33轴向切片，厚度= 3.0 mm，面内分辨率= 64 * 64，回波时间= 30 ms，翻转角度= 90，视野= 240 * 240 mm，210体积（7 min）。 使用T1加权的3D损坏的梯度回忆序列收集结构图像，并且获得覆盖整个大脑的176切片，重复时间= 1700 ms，回波时间TE = 2.26 ms，切片厚度= 1.0 mm，跳过= 0 mm ，翻转角= 90°，视野= 240 * 240 mm，面内分辨率= 256 * 256）。

数据预处理

休息数据使用REST和DPARSF进行（http://restfmri.org)40。 预处理包括去除第一个10时间点（由于信号平衡并允许参与者适应扫描噪声），生理校正，切片定时，体积配准和头部运动校正。 包括白质，脑脊髓液，全局信号和六个运动矢量的信号在内的几种滋扰信号可能受到的污染被退回。 使用最小二乘法和六参数（刚体）线性变换对每个对象的图像的时间序列进行运动校正41。 使用线性变换将运动校正后的各个结构图像共同注册到平均功能图像。 经过运动校正的功能空间在空间上被归一化为MNI（蒙特利尔神经研究所）空间，并使用在统一分割过程中估算的归一化参数将其重新采样为3毫米各向同性体素。 进一步的预处理包括（1）0.01至0.08 Hz之间的带通滤波； （2）为了评估功能连通性，我们首先计算了每个感兴趣区域（ROI）对的平均信号强度时程之间的Pearson相关系数。 将Fisher的r到z变换应用于每个相关图，以获得功能连通性值的近似正态分布并相应地应用参数统计。

投资回报率选择休息

根据已发表的文献选择种子作为先验，而不是从任务中获得种子区域是为了避免偏见并增加发现的普遍性。 对于对照网络，使用来自1000年轻成年人的数据，基于最近的FC研究定义种子42 提示额叶 - 顶叶控制网络包括六个大脑区域。 它们位于大脑的额叶和顶叶区域（从中找到详细的坐标） 图1）。 我们使用对称坐标从右半球中选择种子。

图1 

研究中选择的投资回报率。

对于奖励评估网络，大量研究表明，眶额纹状电路支持将不同类型的未来奖励转换为一种内部货币18,20,21。 该电路包括腹侧纹状体，背侧纹状体和眶额回路。 除此之外，之前的研究还表明，杏仁核网络是潜在奖励评估的关键区域43。 因此，在这项研究中，我们还将杏仁核纳入奖励网络。 由于纹状体，杏仁核是相对较小的脑区，我们选择整个区域作为种子。 杏仁核是从哈佛 - 牛津皮质下图谱中提取的; 使用牛津 - 纹状体 - 图谱选择纹状体。 对于OFC，基于荟萃分析定义种子44,45，这表明两个不同的侧向OFC功能子区域，一个涉及与动机无关的强化表示（-23，30，-12和16，29，-13），另一个用于评估导致行为改变的惩罚者（-32） ，40，-11和33，39，-11）。 看到 图1.

我们上面选择的种子之间的联系只能提供组级别的差异，并分别显示控制网络和奖励网络内部的联系。 为了找到这两个网络之间针对个体的相互作用以及它们如何共同影响行为，我们需要一个连接两个网络的“节点”。 在这项研究中，我们选择伏隔核（NAcc）区域作为连接节点或“种子”区域来连接控制网络和奖励网络，因为NAcc在成瘾中起重要作用46，并被证明是成瘾研究中宝贵的连接节点21。 NAcc也是从Harvard-Oxford皮质下图谱中提取的。

功能连接计算

对于每个ROI，通过对ROI内的所有体素的信号求平均来获得代表性的BOLD时间过程。 关于功能网络的文献已经证明具有可分离的右半球和左半球组件47,48,49。 因此，在本研究中，我们首先分别计算左右控制/奖励网络ROI中FC的平均值。 然后，我们将这两个FC的平均值作为整个FC指数。 NAcc与执行/奖励网络之间的相关性计算如下：我们计算了NAcc与同一半球的对照/奖励网络ROI之间的FC的平均值。 然后，我们将这些半球FC的平均值作为整体FC指数。

成果

IGD和HC之间控制网络的FC差异

图2 显示IGD和HC中控制网络中的FC。 在整个大脑和半球水平中，HC中控制网络中的FC显着高于IGD中的控制网络（HC在左​​控制网络中的FC比IGD略微显着）。

