在焦慮癥和其他情感性精神障礙的研究中，研究者經(jīng)常以客觀測量的生理反應來作為衡量病理性相關的主觀經(jīng)驗的指標。這些指標包括：心率、心率變異性、呼吸竇性心律失常和皮膚電反應（皮質醇）等。這主要是因為自主神經(jīng)系統(tǒng)(ANS)在恐懼和焦慮中起核心作用，它會調節(jié)心率、呼吸和消化等無意識身體功能，由兩個主要分支組成:交感神經(jīng)系統(tǒng)(SNS)和副交感神經(jīng)系統(tǒng)(PNS)。對威脅的防御反應是通過激活兩個神經(jīng)系統(tǒng)的相反模式發(fā)生的，并以SNS的興奮和PNS的抑制為標志，在生理上表現(xiàn)為打斗或逃跑反應，會呈現(xiàn)出心率、呼吸的紊亂和血流增加等客觀標志。但是，這種普遍的“生理信號”的方法備受爭議，其原因為主觀經(jīng)驗和客觀的生理反應可能存在分離。本文使用功能磁共振成像(fMRI)數(shù)據(jù)，采用基于機器學習的多體素模式（MVPA）分析方法來在恐懼情緒基礎下解決這個問題。盡管主觀恐懼和客觀的生理反應在大多數(shù)情況下是緊密相關的，但是二者的全腦解碼結果是不同的。有一些關鍵的腦區(qū)（如杏仁核和島狀）似乎主要與生理活動的預測相關，而其他腦區(qū)似乎跟元認知、意識感知相關，包括像前額葉皮層這樣的腦區(qū)，它似乎與恐懼的主觀體驗的預測相關。本文的結果支持最近的一種理論，即要小心地處理主觀情感和生物信號之間的一對一的映射，盡管生物信號可以從生理學的角度進行客觀和持續(xù)的測量，但兩者不是一一對應的，而是存在腦功能上的分離的。本文發(fā)表在Molecular Psychiatry雜志。（可添加微信號siyingyxf或18983979082獲取原文及補充材料）。
心理健康領域中已經(jīng)將生理信號作為衡量指標。然而，多年的研究結果讓人關注到主觀的心理狀態(tài)和所對應的生理標記之間的關系并不是一一對應的。例如，在痛覺這一方面，已有研究證明主觀的痛覺體驗可以在沒有明顯的生理表現(xiàn)的情況下發(fā)生。所以自我報告的主觀體驗仍然是痛覺測試的標準。近年來，也有研究開始關注到恐懼和焦慮癥這一方面。在一篇文獻中，對令人恐懼的刺激的生理反應被認為是對于主觀恐懼的可靠的客觀指標。這種生理指標的可靠性已經(jīng)得到大多數(shù)研究的認可。具體而言，生理活動的神經(jīng)網(wǎng)絡現(xiàn)在被認為是焦慮癥的病理性治療的神經(jīng)生理關注點。然而，一些研究者認為生理反應（通常是以皮膚點和杏仁核的反應為標記）為無意識的自動化的防御性反應的標記。這個觀點認為，對于這些生理防御性的反應的研究可能不會包括恐懼和焦慮癥的主觀痛苦相關的機制。據(jù)此，對于客觀生理信號的過度重視可能會減緩對新的治療方法的發(fā)現(xiàn)和發(fā)展。這個領域目前飽受爭議，尤其是許多研究者仍堅持認為主觀恐懼報告和生理反應（尤其是在杏仁核上的生理反應）高度相關。因此，我們用功能成像技術來探究這個問題。具體而言，我們的目的是研究主觀恐懼的神經(jīng)表征跟客觀的生理活動（比如說對恐懼圖片的皮膚電活動）的表征是否是分離的。我們關注于自動產(chǎn)生的而不是某個條件下所產(chǎn)生的恐懼情緒。這樣的優(yōu)勢在于自發(fā)恐懼的相關神經(jīng)網(wǎng)絡可能與焦慮癥自動產(chǎn)生的恐怖癥狀的神經(jīng)機制相關。我們在功能性磁共振成像（fMRI）實驗中呈現(xiàn)了3600張圖片，其中包括通常令人感到恐懼的動物圖片、一些中性的動物圖片和一些人工制造的物體圖片（見圖1a）。