基于网络的分析揭示了与网络成瘾趋势相关的功能连接（2016）

Front Hum Neurosci。 2016; 10：6。

在线发布2016 Feb 1。 DOI：  10.3389 / fnhum.2016.00006

PMCID：PMC4740778

谭雅雯1,2,* 和 舒兰谢1,3,4,*

抽象

互联网的专注和强制使用会产生负面的心理影响，因此它越来越被认为是一种精神障碍。 本研究采用基于网络的统计数据来探索静态的全脑功能连接如何与个人网络成瘾程度相关，并通过自评问卷进行索引。 我们确定了两个具有拓扑意义的网络，一个与网络成瘾倾向正相关，一个与网络成瘾倾向负相关。 这两个网络主要在正面区域相互连接，这可能反映了对于认知控制的不同方面（即，用于控制因特网使用和游戏技能）的正面区域的改变。 接下来，我们将大脑分为几个大的区域子组，并发现两个网络中大多数连接的比例对应于包含四回路模型的小脑成瘾模型。

最后，我们观察到与网络成瘾倾向相关的区域间联系最多的大脑区域复制了成瘾文献中常见的大脑区域，并通过我们对网络成瘾研究的荟萃分析得到证实。 该研究提供了对涉及网络成瘾倾向的大规模网络的更好理解，并表明临床前网络成瘾水平与成瘾临床病例相似的区域和联系相关。

关键词： 网络成瘾，基于网络的统计，功能连接，休息状态，荟萃分析

介绍

网络成瘾 （; ）是一种现代现象，其特点是对互联网的专注和强制使用。 特别是，网络游戏障碍（IGD）已列入诊断和统计手册版本5（DSM-5）的第III部分®, ）。 由于缺乏标准标准，一些文献将这两个术语视为同义词（参见 ; 讨论）; 然而，强迫和过度使用互联网进行任何活动（我们将在此文献中称为网络成瘾）比其主要子类型IGD更全球化，其中除了在线游戏之外还可以包括多种形式的互联网使用（; ; ）。 我们目前的研究以更一般的形式调查网络成瘾。 与物质使用障碍类似，网络成瘾显示戒断症状，​​耐受性，失控和心理社会问题，导致临床上显着的日常功能窘迫或损害。 流行率似乎是亚洲最高的国家和男性青少年，并且在一项研究中估计台湾大学生的14.1到16.5％（95百分比置信区间）（）。 这种现象在过去几年中引起了越来越多的关注，显然值得进一步研究。

功能磁共振成像（fMRI）已被用于识别网络成瘾的神经基质，结果显示与物质相关的成瘾相似的大脑特征 (; ; ）。 在封闭和事件相关的研究中，通过将网络游戏线索与基线进行对比来确定与奖励，成瘾和渴望相关的几个区域，其中包括脑岛，伏隔核（NAc），背外侧前额叶皮质（DLPFC）和眼眶额叶。皮层（OFC）（; ; ; ; ）。 然而，基于激活的方法与提示相关的活动形成对比，并没有解决大脑区域如何相互作用，因此无法表征与临床或行为测量相关的改变的功能连接; 然而人类疾病是互联复杂系统中的干扰的结果（）。 静息状态fMRI的引入已被证明是研究全脑神经连接的有力工具（). 休息状态功能连通性通过大脑不同区域血氧水平依赖（BOLD）信号的自发波动的相关性来评估，并且被认为提供了其功能组织的测量，并且可以帮助表征大脑区域之间的异常同步。在心理表型的范围内 (; ).

尽管已经有一些研究采用功能连接来研究与网络成瘾相关的功能连接性改变，但大多数研究使用先验选择的种子区域，或者（a）将一个种子区域与整个大脑的剩余体素相关联[ 使用NAc; 使用右下额回（IFG）; 使用后扣带皮层（PCC）; 用过杏仁核; 用过岛叶; 使用尾状核和壳核; 使用右前极; 使用正确的DLPFC]或（b）在从有意义的网络中选择的多个预定义ROI之间执行相关性（ 审查了中央执行网络和突出网络; 审查了执行控制网络; 审查了执行控制网络和奖励网络; 检查了响应抑制网络; 检查了六个预定义的双侧皮质纹状体ROI）。 检查的预定义种子区域仅代表大脑的一小部分，因此它们可能无法提供关于连接组如何受到网络成瘾影响的完整图像。

很少有研究使用全脑方法来研究网络成瘾。 据我们所知，目前只有四篇发表的论文采用全脑方法，其方法变化很大，从基于网络的统计数据（NBS; 拓扑（; ; ）一种新颖的体素镜像同伦连接（）。 特别是， 采用NBS来识别区域间功能连接的组间差异，并发现网络成瘾患者皮质 - 皮质下电路中的连接受损。 然而，他们的研究集中在一个独特的人口（男性早期青少年）的小样本大小。

因此，在我们目前的论文中，我们决定使用全脑连接方法，NBS（; ），以确定可预测网络成瘾倾向的功能连接。 NBS是一种经过验证的统计方法，用于处理图上的多重比较问题，它类似于基于聚类的方法（通过在每个连接处独立地测试假设，用于识别与实验效果或组间差异相关联的包含人类连接组的连接和网络。 我们的结果将进一步与现有论文的荟萃分析进行比较，这些论文与网络成瘾的神经相关性相关。 我们希望以多种方式扩展现有文献：（1）我们希望通过使用全脑分析而不是仅使用少量预定义的种子区域来提供更完整的网络成瘾图像。 （2）虽然存在一些关于网络成瘾的全脑功能连接研究（例如， ; ），这些研究将网络成瘾组与健康对照进行了比较。 我们的研究不涉及任何临床患者，但将网络成瘾趋势描述为梯度。 我们希望识别其功能受成瘾水平调节的功能性联系。 （3）大多数网络成瘾研究都没有考虑到小脑，但小脑已被认为是成瘾的重要区域（）。 因此，我们在我们的分析中包括了小脑。 （4）许多研究将其参与者群体限制为男性，并且通常包含相对较小的样本量（例如， , ; ）。 为了提高这些研究的普遍性和功效，需要含有两种性别和更大样本量的样本（）。 通过解决上述问题，目前的研究希望能够更好地理解功能连接如何与网络成瘾倾向相关联。