图2 

IGD和HC组中控制网络的复合FC指数在不同的比较中：整个大脑（左），左半球（中）和右半球（右）。

IGD和HC之间奖励网络的FC差异

图3 显示IGD和HC中奖励网络中的FC。 IGD奖励网络中的FC略高于全脑中的HC（p = 0.060）和左半球（p = 0.061）。 虽然IGD在右半球显示的FC高于HC，但它没有达到统计学意义（p 0.112）。

图3 

不同比较中IGD和HC组的奖励网络的综合FC指数：整个大脑（左），左半球（中）和右半球（右）。

控制网络与奖励网络之间的相互作用

我们计算了全脑水平和半球水平的控制网络和奖励网络之间的相互作用。 第一排 图4 显示了所有受试者（左）和组（右）中全脑中控制网络和奖励网络之间的关系。 我们可以发现，控制网络中的FC与所有受试者群体中的奖励网络呈负相关。 第二行中的数字表明控制网络与左半球的奖励网络成反比。 然而，在右半球（第三行），尽管它们显示出负面趋势，但所有这些相关性都没有达到统计显着性（这可能是因为所有控制网络ROI都是在左半球定义的。右半球的ROI是根据左半球对称）。 第四行显示了控制网络和奖励网络之间的半球间相互作用。 我们还可以发现控制网络和奖励网络之间的负相关。 总而言之，虽然其中一些相关性没有达到统计学意义，但我们仍然可以推断出控制网络与奖励网络负相关。

图4 

所有受试者（左），IGD（中）和HC组（右）的控制网络和奖励网络指数之间的关系。

讨论

在IGD科目中降低控制网络同步性和更高的奖励网络同步性

在这项研究中，我们观察到IGD受试者的执行控制网络与HC相比的同步性降低。 时间绑定模型表明，大脑区域之间的脑信号同步对于促进神经通信至关重要31。 因此，控制网络中同步性的降低可能表明IGD对象长时间的在线游戏会损害他们的执行控制系统。 先前的研究发现，特定网络中的FC可以预测相关行为表现30,50,51。 基于任务的fMRI研究还表明IGD受试者显示出比健康对照减少的反应抑制8,9,11,12。 这种反应趋势似乎受到在线游戏相关刺激的影响，IGD中的表现比非IGD受试者更差。9。 IGD中明显的移位和认知控制缺陷可能与这些过程中神经回路内的低效处理有关，其中一些神经措施与IGD严重程度有关12.

在奖励网络中，IGD中的FC略高于HC中的FC。 IGD中奖励网络种子之间的联系越来越紧密，这表明他们对奖励的奖励比HC组更强。 基于任务的fMRI研究已经证明，与健康对照相比，IGD受试者的奖赏敏感性升高2,9,14,15 在温和和极端的情况下。 由于IGD主题可能经历更强的奖励，增强的奖励敏感度可能有助于增加参与在线游戏的欲望。 长期在线游戏可能会让玩家沉迷于虚拟体验，并在现实生活中重温这些体验52.

控制网络与奖励网络之间的不平衡关联

为了进一步测试执行控制网络和奖励网络之间的交互作用，并发现它们如何共同影响单个主体的最终行为，我们选择了NAcc作为连接节点或“种子”区域，以将执行控制和奖励联系起来网络。 图4 表明执行控制网络和奖励网络的指数具有显着的反比例，这表明奖励网络连接越强，控制网络连接越弱。 这两个网络以拉动和推动的方式相互作用，强烈的动机将导致执行控制电路的干扰，强有力的执行控制将导致抑制激励欲望53.

以前的研究表明，执行控制系统可以促进对动机驱动的认知和行为控制，并可能使个人抑制欲望和奖励寻求行为54,55,56。 执行控制网络和奖励网络之间的反比例可能有助于理解IGD潜在的成瘾机制：在获胜或愉快体验期间增加的奖励感可以增强他们在线玩游戏的愿望。 同时，执行控制中的障碍可能导致对这种欲望的低效抑制，这可能使得冲动，欲望或渴望占据并导致过度的在线游戏。

执行控制网络和奖励网络之间功能连接的不平衡也可能有助于理解IGD的决策。 研究表明，IGD受试者在做出未来决策时对体验性结果的考虑减少52。 在参与即时奖励体验（例如，在线游戏）和长期不利后果（例如，使用花费时间来代替执行与长期职业成功相关的活动）之间作出决定时，具有IGD的个体可被视为显示正如对吸毒成瘾所描述的那样，“未来的近视”57,58,59。 即时奖励的强烈奖励网络同步可能会过度推动决策过程以抑制冲动，这可能是合理的解释基于估值的直接奖励决策过程，导致冲动的在线游戏行为。 此外，通过短期在线体验可以加强寻求奖励的行为，导致令人上瘾的在线游戏的恶性循环7.