我們用機器學習的方法來訓練多體素大腦解碼器來看體素活動的模式是否能夠預測出結果（即恐懼的水平和皮膚電活動）。然后我們以兩組獨立的數(shù)據(jù)集（N=12和N=17）檢測這些解碼器的泛化程度（見圖1c）和被診斷為恐懼癥患者的大腦數(shù)據(jù)（N=3）。另外，我們檢驗了一些腦區(qū)是不是能夠優(yōu)先預測主觀和客觀生理的數(shù)據(jù)。通過比較大腦區(qū)域內(nèi)兩個解碼器的正確預測率，我們可以確定大腦中哪個腦區(qū)對主觀恐懼（或客觀生理指標）預測率比較高。我們預期可以發(fā)現(xiàn)主觀恐懼和皮膚電活動的表征會有重疊之處也會有不同之處。具體而言，以往研究中跟防御性反應相關的腦區(qū)（如杏仁核）可以預測防御性反應，而其他跟有意識感知覺和元認知相關的高級額區(qū)主要參與到主觀恐懼報告的預測中。方法被試本研究有31名被試（其中15名女性，平均年齡=23.29，標準差=4.21）。只有那些在六點李克特式量表上對至少一個動物報告出“高”或“非常高”的恐懼的被試才會被納入到實驗中（詳見“刺激和任務”部分）。有4名被試缺乏皮膚電記錄數(shù)據(jù)，有兩名被試數(shù)據(jù)作廢。因此最后剩下25名被試。第一個獨立驗證組包括12名被試（2名女性，平均年齡=25.75，標準差=3.98），他們完成相同的行為任務（相同的任務same task見圖1c），其中獲得了八名被試的皮膚電活動。第二個獨立驗證組包括17名被試（其中5名女性，平均年齡=21.92，標準差=1.54），他們完成不同的任務（不同的任務different task見圖1c），并記錄了他們的皮膚電活動。基于便利性進行抽樣。根據(jù)以往研究的被試數(shù)量來確定樣本量。獲得的被試數(shù)據(jù)沒有被排除的。也沒有被試退出實驗。刺激和任務實驗流程詳情見圖1a。簡單而言，在1小時的fMRI實驗中，給被試呈現(xiàn)通常令人感到害怕的動物圖片（例如，蛇，蜘蛛，蟑螂，蜜蜂，蝙蝠，鼠標，狗， 貓，鯊魚等）、其他的動物圖片、物體圖片。一共有30種不同的動物，每種呈現(xiàn)90張圖片，還有10種不同的物體，總共3600張圖片。30種不同的動物包括爬行動物（蛇，烏龜和壁虎），兩棲動物（青蛙），昆蟲（蟑螂，甲蟲，螞蟻，蜘蛛，蚱蜢，毛毛蟲，蜜蜂，蝴蝶和果蠅），鳥類（知更鳥，孔雀和雞），環(huán)節(jié)動物（蚯蚓），哺乳動物（小鼠，豚鼠，蝙蝠，狗，綿羊，貓，兔子，馬和長頸鹿）和水生動物（鯊魚，鯨魚，普通魚和海豚）。十種不同的物體包括：飛機、汽車、自行車、剪刀、錘子、鑰匙、吉他、手機、雨傘和椅子。圖片中呈現(xiàn)了物體或動物的正面，并且在背景中沒有其他可識別的物體。我們對圖像進行了裁剪，圖片最終的大小為533×533像素，視角為13.33°。每個種類圖片之間的平均對比度和亮度沒有顯著性差異。共有六個run，共600個試次。刺激的順序為偽隨機，并且在被試之間為固定的順序。
a.在呈現(xiàn)30種動物類別圖片和10種人造的物體圖片時，我們記錄了功能性大腦活動和皮膚電活動。fMRI實驗中的皮膚電活動是根據(jù)標準的分析流程來確定的（見方法）。在fMRI實驗前，在沒有呈現(xiàn)任何恐怖刺激的情況下，確定了主觀恐懼評分。這種方法跟傳統(tǒng)的臨床恐懼判斷流程相同。b.相同類別的圖片是以2張，3張，4張或6張圖片這樣組塊的方式來呈現(xiàn)。fMRI的分析以組塊中第一張圖片來建模，因為這時的反應既可以歸因于皮膚電活動也可以歸因于主觀恐懼情緒。被測量的平均大腦活動作為他們對類別的恐懼評分（左）的解碼來源數(shù)據(jù)，或者解碼不同類別圖片皮膚電活動的來源數(shù)據(jù)（右）。組塊內(nèi)beta圖像用于訓練全腦的解碼器。