材料和方法

Meta分析

使用NeuroSynth数据库构建荟萃分析（http://neurosynth.org; ）。 通过使用搜索术语“上瘾”，“上瘾”，“互联网”，“游戏”，“游戏”和“在线”来执行定制分析，以识别与数据库中的网络成瘾相关的研究。 纳入标准已经手工验证，所包含的研究清单详见补充材料1。 共纳入了18研究。 从纳入的研究中提取峰值激活坐标以及其邻近的6 mm体素。 接下来，进行这些坐标的荟萃分析，产生全脑的前向和尊重推理 z - 比分地图。 前向推断图反映了在给定这些术语的情况下区域将被激活的可能性[P（激活|条款）]，因此告知我们给定术语的激活的一致性。 反向推理图显示了这些术语在研究中使用的可能性，因为存在报告的激活[P（条款|激活）]; 因此，激活的区域表明它比非网络成瘾相关研究更可能是与网络成瘾相关的研究，反映了该区域的选择性。 由于前向和反向推理在帮助我们理解与网络成瘾相关的区域方面起着重要作用，因此我们将这两个推理图重叠以概述它们的共同区域。 报告了超过五个体素的团簇。

休息国fMRI

参与者成员

来自台湾南部的47名健康参与者（21男性和26女性），大多数是大学的学生或工作人员，通过广告招募参加实验（年龄范围= 19-29年，平均年龄= 22.87）年份， SD = 2.22年）。 参与者是右撇子（由爱丁堡汉族清单指示），视力正常或矫正至正常，并且没有心理或神经障碍病史。 他们的抑郁，焦虑和智力评分均在正常范围内[Beck's Depression Inventory（BDI）评分：0-12; 贝克的焦虑量表（BAI）得分：0-7; Raven的Standard Progressive Matrices测试分数：35-57]。 所有参与者的Chen Internet Addiction Scale-Revised（CIAS-R）得分范围= 28-92，均值= 60.04， SD = 16.53。 表 Table11 总结了参与者的人口统计信息和行为特征。 通过Shapiro-Wilk测试验证了CIAS-R评分的正常性[W（47）= 0.98， p = 0.50]。 性别与CIAS-R评分之间无显着相关性（Spearmanρ= 0.15， p = 0.30）。 所有参与者均提供了他们的书面知情同意书，并且台湾台南国立成功大学医院的机构审查委员会（IRB）批准了研究方案（NO：B-ER-101-144）。 完成实验后，所有参与者都获得了500 NTD。

表1  

人口统计信息和行为特征。

Chen Internet Addiction Scale-Revised（CIAS-R）调查问卷

Chen网络成瘾量表 - 修订版（CIAS-R; ）是用于评估网络成瘾严重程度的26项目衡量标准。 CIAS-R基于DSM-IV-TR附加行为标准，包含两个网络成瘾分量表（a）核心症状和（b）相关问题，评估五个维度，包括（1）强制性互联网使用，（2）退出互联网被带走时的症状，（3）容忍度，（4）危害人际关系和身体健康，以及（5）时间管理问题。 项目的评分为4点李克特量表，总分从26到104，反映了网络成瘾从低到高的倾向。 已经表明CIAS-R具有高内部一致性（Cronbach'sα= 0.79-0.93; ）和高诊断准确度（AUC = 89.6％; ）。 在本研究中，CIAS-R总分被用作参与者网络成瘾现状的指标。

图像采集与处理

使用GE MR750 3T扫描仪（GE Healthcare，Waukesha，WI，USA）在National Cheng Kung University的MRI中心进行成像。 使用快速SPGR获取高分辨率解剖图像，由166轴向切片组成（TR = 7.6毫秒， TE = 3.3 ms，翻转角171 = 12°，224矩阵×224矩阵，切片厚度= 1 mm）。 使用梯度回波回波平面成像（EPI）脉冲序列获取功能图像（TR = 2000毫秒， TE = 30 ms，翻转角= 77°，64矩阵×64矩阵，切片厚度= 4 mm，无间隙，体素尺寸3.4375 mm×3.4375 mm×4 mm，32轴向切片覆盖整个大脑）。

参与者被告知放松并闭着眼睛躺在扫描仪中。 他们被要求在扫描时不要考虑任何特定事件。 结构图像的扫描时间约为3.6 min。 功能图像持续大约8 min，前五个TR用作虚拟扫描，以确保在收集数据之前信号已达到稳定状态; 因此，运行包含用于分析的240 EPI体积图像。

使用休息状态fMRI数据处理助手（DPARSF; ），这是基于MRIcroN中的功能（1）以及统计参数映射软件（SPM2）和休息状态fMRI数据分析工具包（REST; ）在Matlab（The MathWorks，Inc.，Natick，MA，USA）中。 功能图像经过切片定时校正，然后重新校准以使用六参数刚体变换校正头部运动。 以平均框架位移（FD）为特征的整体运动并不大（平均值= 0.05， SD = 0.03）并且与CIAS-R得分无关（Spearman的ρ= -0.28， p = 0.055），因此冲动性不是网络成瘾得分和运动的混杂因素（）。 T1图像被配准到功能图像。 基于MNI空间中的组织概率图将结构图像分割成CSF，白质和灰质，并且这些计算用于随后将T1和EPI图像归一化到MNI空间。 使用6 mm半高全宽（FWHM）的高斯核在空间域中平滑数据并去除线性趋势。 包括全局平均信号，白质信号和脑脊液信号的滋扰协变量被退回。 虽然是否进行全球信号回归仍然是一个持续的争议（例如， ），我们决定实施这种方法，因为有人建议最大化功能相关性的特异性，并改善静息状态相关性和解剖学之间的对应关系（; ; ）。 最后，图像经历了0.01-0.08 Hz的带通滤波。

数据分析

fMRI图像基于解剖自动标记（AAL; ）模板，将基于解剖结构的大脑划分为116 ROI（或节点）。 我们选择了AAL地图集，因为它是功能网络研究中最常用的分支（）也是使用的模板 ，他们的研究与我们的研究最为相关，从而提高了各研究的可比性（）。 NBS方法用于识别由区域间功能连接组成的脑网络，显示与CIAS-R评分的显着相关性。 以下分析是在网络统计工具箱的帮助下完成的（）使用额外的内部Matlab脚本。 使用从每个ROI提取的时间过程为每个参与者构建116×116相关矩阵。 皮尔逊的 r 将值标准化为 Z 使用费舍尔的得分 Z 转型。 相关矩阵的每个单元代表两个节点之间连接（或边缘）的强度。 在参与者的CIAS-R得分与每个边缘内的边缘强度之间进行了使用Spearman等级相关的质量单变量测试，以识别可预测CIAS-R得分的相关联系。 分别通过Spearman rho的主要阈值> 0.37和<-0.37（大约单尾α= 0.005）选择显示出CIAS-R分数具有高度可预测性的候选边缘，以识别与CIAS-正相关和负相关的网络。 R分数。 接下来，在超阈值连接中确定称为连接图组件的拓扑群集。 使用排列测试（3000个排列）计算组件大小的家庭误差（FWE），该测试涉及随机重新排列CIAS-R分数，并在每个排列重复上述过程以获得最大组件大小的空分布。 大小超过估计的FWE校正的连接图组件 p值截断值<0.05被确定为与网络成瘾趋势显着相关的网络。 BrainNet查看器（）用于连接的可视化。 数据分析管道的图示如下所示 数字 Figure11.