总而言之，这项研究表明，IGD受试者的大脑网络同步性的变化（减少/增加）表明这些过程背后的神经回路内处理效率低下/过度。 执行控制网络和奖励网络之间的比例成反比，表明执行控制中的损害会导致无法有效抑制对过度玩在线游戏的渴望。 这些结果可能为IGD的机理理解提供了启示。 此外，IGD和药物成瘾之间的相似特征（例如，海洛因依赖性）表明IGD可能与其他类型的成瘾具有相似的神经基础。

限制

这里应该解决几个限制。 首先，由于只有极少数女性沉迷于网络游戏，因此在本研究中我们只选择了男性对象。 性别不平衡可能会限制最终结论。 其次，在计算控制网络和奖励网络之间的相互作用时，我们根据NAcc的功能和以前的文献选择了NAcc作为种子。 我们不知道该计算是否有更好的种子。 第三，本研究仅揭示了IAD受试者的当前状态，我们无法得出这些因素之间的因果结论。 第四，在为执行控制网络选择右半球的ROI时，我们根据左半球使用了对称坐标，这可能是右半球的指标低于左半球的指标的原因。

作者贡献

GD设计了这个实验，并撰写了手稿的初稿。 XL和XD收集并分析了数据，准备了数字。 YH和CX讨论了结果，为解释提供了建议，并为稿件的最终草案做出了贡献。 所有作者都参与并批准了最终稿件。

致谢

该研究得到了国家自然科学基金（31371023）的支持。 资助者在研究设计中没有进一步的作用; 在收集，分析和解释数据方面; 在撰写报告时; 或者决定提交论文以供发表。