圖中還表示出全腦解碼器的無閾值權值圖。c.在訓練數(shù)據(jù)集中（組塊的或者是單個試次的）和不用于訓練的獨立的測試數(shù)據(jù)集中對解碼器的正確率進行測試。這樣的流程可以讓我們檢測到新數(shù)據(jù)集中解碼器的泛化程度。第一個獨立的數(shù)據(jù)集包括新的十二名的被試，他們完成相同任務，第二個獨立測試數(shù)據(jù)集中包括17名被試，他們在同樣呈現(xiàn)令人恐懼的動物圖片的情況下完成不同任務。MRI參數(shù)實驗使用了兩臺相同的3T MRI掃描儀（Prisma Siemens和Verio Siemens）。在實驗期間 ，獲得了33個連續(xù)的切片（重復時間 （TR）=2000ms，回聲時間（TE）= 30毫秒，體素大小= 3×3×3.5，視野= 192×192 mm，矩陣尺寸= 64×64， 切片厚度= 3.5mm，切片間隙為0mm，翻轉角= 80°），其方向平行于AC-PC平面，其覆蓋了整個大腦。我們還獲得了T1加權MR圖像（MP-RAGE; 256個切片，TR = 2250 ms，TE = 3.06 ms，體素大小= 1×1×1 ，視野= 256×256 mm矩陣大小= 256 ×256，切片厚度= 1mm，切片間隙為0mm，TI = 900 ms，翻轉角= 9°）。皮膚電活動記錄在功能磁共振成像時，使用BrainAmp Ag / AgCl 的MR電極記錄了皮膚電反應。電極放置在左手食指和中指的遠端指骨上。 根據(jù)每個類別的第一張圖片的反應來確定皮膚電反應。根據(jù)先前的方法，我們在圖片呈現(xiàn)后的1–5 s的時間窗口中得到了皮膚電活動的最大振幅，并在該值中減去了圖片開始之前2s內(nèi)的基線活動。小于0.2微西門子（μS）的皮膚電反應被記錄為0。對反應進行平方根變換以校正分布的偏度。這種標準分析流程可以讓我們的研究可以更好地跟以往研究進行對比。但是這個方法的缺點為，一個試次的皮膚電反應峰值會出現(xiàn)在下一個試次的時間窗內(nèi)。我們計算了這種情況的概率，為2.62%。因此這不影響我們得到一個靈敏準確的皮膚電反應解碼器。主觀恐懼和皮膚電反應之間的比較為了確定主觀恐懼報告和皮膚電活動之間的關系，我們確定好每個被試對每種動物類別的皮膚電反應的平均水平。因為每一輪中的第一個試次跟最大的皮膚電活動相關，所以我們移除了這六個試次。剩下的試次都提前，并且在每個種類內(nèi)進行平均和標準化。然后，我們平均所有被試之間對每個類別的平均反應。我們得到了主觀恐懼分數(shù)和皮膚電反應，并在組別水平上進行標準化。然后求這些標準化值之間的相關，以確定組別的主觀恐懼與皮膚電反應之間的相關。結果如圖2所示。fMRI數(shù)據(jù)預處理實驗中獲得的fMRI圖像與第一張fMRI圖像進行重新對齊，匹配和運動校正（在SPM12中進行）。利用SPM12將數(shù)據(jù)歸一化到蒙特利爾神經(jīng)病學神經(jīng)所（MNI）的空間中，并且進行了平滑處理（半峰全寬=[8 8 8]）。在Neurodebian環(huán)境中執(zhí)行pyMVPA的功能，即去線性化趨勢和使用最小二乘法方法來去卷積。這種方法使用迭代方法擬合一般線性模型，以估計大腦對于類別的第一張圖片的反應。全腦解碼器為了訓練全腦解碼器，我們通過對被試的beta圖像按照圖像類型進行平均以形成兩組數(shù)據(jù)集，這兩個數(shù)據(jù)集合分別用于對個體恐懼評分的預測（0 =“無恐懼”至5 =“非?？謶?/span>”）或者是皮膚電反應的預測（根據(jù)被試反應的五分位數(shù)）（見圖1）。這樣的流程讓我們可以避免異常值的影響，并獲得被試內(nèi)的變異性。