图1  

数据分析流程图。 根据AAL模板对参与者的大脑进行预处理并将其包裹到不同的结构区域。 使用从每个区域提取的时间过程构建相关矩阵 ...

成果

Meta分析

正向和反向推理 z-score地图是从NeuroSynth生成的（如图所示） 数字 Figure22）。 这两张地图中的激活显示出彼此高度相似。 重叠这些图显示在小脑区域，颞叶（双侧颞下回，右上颞极，右中颞回和上颞回），几个额叶区域（左中，上眶额回，右中额回，右下额鳃盖和右前中央回，双侧壳核，双侧岛叶，右中扣带和右前躯。 表 Table22 列出标识的集群以及属于集群的AAL区域。

图2  

在NeuroSynth上进行荟萃分析的推理图，显示在前向推理，反向推理和两个地图的重叠中有效的区域.
表2  

重叠前向和反向推理映射的集群。

休息国fMRI

与网络成瘾倾向相关的功能连接

使用NBS，我们确定了两个显示边缘强度和CIAS-R得分显着相关的网络（p <0.05，经FWE校正）：边缘与CIAS-R得分呈正相关（红色显示为“ CIAS-R阳性”），边缘与CIAS-R得分呈负相关（显示为“ CIAS-R阴性”）穿蓝色衣服）。 CIAS-R正网络共包含65个节点和90个边（45个半球内，42个半球与3个连接到ver侧），而负网络由64个节点和89个边（35个半球内，40个半球和14个边）组成连接到/在ver内）。 重要的是要注意，这两个网络不是完全分开的，它们共有39个节点，其中30.77％是额叶区域。 与CIAS-R相关的边缘的总数占大脑所有边缘的2.68％。 该网络如图所示 数字 Figure33 补充材料2，表S1中列出了特定连接。

图3  

与CIAS-R分数相关的连接网络。 灰色球体表示每个节点的质心，并根据它们所关联的重要边缘的数量进行缩放。 仅显示具有连接的节点。 红线代表 ...

相关边缘的全局分布

为了更好地理解这些连接是如何分布的，我们遵循了 和 ，并将每个网络内的每个AAL区域分类为属于七个区域子组：额叶，颞，顶叶，枕骨，岛叶和扣带回，皮质下和小脑。 CIAS-R阳性网络中的大多数边缘涉及（1）颞区与岛叶和扣带回（gXUMX％）之间的连接，其中大多数涉及连接到各个颞区的后扣带回; （13）额叶和颞区（〜2％），包括内侧眶额皮质，旁中心小叶和颞叶回，颞极之间的连接; 和（12）顶叶和皮质下区域（〜3％），由后中央皮层和顶叶小叶与壳核和苍白球之间的连接组成。 值得注意的是，除了额叶外，所有其他区域都没有任何区域内联系，其强度与网络成瘾倾向正相关。 CIAS-R阴性网络中的大多数边缘涉及（11）额叶和小脑（〜1％）之间的连接，其中大多数是眼眶前额区域与小脑的各种ROI之间的连接; 和（19）脑岛和扣带回和颞叶（〜2％），其包括岛叶，扣带，海马旁和颞叶回旋之间的连接。 没有发现枕骨区域包含在CIAS-R阴性网络中。 每个网络的区域间连接的比例如图所示 数字 Figure44.

图4  

在成对的区域子群体中与网络成瘾倾向正相关和负相关的边缘比例。 通过将区域对（或区域内）之间的边缘数除以总数来计算比例 ...

受影响最大的节点

由于识别出大量边缘，我们遵循 并且识别具有高“CIAS-R相关边缘之和”的节点，以便将我们的分析集中在连接与网络成瘾倾向最大相关的区域。 节点的CIAS-R相关边的总和被定义为CIAS-R阳性和CIAS-R阴性网络中其边缘的总数（这在概念上等同于图论中的度量度量）。 这种方法将使我们能够识别连接最有可能被网络成瘾倾向改变的节点。 下列 表 Table33 列出受最大影响的节点，并显示至少具有至少8的CIAS-R相关边的总和的节点。 显示节点及其连接的可视化 数字 Figure55。 这些也是选择用于讨论的节点。

表3  

网络成瘾倾向的节点层次分析。
图5  

具有与网络成瘾倾向相关的最大边数的节点的可视化。 绿色球体描绘了具有最大边缘的每个节点的质心，而黄色球体描绘了它们的功能连接伙伴。 红线表示边缘 ...

讨论

在一组正常的年轻人中，我们通过自评问卷（CIAS-R）评估了他们的网络成瘾水平，并进一步确定了两个脑网络，其功能联系与网络成瘾倾向正相关和负相关。 在下文中，我们讨论了不同观察量的结果：（1）连接CIAS-R阳性和CIAS-R阴性网络的关键区域，（2）区域与网络成瘾趋势相关的高比例连接，和（3） ）网络成瘾倾向改变的关键节点。

正面区域链接CIAS-R正面和CIAS-R负面网络

我们观察到连接两个（CIAS-R阳性和CIAS-R阴性）网络的大多数节点位于额叶内。 这些区域包括额上回，IFG，内侧额回，rolandic operculum和辅助运动区。 前额皮质已被认为是认知控制，抑制和反应选择的关键结构（; ; ）。 网络成瘾是一种现象，因为成瘾者对互联网使用的自我控制和决策制定有所减少，尽管他们对负面影响有所了解但仍然过度使用。 例如，一些研究发现，在Go / Nogo任务期间，网络成瘾的参与者表现出更高的额纹 - 纹状体和额顶 - 顶叶激活（; ; ）和Stroop任务（, , ），表明较差的反应抑制和错误监测，以及增加的冲动性。 但另一方面，网络成瘾者和视频游戏玩家通常表现出优秀的认知功能，例如运动控制和游戏期间的有效决策。 事实上，视频游戏的练习效果已被证明可以推广到各种增强的执行技能，包括感知，运动，注意力和概率推理技巧（; ; ; ; ）。 一项fMRI研究发现，在高注意力需求任务期间，与非游戏玩家相比，视频游戏玩家的额顶网络的招募减少，这可能反映出更有效的执行和注意力控制（). 网络成瘾者所表现出的认知控制的两个面孔构成了一个有趣的困境。 在我们的研究中，观察连接两个网络的前额区域，其中功能连接性因网络成瘾倾向而减少和增加，可以反映认知控制的不同方面（即，用于控制互联网使用和游戏技能）的额叶区域的改变。。 值得一提的是，尽管如此 假设可能存在与网络成瘾者的实践效果相关的功能连接性增加，在他们的研究中仅观察到功能连接性降低。 提出的一种可能性 因为互联网上瘾的个人缺乏增加的功能连接，他们的小样本量导致缺乏权力。 通过使用基于种子的分析，与全脑方法相比，需要更少的多重比较， 重新分析了2013数据并观察到与网络成瘾相关的功能连接增加和减少。

