拖延的大尺度脑网络效用连接模式:基于多态格兰杰因果模型分析

• 作者: 冯廷勇 周凡 张荣 杨雅琪 苏缇 许婷 陈志毅
• 来源期刊: 中国科学（生命科学）
• 关键词: 拖延行为 格兰杰因果模型 机器学习 效用连接
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 论文
• 页码范围: 54-69
• 页数: 16页
• 语种: 中文
• DOI: 10.1360/SSV-2019-0076

摘要

拖延(procrastination)是全球所热议的最重要的行为问题之一,它是指个体尽管能够预见不利后果,但仍然不理性推迟或延后执行任务的行为.已有研究提示,作为一种有害的行为倾向,拖延不仅影响个体的情绪体验及主观幸福感,还在一定程度上损害个体的生理健康.新近的一项基于大尺度脑网络的分析在功能连接水平上揭示了拖延的网络连接模式,为理解拖延行为的核心过程提供了一定的证据,但却很难解释拖延的核心加工过程的工作机制.因此,本研究通过多态联合的格兰杰因果模型(Granger causality model,GCM)基于效用连接水平来解释和预测拖延神经相关网络的因果连接模式.首先,采用群体独立成分分析法(group independent component analysis,gICA),基于Infomax算法提取并识别出脑功能扣带执行控制网络(cingulate executive control network,CON)、突显网络(salience network,SAN)及皮层下网络(subcortical network,SCN)的空间独立成分作为感兴趣大尺度脑网络(network of interests,NOI).其次,在增广迪基-富勒检验后利用皮尔逊积差相关分别检验三个网络间的格兰杰因果效用连接与拖延间的关系.最后,利用基于高斯径向基底核函数(radial basis function,RBF)的支持向量回归算法(support vector regression,SVR)在独立样本上进行机器学习,随后用于预测个体的拖延行为.结果发现,扣带执行控制网络向皮层下网络的效用连接与拖延行为存在显著负相关,扣带执行控制网络是格兰杰因,而皮层下网络是格兰杰果.同时,结果还发现了扣带执行控制网络向突显网络的效用连接和拖延之间呈负相关关系.最后,机器学习的结果显示,这些格兰杰因果效用连接能够显著预测个体拖延症状(R2=0.66,MSE=0.120).结果揭示,扣带执行控制网络对与皮层下网络及突显网络的自上而下调控可能是拖延的脑网络效用连接模式,并提供了可靠的证据表明,参与冲动控制的扣带执行控制网络对于参与价值表征加工的皮层下网络及参与情绪编码的突显网络的调控.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯廷勇		45	772	14.0	27.0
2	许婷		2	3	1.0	1.0
3	苏缇		6	392	4.0	6.0
4	陈志毅		3	0	0.0	0.0
5	张荣		5	0	0.0	0.0
6	周凡		1	0	0.0	0.0
7	杨雅琪		1	0	0.0	0.0