為了訓練主觀恐懼的解碼器，我們平均了每個被試在相同恐懼水平的試次內(nèi)的反應得到的beta圖像（0 =“無恐懼”至5 =“非常恐懼”）。以同樣的流程來形成beta圖像來訓練皮膚電活動解碼器。我們旨在在每個被試中建立六個組塊的beta圖像來反映出不同的皮膚電活動水平。然而，由于分布的偏側化，如果按照均等的五分位數(shù)分開數(shù)據(jù)會導致存在很多反應很小的試次（即大多數(shù)試次的反應低于0.2μS）。這樣低于0.2μS的試次會被認為是0。因此，通過在組內(nèi)分別平均被評為1-5的beta 圖像，來得到相應的beta圖像。在一個交叉驗證的流程中，我們采用N-1個被試的數(shù)據(jù)來對支持向量回歸解碼器進行訓練，然后用剩下的一個被試的數(shù)據(jù)來檢驗，得到解碼器的正確率（也就是留一(leave-one-subject-out)交叉驗證方法）（該方法利用基于Matlab開發(fā)的CanlabCore工具箱和Spider machine-learning library來進行）。用迭代的方法來得到每個被試的預測值。我們建立了每個全腦解碼器的靈敏度（例如，我們可以準確地預測到主觀恐懼等級嗎？）和特異性（例如，我們可以通過皮膚電反應解碼器來預測主觀恐懼等級嗎？）。用預測值的接收者操作特性曲線（AUC）下的面積來確定解碼器的靈敏度。為了確定AUC的統(tǒng)計顯著性，我們對數(shù)據(jù)集進行了置換檢驗（1000次）。將解碼器應用在這些隨機排列的數(shù)據(jù)中，來得到對原數(shù)據(jù)的解碼是否是顯著的。圖3,4中虛線為p=0.05。因為被試對同一種類型的動物也會有不同的恐懼水平和皮膚電反應，因此每個解碼器對于每個類別的beta圖像的預測（比如蛇這一類動物的平均beta圖像）都要遵循主觀評分和皮膚電反應。檢測全腦解碼的泛化程度盡管留一交叉檢驗在機器學習中是一種常用的方法，但是這種方法不能體現(xiàn)出解碼器的遷移能力（泛化）。我們采用了兩組獨立的驗證數(shù)據(jù)集以及被診斷為患有恐懼癥的被試的數(shù)據(jù)對這個解碼器的遷移泛化能力進行了測試。第一個數(shù)據(jù)集包括了12名被試，這12名被試都進行了相同的fMRI流程（即相同任務），但是他們的數(shù)據(jù)沒有被納入到解碼器的訓練集中。第二個獨立的驗證數(shù)據(jù)集包括17名被試，他們參與一項新的fMRI實驗（即不同的任務）（見補充材料的方法部分）。在這個實驗中，被試被要求在線上根據(jù)主觀的恐懼對動物圖片進行判斷。在fMRI實驗中，他們的皮膚電活動也被記錄下來。我們將單個試次的beta圖像也用于全腦的解碼器的訓練（補充圖2和方法）。另一個關于大腦解碼器的重要的問題就是如何推廣到臨床的人群中。因此我們還在本研究中納入三位恐懼癥患者，他們被診斷為具有特定的恐懼癥，即對30種動物中其中一種有恐懼情緒。腦區(qū)內(nèi)的解碼本文的另一個重要目的是確定哪些腦區(qū)能預測主觀恐懼和皮膚電活動。因此我們在腦區(qū)內(nèi)利用了同樣的留一交叉驗證方法。我們還使用了基于功能性連接的皮質分割。我們選擇了210個皮質區(qū)域，以及杏仁核和海馬體（雙側），一共214個腦區(qū)。我們在每個選定腦區(qū)里對解碼器進行迭代訓練，以預測結果。我們還能從該過程中得到每個區(qū)域內(nèi)每個解碼器的預測值和實際值之間的相關系數(shù)（斯皮爾曼系數(shù)）。然后使用Fish變換對相關系數(shù)進行轉換，來直接比較不同腦區(qū)的相同解碼器的性能（或者說表現(xiàn)）。