网络成瘾倾向网络的广泛分布式连接

数据显示CIAS-R阳性和CIAS-R阴性网络中有大量的半球内和半球内连接，反映了网络成瘾倾向对大脑的广泛影响。 我们观察到CIAS-R阳性网络中连接的最高比例涉及“岛叶和扣带 - 颞叶”，“额叶 - 颞叶”和“皮质下 - 顶叶”边缘，而CIAS-R中连接的比例最高。负面网络涉及“额叶 - 小脑”和“岛叶和扣带 - 颞”边缘（数字 Figure44）。 在最近提出的成瘾模型中（），小脑有助于维持与成瘾相关的四个互连电路的动态平衡：奖励/显着性，动机/动力，学习/记忆以及认知控制。 该模型集成了四回路模型（, ）和与大脑皮质中的执行和关联处理相关的小脑功能静息状态网络（）。 奖励/显着，动机/驾驶和学习/记忆的组成部分被放大，而认知控制因成瘾而减少。 看到 数字 Figure66 为了说明。 我们对两个网络成瘾倾向网络的最高功能连接比例的观察通常是兼容的 成瘾电路中涉及的关键部件的模型。 同样地，我们没有观察到许多包括枕叶的重要连接，这也是同卵的 发现。 然而，我们还发现很大比例的“皮质下 - 顶叶”边缘虽然在四回路模型中没有特别突出，但这些联系已经在网络成瘾文献中被观察到（例如， ; , ），这可能是由于与互联网使用有关的实践效果。

图6  

成瘾模型突出了四大脑网络小脑的调节作用，提出受成瘾影响（改编自 ). 这些电路包括奖励/显着性，动机/驾驶，学习/记忆， ...

网络成瘾倾向改变的关键节点

我们发现连接最多的节点与网络成瘾倾向最相关。 这些节点是那些节点本身和其他大脑区域之间的连接模式最容易被网络成瘾倾向改变的节点。 这些区域特别是双侧后扣带回，右岛叶，右颞中回，左上颞极，右壳核和左IFG的眶部（数字 Figure55）。 这些地区被认为是许多（互联网）成瘾研究的关键区域，有些已经在上一节中提到过。 我们现在更详细地讨论成瘾文献，突出这些区域。 PCC，默认模式网络的一部分，涉及自我处理的各个方面（; ），作为种子区域 研究显示，与双侧小脑后叶和颞中回的功能连接显着增加，而网络游戏成瘾者的双侧下顶叶和右下颞叶减少。 网络成瘾者也被发现显示异常的分数各向异性（）和灰质密度（）在PCC。 选择了与成瘾有牵连的脑岛（; ），作为种子区域，发现与互联网成瘾者的区域网络的功能连接性改变。 已经建议将脑岛成瘾的作用用于将内感觉信号整合到有意识的感受（药物冲动）和决策过程中的偏见行为（）。 在一些网络成瘾研究中观察到颞中回和颞上极（参见 用于荟萃分析），并与游戏冲动/渴望，语义处理，解体，工作记忆和情绪处理相关联; 然而，他们在成瘾中的具体作用需要进一步调查。 壳核是背侧纹状体的一部分，也是许多成瘾研究所提出的关键区域（例如， ; ; ），其中伴随的多巴胺神经传递参与强迫性寻求和渴望的发展（; ）。 此外，研究表明，伴有纹状体 - 丘脑 - 眶额回路的功能障碍是成瘾的重要原因，而背侧纹状体涉及习惯学习和渴望，眶额皮质涉及显着性，驱动力和强迫性（; ; ; ）。 眶额皮质的异常功能可以解释成瘾的行为失灵。 综上所述，我们确定的节点是最容易受到网络成瘾倾向改变的集线器，并且在现有文献中已经反复识别它们。

局限性

正如我们的一位评论家所指出的，是否在静息状态功能磁共振成像中进行全球信号回归仍然是当前的争论。 在重新分析当前数据而没有全局信号回归之后，我们的结果与我们的原始分析相比变得非常不同，并且只有在没有全局信号回归的NBS分析中发现的边缘的22.91％与我们当前结果的重叠。 没有全球信号回归，我们没有找到与CIAS-R得分正相关的足够功能连接; 但是，我们确实找到了一个由与CIAS-R得分负相关的功能连接组成的网络。 当识别具有最多连接的节点最大程度地与网络成瘾倾向相关时，我们发现与全球信号回归分析的一致性在于扣带，岛叶，颞叶和额叶区域是最复杂的。 然而，一些差异包括双侧辅助运动区域的额外发现和右侧角回显示功能连接性降低，并且在所识别的网络中没有那么多的皮质下区域。 虽然全球信号回归仍然存在争议，但我们决定报告两项结果。 在没有全局信号回归的情况下确定的网络详细信息记录在补充材料3中。 希望未来的图像预处理工作能够揭示哪些结果更准确。 在这个时刻，我们建议用这些警告来解释当前的结果。

结论

使用数据驱动的方法，我们发现基于网络的统计数据是一个有用的工具，用于表征受网络成瘾趋势影响的全脑连接，识别与先前研究相呼应的连接和关键区域。 与种子分析相比，这种全脑方法提供了与网络成瘾相关的大脑连接的更全面的分析，调查了总共6670连接。 我们进一步表明，在临床成瘾病例中，许多功能性连接和大脑区域也被发现与行为问卷测量索引的临床前趋势相关。 虽然使用相关方法，我们无法确定这些网络是否因互联网使用而改变，或者它们是否是易患高风险的网络成瘾者的特征，本研究提供了有用的信息来帮助我们理解神经网络成瘾的特征及其发展。

