基于多模态磁共振融合技术的工作记忆训练脑网络机制研究

Working memory is the ability that the brain stores and processes information temporarily and it is core to the advanced cognitive functions. Studies show that training can improve working memory effectively and have significant promotion on complex cognitive abilities, such as decision-making, reasoning and learning. However, the effect of working memory training varies greatly. The fundamental reason lays to that the neural mechanism of working memory training is not clear yet. Magnetic resonance imaging studies found that working memory training can lead to corresponding changes in brain functional network and it can improve the integrity of multiple regions of white matter. These studies suggest that brain functional and structural network analyses may reflect the neural basis of working memory training from different perspectives, and the fusion of the two-network analyses may fully reveal its intrinsic neural mechanism. To this end, this project intends to apply multi-modal magnetic resonance imaging combined with the machine learning method, to design support vector machine recursive feature elimination algorithm based on multi-kernel fusion, conduct multi-modal brain functional and structural network fusion pattern analysis, mining brain structural network basis to the functional network changes and explore the brain network neural mechanism of working memory training. This study can theoretically help reveal the neural mechanism of working memory training, at the same time, it provides a clinical neuroimaging basis for establishing a scientific and effective working memory training method.

工作记忆是大脑暂时储存与加工信息的能力，是高级认知功能的核心。研究表明，训练可有效提高工作记忆能力，对决策、推理和学习等复杂认知能力具有显著的提升作用，引起社会广泛关注。然而，工作记忆训练效果良莠不齐，其根本原因在于工作记忆训练的脑神经机制尚不清楚。磁共振研究发现，工作记忆训练可导致脑功能连接网络发生改变并且提高多个区域脑白质纤维的完整性。这些研究表明，脑功能与结构网络分析有可能从不同角度反映工作记忆训练的脑神经基础，两者的融合则可能全面地揭示其内在的脑神经机制。为此，本项目拟采用多模态磁共振技术与机器学习方法，设计多核函数融合的支持向量机递归特征消除算法，进行多模态脑功能与结构网络的融合模式分析，挖掘脑功能网络改变的结构网络基础，探讨工作记忆训练的脑网络神经机制。研究结果理论上有助于揭示工作记忆训练的脑神经机制，同时可以为建立科学有效的工作记忆训练方法提供临床神经影像学依据。

本项目旨在结合多模态磁共振成像技术与机器学习方法，进行多模态脑功能网络与脑结构网络融合的模式分析，探讨工作记忆训练脑网络连接变化特征，研究工作记忆训练的脑网络神经机制。.本项目完成对38名被试和38名对照人员为期8周的工作记忆训练，采用多模态脑成像技术与机器学习的方法，通过对被试工作记忆训练后脑连接网络融合的模式分析，研究工作记忆训练对脑网络的影响，探究训练前后脑区的时间可变性特征，发现工作记忆训练能够增加右侧额叶部分脑区在不同神经系统之间的功能整合和协调的灵活性，显著提高了受试者大脑的可塑性，提高了受试者的工作记忆能力。.本项目研究了被试在做复杂的视工作记忆任务中脑电电极中神经信号的振荡特性，并绘制了大脑的功能连接。结果表明，theta振荡很明显，分布在多个皮质区域，包括前额叶、顶叶、颞叶和枕叶皮层。与单个模态刺激相比，视听复合刺激导致这些皮质区域中以theta振荡频率的神经连通性更加显著。表明theta活动的局部振荡和区域间连通性在视听刺激过程中发挥重要作用，并且可能有助于从多感官形成工作记忆轨迹。.本项目还调查了功能连接模式的功能连接模式及其与言语工作记忆表现的关系，通过扫描34名被试的静息态MRI数据，进行基于感兴趣区的功能连接分析，研究关键皮质枢纽内的连接特性及其与回溯任务表现的关联。结果显示，作为中心枢纽的双侧小脑第六叶与默认网络节点和凸显网络节点的连接增加，而与执行控制网络节点的连接减少。表明小脑回路涉及到静止状态下言语工作记忆处理的基本神经基础。.本项目还招募了128名健康被试完成了改良的Sternberg工作记忆任务，并进行静息态的fMRI扫描。结果显示，语义一致的视听对象编码加速了该任务中后期的单感官记忆识别。此外，高行为表现组显示执行控制网络中的ReHo增加，而默认网络和凸显网络的ReHo减少。表明工作记忆中的语义一致的视听处理优于单感官记忆识别，并可能涉及不同的功能网络。.本项目经费执行率为87.94%。