用這樣的方法我們可以確定這個腦區(qū)在哪一方面有更高的解碼正確率（比如說主觀恐懼評分的預測正確率高于皮膚電活動的）。我們使用Yekutieli和Benjamini的方法（使用Matlab中的工具箱fdr_bh）來控制了這一系列相關測試的錯誤發(fā)現(xiàn)率。在圖4a中描繪了每個區(qū)域內(nèi)兩個解碼器的AUC的差異。我們也判斷了哪些腦區(qū)可以可靠地表征這些結果。我們采用了腦區(qū)內(nèi)的解碼過程來進行探測性的聯(lián)合分析以確定能夠正確預測主觀恐懼和皮膚電活動的腦區(qū)。如果您對功能磁共振數(shù)據(jù)處理感興趣，歡迎瀏覽思影科技課程及服務（可添加微信號siyingyxf或18983979082咨詢）：第三十八屆腦影像基礎班（南京，2.23-28） 第十四屆腦影像機器學習班（重慶，3.12-17） 第三十九屆腦影像基礎班（上海，3.25-30） 結果如以往研究預測的一樣，主觀恐懼評分和皮膚電活動相關(r(28) = 0.43; P = 0.02; 95% 置信區(qū)間 (CI): 0.08–0.69; R2 = 0.19; 雙邊檢驗）（見圖2和方法）。數(shù)據(jù)結果符合檢驗的假設。數(shù)據(jù)中沒有觀察到異常值，且數(shù)據(jù)呈正態(tài)分布，無異方差。兩種結果都呈現(xiàn)出較低的變異性。在組別水平上，有59%的試次跟特定水平的恐懼相關（4.6％非常高恐懼，11.0％高恐懼，12.8％中度恐懼，15.9％低恐懼， 和14.7％的極低恐懼），而41％與不恐懼相關。關于皮膚電活動，28.21% 的試次被認為具有一定程度的反應 （> .2μS），而71.79%的試次沒有（請補充材料的方法）。
圖2：皮膚電活動與主觀恐懼評分相關。在每個類別中，主觀恐懼的分數(shù)和平均皮膚電活動都會在組別水平中進行平均并且進行標準化（見方法）。就如我們所預測的，皮膚電活動跟主觀恐懼的分數(shù)相關（r(28) = 0.43; P = 0.02; 95% CI: 0.08–0.69; R2 = 0.19; 雙邊）。全腦解碼圖3a呈現(xiàn)出主觀恐懼評分（圖3a左）和皮膚電活動（圖3a右）的全腦解碼器的正確率。所有的解碼器在對合并（平均）的或單個試次的圖像的預測中都表現(xiàn)出很高的靈敏性（見補充圖S1）。解碼器都表現(xiàn)出遷移解碼能力，其對于合并的圖像的分類正確率高于隨機水平（圖3中的虛線為置換檢驗之后p=0.05所對應的正確率。）
主觀恐懼等級(左圖)和皮膚電導反應(右圖)的全腦解碼器在對他們被訓練預測的數(shù)據(jù)集(例如，預測恐懼數(shù)據(jù)的主觀恐懼解碼器)進行測試時呈現(xiàn)更準確的預測。AUC(頂部面板)和混合效應模型(底部面板)都說明了這一點。誤差線為+/- 1 S.E.M。陰影誤差線對應于混合效應模型斜率和截距的95%置信區(qū)間。結果也表明了全腦解碼器對不同類別的beta圖像的解碼正確率也是顯著的。更具體而言，在組別水平上，在不同類別中主觀恐懼解碼器的預測能力跟主觀恐懼評分相關（r(28) = 0.82; P < 0.0001; 95% CI: 0.65–0.91; R2 = 0.67; 雙邊）（見圖3c上），以及在不同類別中皮膚電活動解碼器的預測能力和皮膚電活動相關（r(28) = 0.36; P = 0.05; 95%CI: ?0.006–0.63; R2 = 0.13;雙邊）（見圖3c下）。數(shù)據(jù)符合檢驗的假設。數(shù)據(jù)中沒有觀察到異常值，且數(shù)據(jù)呈正態(tài)分布。