作者贡献

TW进行了实验，分析了数据，解释了结果，编写并修改了手稿。 SH设计了实验，写了赠款提案，指导实验的准备和执行，帮助解释数据，准备和修改手稿。

利益冲突声明

作者声明，研究是在没有任何可被解释为潜在利益冲突的商业或金融关系的情况下进行的。

致谢

作者感谢李云婷在数据收集方面提供帮助，感谢黄勋贤教授进行统计咨询。 该研究由台湾科技部（MOST）资助（MOST 102-2420-H-006-006-MY2和MOST 104-2420-H-006-004-MY2）。 此外，这项研究部分得到了台湾教育部（MoE）的支持，中华民国国立成功大学（NCKU）的顶尖大学项目目标。 我们感谢思科研究和成像中心（MRIC），由MOST支持，在NCKU进行咨询和仪器可用性。 CIAS-R调查问卷由Sue-Huei Chen提供。

脚注

补充材料

本文的补充材料可在以下网址找到： http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

参考资料

  • 美国精神病学协会[APA]（2013）。 精神疾病诊断和统计手册（DSM-5®)。 弗吉尼亚州阿灵顿：美国精神病学酒馆。
  • Aron AR，Robbins TW，Poldrack RA（2004）。 抑制和右下方额叶皮层。 趋势认知。 科学。 8 170-177。 10.1016 / j.tics.2004.02.010 [考研[Cross Ref]
  • Bavelier D.，Achtman RL，Mani M.，Focker J.（2012）。 在动作视频游戏玩家中选择性注意的神经基础。 可见。 RES。 61 132-143。 10.1016 / j.visres.2011.08.007 [PMC免费文章[考研[Cross Ref]
  • Biswal BB，Mennes M.，Zuo XN，Gohel S.，Kelly C.，Smith SM，et al。 （2010）。 走向发现人类大脑功能的科学。 PROC。 国家科。 科学院。 科学。 美国 107 4734-4739。 10.1073 / pnas.0911855107 [PMC免费文章[考研[Cross Ref]
  • Brand M.，Young KS，Laier C.（2014）。前额控制和网络成瘾：理论模型和神经心理学和神经影像学发现的回顾。 面前。 哼。 神经科学。 8：375 10.3389 / fnhum.2014.00375 [PMC免费文章[考研[Cross Ref]
  • 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。 年认知。 神经科学。 2008 1-38。 10.1196 / annals.1440.011 [考研[Cross Ref]
  • Buckner RL，Krienen FM，Castellanos A.，Diaz JC，Yeo BTT（2011）。 通过内在功能连接估计人类小脑的组织。 J.神经生理学。 106 2322-2345。 10.1152 / jn.00339.2011 [PMC免费文章[考研[Cross Ref]
  • Castel AD，Pratt J.，Drummond E.（2005）。 动作视频游戏体验对抑制回归的时间过程和视觉搜索效率的影响。 Acta Psychol。 119 217-230。 10.1016 / j.actpsy.2005.02.004 [考研[Cross Ref]
  • Chen CY，Huang MF，Yen JY，Chen CS，Liu GC，Yen CF，et al。 （2015）。 大脑相关的互联网游戏障碍的反应抑制。 精神病学临床。 神经科学。 69 201-209。 10.1111 / pcn.12224 [考研[Cross Ref]
  • Chen S.，Weng L.，Su Y.，Wu H.，Yang P.（2003）。 中国网络成瘾量表的编制及其心理测量研究。 下巴。 J. Psychol。 45 251-266。 10.1371 / journal.pone.0098312 [Cross Ref]
  • Craddock RC，Jbabdi S.，Yan CG，Vogelstein JT，Castellanos FX，Di Martino A.，et al。 （2013）。 在宏观尺度上成像人体连接体。 纳特。 方法 10 524-539。 10.1038 / Nmeth.2482 [PMC免费文章[考研[Cross Ref]
  • 丁文宁，孙建华，孙永伟，陈新，周,,庄志刚，等。 （2014）。 通过Go / No-Go fMRI研究揭示的具有网络游戏成瘾的青少年的特质冲动和受损的前额叶脉冲抑制功能。 Behav。 脑功能。 10:20 10.1186/1744-9081-10-20 [PMC免费文章[考研[Cross Ref]
  • 丁文宁，孙建华，孙永伟，周,,李莉，徐JR，等。 （2013）。 改变了具有网络游戏成瘾的青少年的默认网络休息状态功能连接。 PLoS ONE的 8：e59902 10.1371 / journal.pone.0059902 [PMC免费文章[考研[Cross Ref]
  • Dong GH，DeVito EE，Du XX，Cui ZY（2012a）。 “网络成瘾症”中抑制性抑制受损：功能性磁共振成像研究。 精神病学 神经影像 203 153-158。 10.1016 / j.pscychresns.2012.02.001 [PMC免费文章[考研[Cross Ref]
  • Dong GH，DeVito E.，Huang J.，Du XX（2012b）。 扩散张量成像显示网络游戏成瘾者的丘脑和后扣带皮质异常。 J. Psychiatr。 RES。 46 1212-1216。 10.1016 / j.jpsychires.2012.05.015 [PMC免费文章[考研[Cross Ref]
  • Dong GH，Lin X.，Hu YB，Xie CM，Du XX（2015a）。 执行控制网络和奖励网络之间的不平衡功能链接解释了网络游戏障碍中的在线游戏寻求行为。 科学。 众议员。 5：9197 10.1038 / Srep09197 [PMC免费文章[考研[Cross Ref]
  • Dong GH，Lin X.，Potenza MN（2015b）。 执行控制网络中功能连接的减少与互联网游戏障碍中执行功能受损有关。 PROG。 神经精神药理学。 生物学。 精神病学 57 76-85。 10.1016 / j.pnpbp.2014.10.012 [PMC免费文章[考研[Cross Ref]
  • Dong GH，Lin X.，Zhou HL，Lu QL（2014）。 互联网成瘾者的认知灵活性：fMRI证据来自难以轻松且易于难以切换的情况。 冰火。 Behav。 39 677-683。 10.1016 / j.addbeh.2013.11.028 [考研[Cross Ref]
  • Dong GH，Shen Y.，Huang J.，Du XX（2013）。 网络成瘾患者的错误监测功能受损：与事件相关的功能磁共振成像研究。 欧元。 冰火。 RES。 19 269-275。 10.1159 / 000346783 [考研[Cross Ref]
  • Droutman V.，Read SJ，Bechara A.（2015）。 重新审视脑岛上瘾的作用。 趋势认知。 科学。 19 414-420。 10.1016 / j.tics.2015.05.005 [PMC免费文章[考研[Cross Ref]