参考资料

  • Holden C.“行为”成瘾：它们是否存在？ Science 294，980–982，（2001）.10.1126 / science.294.5544.980 [考研[Cross Ref]
  • 董G.，胡英＆林X.网络成瘾者的奖励/惩罚敏感性：对他们成瘾行为的影响。 Prog Neuro-Psychopharm Biol Psychiat 46，139-145（2013）。 [考研]
  • Weinstein A.＆Lejoyeux M.网络成瘾或过度使用互联网。 Am J Drug Alcohol Ab 36，277-283（2010）。 [考研]
  • 董刚，陆琦，周虹，赵旭。前兆或后遗症：网络成瘾症患者的病理性疾病。 PloS one 6，e14703（2011）。 [PMC免费文章[考研]
  • Petry NM＆O'Brien CP Internet游戏障碍和DSM-5。 成瘾108，1186–1187（2013）。 [考研]
  • 美国精神病学协会。 精神障碍的诊断和统计手册（5th ed。）[145]（American Psychiatric Publishing，Washington DC，2013）。
  • Dong G.和Potenza MN网络游戏障碍的认知行为模型：理论基础和临床意义。 J Psychia决议58，7-11（2014）。 [PMC免费文章[考研]
  • 董G.，周H.和赵X.网络成瘾症患者的冲动抑制：来自Go / NoGo研究的电生理证据。 神经科学通讯485，138–142（2010）。 [考研]
  • Zhou Z.，Yuan G.＆Yao J.认知偏向于与网络游戏相关的图片以及患有网络游戏成瘾的个人的行政缺陷。 PloS one 7，e48961（2012）。 [PMC免费文章[考研]
  • 董G.，林X.，周H.＆陆Q.网络成瘾者的认知灵活性：功能磁共振成像证据来自难易和难易切换的情况。 成瘾者Behav 39，677–683（2014）。 [考研]
  • 董G.，周H.和赵X。男性网络成瘾者的执行控制能力受损：来自色词Stroop任务的证据。 Neurosci lett 499，114-118（2011）。 [考研]
  • 董G.，沉Y.，黄J.＆杜X.网络成瘾症患者的错误监测功能受损：事件相关的FMRI研究。 Eur瘾君子水库19，269-275（2013）。 [考研]
  • 利特尔M. et al. 过度计算机游戏玩家的错误处理和响应抑制：与事件相关的潜在研究。 Addict biol 17，934-947（2012）。 [考研]
  • Dong G.，Huang J.＆Du X.提高互联网成瘾者的奖励敏感性和降低损失敏感性：在猜测任务期间进行的功能磁共振成像研究。 J Psychiatry res 45，1525–1529（2011）。 [考研]
  • Dong G.，DeVito E.，Huang J.和Du X.扩散张量成像揭示了互联网游戏成瘾者的丘脑和后扣带回皮层异常。 J Psychiatry res 46，1212–1216（2012）。 [PMC免费文章[考研]
  • Ko CH et al. 与在线游戏成瘾的游戏冲动相关的大脑活动。 J psychiatry res 43，739-747（2009）。 [考研]
  • Ko CH et al. 受到网络游戏成瘾和尼古丁依赖的科目诱导游戏催促和吸烟渴望的大脑激活。 J psychiatry res 47，486-493（2013）。 [考研]
  • Montague PR和Berns GS神经经济学和估值的生物基础。 神经元36，265–284（2002）。 [考研]
  • McClure SM，Ericson KM，Laibson DI，Loewenstein G.和Cohen JD为主要奖励提供时间折扣。 J Neurosci 27，5796–5804（2007）。 [考研]
  • Monterosso J.，Piray P.和Luo S.神经经济学和成瘾研究。 生物精神病学72，107-112（2012）。 [考研]
  • 谢C. et al. 禁欲海洛因依赖主体的评估网络之间的功能联系不平衡。 Mol psychiatry 19，10-12（2014）。 [考研]
  • Barros-Loscertales A. et al. 在计算可卡因依赖组中的Stroop任务期间，右前额叶网络中的激活较低。 精神病学res 194，111-118（2011）。 [考研]
  • Goldstein RZ和Volkow ND药物成瘾及其潜在的神经生物学基础：额叶皮层受累的神经影像学证据。 Am J精神病学159，1642–1652（2002）。 [PMC免费文章[考研]
  • Volkow ND et al. 药物渴望的认知控制抑制可卡因滥用者的脑奖励区域。 NeuroImage 49，2536-2543（2010）。 [PMC免费文章[考研]
  • Fox MD和Raichle ME用功能磁共振成像观察到的大脑活动的自发性波动。 NatRev。 Neurosci 8，700-711（2007）。 [考研]
  • 朱Q.，张JD，罗YLL，Dilks DD和刘J.跨面部选择性皮质区域的静止状态神经活动在行为上是相关的。 J Neurosci 31，10323–10330（2011）。 [考研]
  • Greicius MD，Supekar K.，Menon V.和Dougherty RF静止状态功能连接反映了默认模式网络中的结构连接。 大脑皮层19，72-78（2009）。 [PMC免费文章[考研]
  • 亲爱的CJ et al. 从结构连通性预测人类静止状态功能连接。 PNAS 106，2035-2040（2009）。 [PMC免费文章[考研]
  • 文森特JL et al. 麻醉猴脑中的内在功能结构。 Nature 447，83-86（2007）。 [考研]
  • Seeley WW et al. 用于突出处理和执行控制的不可分离的内在连接网络。 J Neurosci 27，2349-2356（2007）。 [PMC免费文章[考研]
  • Engel AK，Fries P.和Singer W.动态预测：自顶向下处理中的振荡和同步。 NatRev。 Neurosci 2，704–716（2001）。 [考研]