A.當對訓練過的數(shù)據(jù)集進行測試的時候，所有的全腦解碼器都有較高的靈敏性（比如主觀恐懼解碼器預測主觀恐懼數(shù)據(jù)集的時候）。而交叉解碼流程（比如用主觀恐懼解碼器來預測皮膚電活動）也表明解碼器有較好的特異性。虛線為經(jīng)過置換檢驗之后顯著的(p=0.05)的AUC閾值。B.兩個解碼器都可以推廣到新的數(shù)據(jù)中。而交叉解碼表明皮膚電解碼器在主觀恐懼數(shù)據(jù)集中的預測能力較好（右），但是主觀恐懼解碼器中則沒有看到相同的結果（左）。C.在每個被試的每個類別的beta圖像中利用全腦解碼器進行測試（在不同類別中主觀恐懼解碼器的預測和主觀恐懼評分的相關：r(28) = 0.82; P < 0.0001; 95% CI: 0.65–0.91; R2 = 0.67; 雙邊；在不同類別中皮膚電活動解碼器的預測和不同類別的皮膚電活動的相關: r(28) = 0.36; P = 0.05; 95% CI: ?0.006–0.63; R2 = 0.13; 雙邊）。全腦解碼的泛化程度圖3b中表現(xiàn)出主觀恐懼解碼器（圖3a左）和皮膚電活動解碼器（圖3a右）對第一組獨立數(shù)據(jù)（N=12）（一些新被試完成同樣的fMRI任務）的解碼正確率。兩個解碼器在訓練集中的解碼率都較高（AUC約0.7）。當以皮膚電解碼器來對主觀恐懼數(shù)據(jù)集進行分類時也表現(xiàn)出高于隨機水平的解碼正確率（跟圖3中的虛線進行對比）。在第二個測試數(shù)據(jù)集（N=17）（被試進行不同的任務）中，兩個解碼器表現(xiàn)出較弱的預測能力，但是解碼正確率也顯著高于隨機水平（見補充圖S2）。另外，當對被診斷為特定恐懼癥的被試的數(shù)據(jù)利用解碼器進行測試時，解碼器表現(xiàn)出相近水平的正確率（見補充圖S3）。
補充圖S2 全腦解碼器對第二個獨立驗證數(shù)據(jù)集的預測較弱，但在統(tǒng)計上具有顯著意義A和B的左右分別是主觀評分解碼器和皮膚電解碼器對驗證集不同類型數(shù)據(jù)的預測的AUC值，C部分是主觀評分解碼器和皮膚電解碼器在單個試次水平上預測的混合線性模型的結果?？梢钥闯?，主觀評分解碼器對主觀評分的預測顯著，皮膚電解碼器對皮膚電反應的預測顯著。
補充圖S3 對特定的恐懼癥患者的單次試驗全腦圖像解碼的準確性左圖和右圖分別是主觀評分解碼器和皮膚電解碼器對特定恐懼癥患者的單試次beta數(shù)據(jù)的預測的AUC值總而言之，這些結果表明，我們可能可以開發(fā)出具有足夠靈敏性的主觀恐懼和皮膚電活動的全腦解碼器。重要的時，我們的結果表明在一定程度上，解碼器有一定的遷移能力，能在獨立的兩個數(shù)據(jù)集中進行遷移，還能遷移到患有特定恐懼癥的被試的數(shù)據(jù)集中。另外，特定的解碼器似乎對應著數(shù)據(jù)集中的個體變異性。盡管解碼器存在一定程度的相似，但他們也在某些方面相互獨立，就如交叉解碼過程的結果所示。腦區(qū)內(nèi)解碼器的遷移（泛化）能力圖4和表1表明解碼器在哪些腦區(qū)中的解碼正確率是顯著的。有趣的是，額中回的腦區(qū)（額下節(jié)點，A8vl，A6vl和A10l）對主觀恐懼評分的預測能力顯著高于對皮膚電活動的（見圖4b左）。其他腦區(qū)（包括內(nèi)側額上回，外側眶額回， 顳下回，梭狀回，海馬旁回，頂上小葉，頂下小葉，前突和枕葉，見表1）對主觀恐懼評分的預測也有偏好。另外，還有一些腦區(qū)（如杏仁核，島葉，以及內(nèi)側前額葉皮層）似乎主要跟皮膚電反應相關，很少與主觀恐懼相關（見圖4b右）。其他腦區(qū)（外側額下回，上頂小葉，中央小葉和中央后回）也是有同樣的偏好（對皮膚電反應的偏好）。有一些檢驗并沒有滿足皮爾遜相關的全部假設。然而，使用更魯棒的相關方法時，獲得的結果依然是一樣的。這些結果表明，恐懼的主觀體驗可能涉及到大腦的加工過程不同于與恐懼相關的皮膚電活動。另外，探索性聯(lián)合分析表明，有一些腦區(qū)對二者的預測能力都很高，這些腦區(qū)主要包括：額下回、島葉、楔前葉、海馬和梭狀回的部分。