  • 染料MWG，Green CS，Bavelier D.（2009）。 通过动作视频游戏提高处理速度。 CURR。 迪尔。 心理学。 科学。 18 321-326。 10.1111 / j.1467-8721.2009.01660.x [PMC免费文章[考研[Cross Ref]
  • Finn ES，Shen X.，Holahan JM，Scheinost D.，Lacadie C.，Papademetris X.，et al。 （2014）。 阅读障碍中功能网络的中断：全脑，数据驱动的连通性分析。 生物学。 精神病学 76 397-404。 10.1016 / j.biopsych.2013.08.031 [PMC免费文章[考研[Cross Ref]
  • Fornito A.，Bullmore ET（2015）。 Connectomics：一种理解脑疾病的新范例。 欧元。 Neuropsychopharmacol。 25 733-748。 10.1016 / j.euroneuro.2014.02.011 [考研[Cross Ref]
  • Fornito A.，Yoon J.，Zalesky A.，Bullmore ET，Carter CS（2011）。 在认知控制表现期间首发精神分裂症的一般和特定功能连接障碍。 生物学。 精神病学 70 64-72。 10.1016 / j.biopsych.2011.02.019 [PMC免费文章[考研[Cross Ref]
  • Forstmann BU，van den Wildenberg WPM，Ridderinkhof KR（2008）。 神经机制，时间动态和干扰控制的个体差异。 J. Cogn。 神经科学。 20 1854-1865。 10.1162 / jocn.2008.20122 [考研[Cross Ref]
  • Fox MD，Zhang D.，Snyder AZ，Raichle ME（2009）。 全球信号和观察到的反相关静息状态脑网络。 J.神经生理学。 101 3270-3283。 10.1152 / jn.90777.2008 [PMC免费文章[考研[Cross Ref]
  • Fransson P.，Marrelec G.（2008）。 前躯/后扣带皮层在默认模式网络中起关键作用：来自部分相关网络分析的证据。 影像学 42 1178-1184。 10.1016 / j.neuroimage.2008.05.059 [考研[Cross Ref]
  • Goldstein RZ，Volkow ND（2011）。 成瘾前额叶皮质功能障碍：神经影像学发现和临床意义。 纳特。 Rev. Neurosci。 12 652-669。 10.1038 / nrn3119 [PMC免费文章[考研[Cross Ref]
  • Green CS，Bavelier D.（2003）。 动作视频游戏修改视觉选择性注意力。 自然 423 534-537。 10.1038 / nature01647 [考研[Cross Ref]
  • Green CS，Pouget A.，Bavelier D.（2010）。 改进概率推理作为动作视频游戏的一般学习机制。 CURR。 生物学。 20 1573-1579。 10.1016 / j.cub.2010.07.040 [PMC免费文章[考研[Cross Ref]
  • Green CS，Sugarman MA，Medford K.，Klobusicky E.，Bavelier D.（2012）。 动作视频游戏体验对任务切换的影响。 COMPUT。 哼。 Behav。 28 984-994。 10.1016 / j.chb.2011.12.020 [PMC免费文章[考研[Cross Ref]
  • Griffiths MD，Pontes HM（2014）。 网络成瘾和网络游戏障碍并不相同。 J. Addict。 RES。 疗法。 5:e124 10.4172/2155-6105.1000e124 [Cross Ref]
  • Han CE，Yoo SW，Seo SW，Na DL，Seong JK（2013）。 基于群集的大脑连通性统计与行为测量相关。 PLoS ONE的 8：e72332 10.1371 / journal.pone.0072332 [PMC免费文章[考研[Cross Ref]
  • Han DH，Kim YS，Lee YS，Min KJ，Renshaw PF（2010）。 视频游戏中线索诱导的前额皮层活动的变化。 Cyber​​psychol。 Behav。 SOC。 网络。 13 655-661。 10.1089 / cyber.2009.0327 [考研[Cross Ref]
  • Hoeft F.，Watson CL，Kesler SR，Bettinger KE，Reiss AL（2008）。 计算机游戏过程中中脑皮层系统的性别差异。 J. Psychiatr。 RES。 42 253-258。 10.1016 / j.jpsychires.2007.11.010 [考研[Cross Ref]
  • Hong SB，Harrison BJ，Dandash O.，Choi EJ，Kim SC，Kim HH，et al。 （2015）。 选择性地参与了具有网络游戏障碍的年轻人的壳核功能连接。 Brain Res。 1602 85-95。 10.1016 / j.brainres.2014.12.042 [考研[Cross Ref]
  • Hong SB，Zalesky A.，Cocchi L.，Fornito A.，Choi EJ，Kim HH，et al。 （2013）。 网络成瘾青少年功能性大脑连接能力下降。 PLoS ONE的 8：e57831 10.1371 / journal.pone.0057831 [PMC免费文章[考研[Cross Ref]
  • KirályO。，Griffiths MD，UrbánR。，Farkas J.，KökönyeiG。，Elekes Z.，et al。 （2014）。 有问题的互联网使用和有问题的在线游戏并不相同：来自具有全国代表性的大型青少年样本的发现。 Cyber​​psychol。 Behav。 SOC。 网络。 17 749-754。 10.1089 / cyber.2014.0475 [PMC免费文章[考研[Cross Ref]
  • Ko CH，Hsieh TJ，Chen CY，Yen CF，Chen CS，Yen JY，et al。 （2014）。 在具有网络游戏障碍的受试者中的响应抑制和错误处理期间改变的大脑激活：功能性磁成像研究。 欧元。 拱。 精神病学临床。 神经科学。 264 661–672. 10.1007/s00406-013-0483-3 [考研[Cross Ref]
  • Ko CH，Hsieh TJ，Wang PW，Lin WC，Yen CF，Chen CS，et al。 （2015）。 改变了成人网络游戏障碍中杏仁核的灰质密度和破坏的功能连接性。 PROG。 神经精神药理学。 生物学。 精神病学 57 185-192。 10.1016 / j.pnpbp.2014.11.003 [考研[Cross Ref]
  • Ko CH，Liu GC，Hsiao SM，Yen JY，Yang MJ，Lin WC，et al。 （2009）。 与在线游戏成瘾的游戏冲动相关的大脑活动。 J. Psychiatr。 RES。 43 739-747。 10.1016 / j.jpsychires.2008.09.012 [考研[Cross Ref]