  • 考克斯CL et al. 你的休息大脑关注你的危险行为。 PloS one 5，e12296（2010）。 [PMC免费文章[考研]
  • Lecrubier Y. et al. 迷你国际神经精神病学访谈（MINI）。 简短的诊断结构化访谈：根据CIDI的可靠性和有效性。 Europ Psychiatry 12，224-231（1997）。
  • Beck AT，Ward CH，Mendelson M.，Mock J.和Erbaugh J.抑郁量表。 Arch Gen Psychiatry 4，561-571（1961）。 [考研]
  • 年轻人KS网络成瘾测试（IAT）http://netaddiction.com/index.php?option=combfquiz&view=onepage&catid=46&Itemid=106>（2009年）。 访问日期：09/09/2009。
  • Widyanto L.＆McMurran M.网络成瘾测试的心理计量学特性。 Cyber​​psychol行为7，443–450（2004）。 [考研]
  • Widyanto L.，Griffiths MD和Brunsden V.对互联网成瘾测试，与互联网相关的问题量表和自我诊断的心理计量比较。 Cyber​​psychol，行为网络14，141-149（2011）。 [考研]
  • Zang Y.，Jiang T.，Lu Y.，He Y.＆Tian L.fMRI数据分析的区域同质性方法。 Neuroimage 22，394–400（2004）。 [考研]
  • 你H. et al. 改变多系统萎缩患者运动皮质的区域同质性。 Neurosci Lett 502，18-23（2011）。 [考研]
  • 严长庚＆Zang Y.-F. DPARSF：用于静止状态fMRI的“管道”数据分析的MATLAB工具箱。 前系统神经科学4，13，e3389（2010）。 [PMC免费文章[考研]
  • Friston KJ，Frith CD，Frackowiak RS和Turner R.利用fMRI表征动态脑反应：一种多变量方法。 NeuroImage 2，166-172（1995）。 [考研]
  • Yeo BT et al. 通过内在功能连接估计人类大脑皮层的组织。 J neurophysiol 106，1125-1165（2011）。 [PMC免费文章[考研]
  • Waraczynski MA中央扩展的杏仁核网络作为奖励估值的提议电路。 Neurosci biobehav rev 30，472-496（2006）。 [考研]
  • Kringelbach ML和Rolls ET人眼眶额叶皮层的功能神经解剖学：来自神经影像学和神经心理学的证据。 Prog Neurobiol 72，341–372（2004）。 [考研]
  • Wilcox CE，Teshiba TM，Merideth F.，Ling J.和Mayer AR增强了可卡因使用障碍中的提示反应性和额叶纹状体功能连接。 药业最高罚款115，137–144（2011）。 [PMC免费文章[考研]
  • Everitt BJ和Robbins TW吸毒成瘾的神经系统：从动作到习惯再到强迫。 Nat Neurosci 8，1481–1489（2005）。 [考研]
  • Shirer WR，Ryali S.，Rykhlevskaia E.，Menon V.和Greicius MD解码具有全脑连接模式的主题驱动的认知状态。 大脑皮层22，158–165（2012）。 [PMC免费文章[考研]
  • Damoiseaux JS et al. 健康受试者的一致休息状态网络。 PNAS 103，13848-13853（2006）。 [PMC免费文章[考研]
  • 哈巴斯C. et al. 独特的小脑对内在连接网络的贡献。 J Neurosci 29，8586-8594（2009）。 [PMC免费文章[考研]
  • Spreng RN，Stevens WD，Chamberlain JP，Gilmore AW和Schacter DL默认网络活动与额顶控制网络配合使用，支持目标定向的认知。 NeuroImage 53，303–317（2010）。 [PMC免费文章[考研]
  • Krmpotich TD et al. 左执行控制网络中的休息状态活动与行为方法相关，并且在物质依赖性方面增加。 药物醇取决于129，1-7（2013）。 [PMC免费文章[考研]
  • 董G.，胡Y.，林X.＆陆Q.是什么使网络成瘾者即使面对严重的负面后果仍继续在线玩游戏？ 功能磁共振成像研究的可能解释。 心理生物学报94，282–289（2013）。 [考研]
  • Miller EK和Cohen JD前额叶皮层功能的综合理论。 Annu Rev Neurosci 24，167-202（2001）。 [考研]
  • Sofuoglu M.，DeVito EE，Waters AJ和Carroll KM认知增强作为药物成瘾的治疗方法。 Neuropharmacol 64，452–463（2013）。 [PMC免费文章[考研]
  • Everitt BJ et al. 实验动物和人类的眼眶前额皮质和药物成瘾。 年度NY Acad Sci 1121，576-597（2007）。 [考研]
  • Goldstein RZ和Volkow ND成瘾前额叶皮质功能障碍：神经影像学发现和临床意义。 NatRev。 Neurosci 12，652–669（2011）。 [PMC免费文章[考研]
  • Pawlikowski M.＆Brand M.过多的互联网游戏和决策：过多的《魔兽世界》玩家在有风险的情况下决策是否存在问题？ 精神病学188，428–433（2011）。 [考研]
  • Floros G.和Siomos K.关于视频游戏类型和网络成瘾的选择模式。 Cyber​​psycholo，行为社交网络15，417–424（2012）。 [考研]
  • Bechara A.，Dolan S.和Hindes A.决策和成瘾（第二部分）：近视是对未来的反应还是对获得奖励的超敏反应？ Neuropsychologia 40，1690-1705（2002）。 [考研]