圖4 在預測主觀恐懼和皮膚電活動中有顯著差異的腦區(qū)a.曲線區(qū)域內(nèi)的正向的差異表明該腦區(qū)對主觀恐懼評分的預測能力更好（紅色區(qū)域），而負向的差異則表明該腦區(qū)對皮膚電反應的預測更好（藍色區(qū)域），差異顯著的腦區(qū)為黑色線內(nèi)的區(qū)域（p<0.05，經(jīng)過FDR校正），并被列于表1。我們使用pySurfer工具箱生成大腦圖像。b.額中回、杏仁核、腦島、腹側內(nèi)側前額葉皮層中顯著的腦區(qū)。以虛線標注出來經(jīng)過置換檢驗而得到顯著的臨界值（p=0.05）討論與前人研究結果一致，我們的研究結果說明了主觀恐懼和自動化反應之間的正相關關系。然而，在此，我們也發(fā)現(xiàn)了正確預測主觀恐懼和皮膚電活動的腦區(qū)可能是不同的。例如，如杏仁核、腦島、腹內(nèi)側前額皮質主要跟生理性反應相關（圖4b右）。而額中回、背側內(nèi)側前額葉皮層、外側眶額葉皮層主要是與主觀恐懼相關（圖4b左）。這說明了當我們用生理反應作為指標去判斷恐懼和焦慮癥相關的主觀的情緒時，我們應該謹慎。根據(jù)此結果，我們可以提出一個問題，就是生理反應和主觀恐懼之間的關系是怎樣的？他們的表征在多大程度上是獨立的？主觀恐懼情緒是不是生理反應的晚期輸出？以往研究也討論過相似的問題。例如Maniscalco和Lau測試了多個描述感覺信號和主觀判斷之間的潛在關系的模型。他們的結果表明存在一種層次模型，這跟情緒的高階和建構主義理論一致。該理論認為一階表征（主要是反映生理活動）需要低級信息的參與或者是元表征。這也與現(xiàn)有的一篇綜述的觀點相近，即低級情感加工過程的元表征可能發(fā)生在額中回和外側前額皮層的區(qū)域。目前，有更多的證據(jù)支持層次模型。有一篇研究表明低級的情緒加工不需要對恐懼的意識體驗。例如，在特定情況下，雙側外側杏仁核受損的病人不能夠感覺到恐懼情緒。雖然對于主觀體驗的機制還存在一定爭議，但是總體結果與高階模型并不矛盾。高階模型觀點與以往研究和本研究結果一致，但是情緒模型仍存在爭議。例如，由于電刺激杏仁核本身可以產(chǎn)生恐懼和焦慮的主觀情緒，因此有人可能反對層次或高階模型的觀點。盡管這個證據(jù)是令人信服的，但是值得注意的是在九個被試中僅有一人產(chǎn)生這樣的結果。這可能是源于電刺激的個體差異。總而言之，這些結果都說明了杏仁核可能在產(chǎn)生生理反應中起著核心的作用，但是在產(chǎn)生主觀的恐懼的意識體驗中并沒有起到主要的作用。反對高階模型的研究者認為焦慮癥可能跟生理反應的不協(xié)調性緊密相關。這樣的話，高階結構被認為在病理中發(fā)揮了更多的補充作用。然而值得注意的是，焦慮和抑郁的心理治療的成功似乎是受到大腦區(qū)域（如背內(nèi)側前額葉皮層、扣帶回后區(qū)、楔前葉和一些顳葉區(qū)域）的調節(jié)?，F(xiàn)在的結果也表明背側外側前額葉皮層對杏仁核的一致作用跟暴露治療結果成正相關關系。因此，一些高階加工過程可能也在成功的治療中起到重要作用。在實施焦慮癥的高階方法治療時，我們遇到的一個挑戰(zhàn)就是對自我報告的依賴。這會是一個潛在的問題，因為恐懼評估的方法會影響結果。我們選擇進行線下的類別的評分，因為這是臨床診斷的典型的方法，但可能會有人擔心這不能直接反映線上的主觀恐懼體驗。