  • Ko CH，Liu GC，Yen JY，Chen CY，Yen CF，Chen CS（2013）。 大脑与网络游戏成瘾受试者和被缓解的科目中的线索游戏的渴望相关联。 冰火。 生物学。 18 559-569。 10.1111 / j.1369-1600.2011.00405.x [考研[Cross Ref]
  • Ko C.-H.，Yen C.-F.，Yen C.-N.，Yen J.-Y.，Chen C.-C.，Chen S.-H. （2005）。 网络成瘾的筛选：对网络成瘾量表截止点的实证研究。 Kaohsiung J. Med。 科学。 21 545–551. 10.1016/S1607-551X(09)70206-2 [考研[Cross Ref]
  • Kong X.-Z.，Zhen Z.，Li X.，Lu H.-H.，Wang R.，Liu L.，et al。 （2014）。 冲动性的个体差异预测磁共振成像期间的头部运动。 PLoS ONE的 9：e104989 10.1371 / journal.pone.0104989 [PMC免费文章[考研[Cross Ref]
  • Koob GF，Volkow ND（2010）。 成瘾的神经电路。 神经精神药理学 35 217-238。 10.1038 / npp.2009.110 [PMC免费文章[考研[Cross Ref]
  • KühnS。，Gallinat J.（2015）。 在线大脑：习惯性互联网使用的结构和功能相关性。 冰火。 生物学。 20 415-422。 10.1111 / adb.12128 [考研[Cross Ref]
  • Kuss DJ，Griffiths MD（2012）。 网络游戏成瘾：对实证研究的系统评价。 诠释。 J.心理健康瘾君子。 10 278–296. 10.1007/s11469-011-9318-5 [Cross Ref]
  • Li BJ，Friston KJ，Liu J.，Liu Y.，Zhang GP，Cao FL，et al。 （2014）。 网络成瘾青少年的额 - 基底神经节连接受损。 科学。 众议员。 4：5027 10.1038 / Srep05027 [PMC免费文章[考研[Cross Ref]
  • Li WW，Li YD，Yang WJ，Zhang QL，Wei DT，Li WF，et al。 （2015）。 脑结构和功能连接与健康年轻人的互联网倾向的个体差异相关。 神经心理学 70 134-144。 10.1016 / j.neuropsychologia.2015.02.019 [考研[Cross Ref]
  • Lin FC，Zhou Y.，Du YS，Zhao ZM，Qin LD，Xu JR，et al。 （2015）。 青少年网络成瘾的异常皮质纹状体功能回路。 面前。 哼。 神经科学。 9：356 10.3389 / fnhum.2015.00356 [PMC免费文章[考研[Cross Ref]
  • Lin MP，Ko HC，Wu JYW（2011）。 台湾地区具有全国代表性的大学生样本中与网络成瘾相关的患病率和社会心理危险因素。 Cyber​​psychol。 Behav。 索契。 网络。 14 741-746。 10.1089 / cyber.2010.0574 [考研[Cross Ref]
  • Lorenz RC，Kruger JK，Neumann B.，Schott BH，Kaufmann C.，Heinz A.，et al。 （2013）。 Cue反应性及其在病理性计算机游戏玩家中的抑制作用。 冰火。 生物学。 18 134-146。 10.1111 / j.1369-1600.2012.00491.x [考研[Cross Ref]
  • Meng YJ，Deng W.，Wang HY，Guo WJ，Li T.（2015）。 网络游戏障碍患者的前额叶功能障碍：功能性磁共振成像研究的荟萃分析。 冰火。 生物学。 20 799-808。 10.1111 / adb.12154 [考研[Cross Ref]
  • Moulton EA，Elman I.，Becerra LR，Goldstein RZ，Borsook D.（2014）。 小脑和成瘾：从神经影像学研究中获得的见解。 冰火。 生物学。 19 317-331。 10.1111 / adb.12101 [PMC免费文章[考研[Cross Ref]
  • Naqvi NH，Bechara A.（2009）。 隐藏的成瘾岛屿：岛屿。 趋势神经科学。 32 56-67。 10.1016 / j.tins.2008.09.009 [PMC免费文章[考研[Cross Ref]
  • Nichols TE，Holmes AP（2002）。 功能性神经影像学的非参数置换测试：带有实例的引物。 哼。 Brain Mapp。 15 1-25。 10.1002 / hbm.1058 [考研[Cross Ref]
  • OReilly M.（1996）。 网络成瘾：一种新的疾病进入医学词典。 能够。 医学。 Associ。 J. 154 1882-1883。 [PMC免费文章[考研]
  • Park CH，Chun JW，Cho H.，Jung YC，Choi J.，Kim DJ（2015）。 互联网游戏上瘾的大脑是否接近病态？ 冰火。 生物学。 [印刷前的电子版] .10.1111 / adb.12282 [考研[Cross Ref]
  • Petry NM，O'Brien CP（2013）。 网络游戏障碍和DSM-5。 瘾 108 1186-1187。 10.1111 / add.12162 [考研[Cross Ref]
  • Petry NM，Rehbein F.，Gentile DA，Lemmens JS，Rumpf HJ，MößleT。，et al。 （2014）。 使用新的DSM-5方法评估互联网游戏障碍的国际共识。 瘾 109 1399-1406。 10.1111 / add.12457 [考研[Cross Ref]
  • Rorden C.，Karnath HO，Bonilha L.（2007）。 改善病变症状映射。 J. Cogn。 神经科学。 19 1081-1088。 10.1162 / jocn.2007.19.7.1081 [考研[Cross Ref]
  • Saad ZS，Gotts SJ，Murphy K.，Chen G.，Jo HJ，Martin A.，et al。 （2012）。 静止的麻烦：全局信号回归后，相关模式和组差异如何变形。 脑连接。 2 25-32。 10.1089 / brain.2012.0080 [PMC免费文章[考研[Cross Ref]
  • 宋晓伟，董梓，龙XY，李顺，左新恩，朱慈，等。 （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的 6：e25031 10.1371 / journal.pone.0025031 [PMC免费文章[考研[Cross Ref]
  • Stanley ML，Moussa MN，Paolini BM，Lyday RG，Burdette JH，Laurienti PJ（2013）。 在复杂的大脑网络中定义节点。 面前。 COMPUT。 神经科学。 7：169 10.3389 / fncom.2013.00169 [PMC免费文章[考研[Cross Ref]
  • Sun YJ，Ying H.，Seetohul RM，Wang XM，Ya Z.，Qian L.，et al。 （2012）。 脑fMRI研究由网络游戏成瘾者（男性青少年）中的线索图片引起的渴望。 Behav。 Brain Res。 233 563-576。 10.1016 / j.bbr.2012.05.005 [考研[Cross Ref]
  • Takeuchi H.，Taki Y.，Nouchi R.，Sekiguchi A.，Hashizume H.，Sassa Y.，et al。 （2014）。 静止状态功能连接与同情/系统化之间的关联。 影像学 99 312-322。 10.1016 / j.neuroimage.2014.05.031 [考研[Cross Ref]
  • Talati A.，Hirsch J.（2005）。 内侧额回中的功能特化，用于基于“什么”，“何时”和“何处”相关信息的感知去/不去决定：fMRI研究。 J. Cogn。 神经科学。 17 981-993。 10.1162 / 0898929054475226 [考研[Cross Ref]
  • Tzourio-Mazoyer N.，Landeau B.，Papathanassiou D.，Crivello F.，Etard O.，Delcroix N.，et al。 （2002）。 使用MNI MRI单一受试者脑的宏观解剖学分片自动解剖标记SPM中的激活。 影像学 15 273-289。 10.1006 / nimg.2001.0978 [考研[Cross Ref]
  • van den Heuvel议员，Pol HEH（2010）。 探索大脑网络：对休息状态fMRI功能连接的回顾。 欧元。 Neuropsychopharmacol。 20 519-534。 10.1016 / j.euroneuro.2010.03.008 [考研[Cross Ref]
  • Volkow ND，Fowler JS（2000）。 成瘾，一种强迫和驱动的疾病：眶额皮质的参与。 Cereb。 皮质 10 318-325。 10.1093 / cercor / 10.3.318 [考研[Cross Ref]
  • Volkow ND，Fowler JS，Wang GJ（2003）。 上瘾的人类大脑：成像研究的见解。 J. Clin。 Investig。 111 1444-1451。 10.1172 / Jci200318533 [PMC免费文章[考研[Cross Ref]
  • Volkow ND，Wang GJ，Fowler JS，Tomasi D.，Telang F.，Baler R.（2010）。 成瘾：降低奖励敏感度和增加期望敏感度共同压倒大脑的控制电路。 BIOESSAYS 32 748-755。 10.1002 / bies.201000042 [PMC免费文章[考研[Cross Ref]
  • Volkow ND，Wang GJ，Telang F.，Fowler JS，Logan J.，Childress AR，et al。 （2006）。 背部纹状体中的可卡因提示和多巴胺：可卡因成瘾的渴望机制。 J.Neurosci。 26 6583-6588。 10.1523 / Jneurosci.1544-06.2006 [考研[Cross Ref]
  • Wang Y.，Yin Y.，Sun YW，Zhou Y.，Chen X.，Ding WN，et al。 （2015）。 在患有网络游戏障碍的青少年中减少前额叶半球间功能连接：使用静息状态fMRI的主要研究。 PLoS ONE的 10：e0118733 10.1371 / journal.pone.0118733 [PMC免费文章[考研[Cross Ref]
  • Wee CY，Zhao ZM，Yap PT，Wu GR，Shi F.，Price T.，et al。 （2014）。 网络成瘾症中的脑功能网络被破坏：静息状态功能磁共振成像研究。 PLoS ONE的 9：e107306 10.1371 / journal.pone.0107306 [PMC免费文章[考研[Cross Ref]
  • Weissenbacher A.，Kasess C.，Gerstl F.，Lanzenberger R.，Moser E.，Windischberger C.（2009）。 静息状态功能连通性的相关性和反相关MRI：预处理策略的定量比较。 影像学 47 1408-1416。 10.1016 / j.neuroimage.2009.05.005 [考研[Cross Ref]
  • Xia M.，Wang J.，He Y.（2013）。 BrainNet Viewer：用于人脑连接组学的网络可视化工具。 PLoS ONE的 8：e68910 10.1371 / journal.pone.0068910 [PMC免费文章[考研[Cross Ref]
  • Yan C.，Zang Y.（2010）。 DPARSF：用于静息状态fMRI的“管道”数据分析的MATLAB工具箱。 面前。 SYST。 神经科学。 4：13 10.3389 / fnsys.2010.00013 [PMC免费文章[考研[Cross Ref]
  • Yarkoni T.，Poldrack RA，Nichols TE，Van Essen DC，Wager TD（2011）。 大规模自动合成人体功能神经影像数据。 纳特。 方法 8 665-670。 10.1038 / nmeth.1635 [PMC免费文章[考研[Cross Ref]
  • Yeo BTT，Krienen FM，Sepulcre J.，Sabuncu MR，Lashkari D.，Hollinshead M.，et al。 （2011）。 通过内在功能连接估计人类大脑皮层的组织。 J.神经生理学。 106 1125-1165。 10.1152 / jn.00338.2011 [PMC免费文章[考研[Cross Ref]
  • Young KS（1998）。 网瘾：一种新的临床疾病的出现。 Cyber​​Psychol。 Behav。 1 237–244. 10.1007/s10899-011-9287-4 [Cross Ref]
  • Yuan K.，Qin W.，Yu D.，Bi Y.，Xing L.，Jin C.，et al。 （2015）。 在青春期后期/成年早期的网络游戏障碍个体中的核心脑网络交互和认知控制。 脑结构。 本功能。 [印刷前的电子版] .10.1007 / s00429-014-0982-7 [考研[Cross Ref]
  • Zalesky A.，Fornito A.，Bullmore ET（2010a）。 基于网络的统计：识别大脑网络的差异。 影像学 53 1197-1207。 10.1016 / j.neuroimage.2010.06.041 [考研[Cross Ref]
  • Zalesky A.，Fornito A.，Harding IH，Cocchi L.，YücelM。，Pantelis C.，et al。 （2010b）。 全脑解剖网络：节点的选择是否重要？ 影像学 50 970-983。 10.1016 / j.neuroimage.2009.12.027 [考研[Cross Ref]
  • Zhang JT，Yao YW，Li CSR，Zang YF，Shen ZJ，Liu L.，et al。 （2015）。 改变患有网络游戏障碍的年轻成年人岛叶的静息状态功能连接。 冰火。 生物学。 [印刷前的电子版] .10.1111 / adb.12247 [PMC免费文章[考研[Cross Ref]
  • Zhou Y.，Lin FC，Du YS，Qin LD，Zhao ZM，Xu JR，et al。 （2011）。 网络成瘾中的灰质异常：基于体素的形态测量研究。 欧元。 J. Radiol。 79 92-95。 10.1016 / j.ejrad.2009.10.025 [考研[Cross Ref]