我們的結果表明，兩種評估方法至少在一定程度上反應了相似的加工過程。因為我們的訓練用來預測離線的主觀評分的解碼器可以在獨立組的fMRI任務中預測在線的評分，其預測能力雖然弱，但是仍是顯著的（見補充圖S2）。未來的研究需要精確確定恐懼的哪些方面在不同的測量手段下更突出，以及如何準確地概括到與自我報告的恐懼的多個維度。另外，防御性的反應多層面的，它可以受到多種因素的影響，如威脅迫近。例如，研究結果表明，反應網(wǎng)絡（主要包括杏仁核、中腦導水管周圍灰質、和中扣帶皮質）可能與對威脅和快速逃離決策的初始反應相關，而更多的認知網(wǎng)絡（主要包括腹內(nèi)側前額葉皮層、海馬、后扣帶皮層）可能主要參與更復雜的行為反應的形成。我們的方法涉及到對視覺刺激的簡單的防御性反應，而這幾乎不需要跟威脅性刺激的互動。因此，我們很難精確分析到更復雜的防御性反應。另外一個問題就是情緒狀態(tài)可能涉及到認知功能（或者是存在交互作用）。因此我們的結果可能反映了交互作用而不是僅僅對恐懼的表征。例如，額葉會被認為參與到認知對情緒的調節(jié)以及生理反應網(wǎng)絡的調節(jié)中。另外，這個腦區(qū)的活動與工作記憶和語義信息的提取相關。同樣的邏輯也適用于對枕葉、額葉、頂葉和顳腹區(qū)域有影響的注意過程。因為我們的實驗包括了許多復雜的認知功能比如說工作記憶和注意，我們的結果可能體現(xiàn)了恐懼對認知功能的影響。但這一結果并不會影響我們的結論，因為認知和情感過程之間的復雜的交互作用也可能是心理治療中一個重要的改變機制，并且這需要進一步的實證研究。鑒于多體素解碼包括了許多參數(shù)的選擇，本文進行了更客觀的獨立樣本數(shù)據(jù)的測試?？傮w而言，我們認為在不同分析下，我們的主要結果是成立的（見圖3b，補充S1，S2和補充結果）。有一個問題是對被試間或被試內(nèi)解碼策略的選擇。本文選擇了被試間解碼測量，這是因為在恐懼的主觀評分作為解碼對象的情況下，兩種方法有一些相似之處。但由于被試內(nèi)的解碼器的解碼能力較差，特別是每個被試的皮膚電反應的試次數(shù)量太少，因此直接比較的方法不可取。因此，本文使用了被試間的解碼方法。另一個我們關心的問題是單個試次數(shù)據(jù)或合并（平均）數(shù)據(jù)的運用。用合并（平均）數(shù)據(jù)來訓練解碼器是有效的，因為平均的數(shù)據(jù)可以減少被試內(nèi)的噪聲。然而，測試解碼器在原始數(shù)據(jù)的單個試次中的解碼正確率是很必要的。這就是為什么我們選擇結合兩種方法來在原始數(shù)據(jù)上測試解碼器的原因（本文的兩種方法的結果都很好）。另一個重要的問題是解碼器是否能夠運用到其他數(shù)據(jù)集中。我們的解碼器在獨立的測試數(shù)據(jù)集中有很好的遷移泛化能力（見圖3b），但在不同fMRI任務的數(shù)據(jù)集上表現(xiàn)較差(補充圖S2)。那么如果使用多個任務的數(shù)據(jù)來訓練解碼器，可能會允許可以使得解碼器的解碼能力能夠遷移到不同的任務和數(shù)據(jù)集中。總之，本文直接比較了使用功能磁共振數(shù)據(jù)的機器學習解碼器對主觀恐懼和相關的生理活動的預測。本文的結果表明，恐懼的主觀反應和客觀生理指標雖然仍舊相對高度的相關，但明顯存在一定程度的分離，且在大腦加工過程中存在一些差異。對恐懼和焦慮癥的研究可能會受益于主觀的測量方式，因為在主觀測量中他們可以得到在生理反應的研究中不容易獲得的高階過程。這可能是一個重要的優(yōu)化治療的方法，也是一個能進一步制定具體減輕恐懼和焦慮癥相關的主觀痛苦的干預治療的方法。除此以外，本文是被試間任務態(tài)MVPA分析方法的典型文獻，值得認真學習。
|
