大话脑影像之二十:Block 还是Event?——来自任务态数据处理的逆思路答案

铁汁,如果你点击上方文艺又不失深沉的蓝色“思影科技”四个字,你就会收获一份来自思影科技的真爱。fMRI学习哪家强?皇家思影找老杨。

如果把脑功能核磁研究比作一个江湖,任务态就是这个江湖里的少林寺(天下武功出少林,实际上任务态fMRI也是最早的fMRI),而范式的设计便是任务态的核心功夫(你可以理解为易筋经或者72绝技之类的吧)——任务态实验的好坏成败,实验设计占据首要地位。实验范式的设计主要包括block设计和event设计:Block设计简单粗暴,是橫练的硬功夫(金钟罩,铁布衫),Event设计则变化灵活,是延展良好的至上心法(九阳神功)。那么有没有内功外功一起练的好功夫呢,当然也有,就是把Block和Event混合在一起练的Mix(混合)设计。但尺有所短,寸有所长,这些武功各有千秋,若胡乱修炼,容易走火入魔,变成欧阳锋。

那么到底该怎么选择呢?其实这个问题是个江湖上老生常谈的难题(就像讨论我和余文乐到底谁帅,众说纷纭,搞的我和老余都很为难),大家惯常的解决思路是只单纯考虑研究目的,如刺激如何呈现能更好地反应所需要的心理过程等。优先服务于研究目的是必要的,但若不考虑后期的数据处理和应用问题,就会出现用骑兵(不好意思,我是冷兵器军迷)去打攻城战,用步兵去打闪击战的战略性错误。所以,今天你看到的是一个久经沙场,运筹帷幄的将军(麦克阿瑟那种)带来的应用型fMRI兵法,即在面对不同的研究问题、不同的分析方法时,该如何全局考虑实验设计。不会在实验做完、数据收完,却在处理数据时产生各种不必要的麻烦。

既然是要教你怎么选择功夫,那当然要了解一下Block和Event设计各是什么?各自有什么优缺点?在江湖上地位怎么样?Block和Event一起练走火入魔的概率大吗?走火入魔了还能抢救一下子不?去哪家医院治比较好?等等这些问题。我们一个一个来:

首先是Block设计,Block就是大家常说的组块设计。话不多说,有图有真相。

这就是传说中的Block设计了,一张图说明一切(是不是很强)。在一定的时间窗内,连续呈现具有同质性的刺激,这就是Block设计最简单的描述。设计本身没有复杂和花哨的操作,毕竟是硬功夫,要练的还是筋骨皮。别看它出现的早,看起来简单,但是在江湖上曾经统治了任务态实验设计很长一段时间。Block设计的最大优点是对简单任务的强统计效力,具有更高的detection power。在早期的功能定位实验中是完全的主角。当然block设计有优点也有缺点,这种简单粗暴的横练功夫在面对更加复杂的人类认知过程时遇到了很多问题,例如这种全有全无的设计无法进行参数式设计,更别说参数调整了。再者长时间的让被试加工同一任务,被试的疲劳/练习效应导致效应下降(边界效应),错误反应难以排除等等问题都让这些武林高手们越来越想寻找到更好的设计范式(哼,果然人都是喜新厌旧的,呵,男人!)。

喜新厌旧是人类进步的动力。Event即我们常说的事件相关设计横空出世(其实也不是原创的)。仍然是一图以定天下:

这张图很清楚地描述了什么是事件相关,就是一种类型的刺激对应一种模式的神经活动模式(这中间涉及的如何根据HRF函数、线性模型去估计神经活动等等过程请看大话脑成像GLM章节或者简单粗暴的来参加培训:更新通知:第四届任务态fMRI专题班(南京),点击收获快乐,硬广硬广)。这个新的范式有什么好处呢?最大的好处就是灵活。通过刺激的伪随机化避免了组块式刺激方式在行为可能产生的混淆,同时可以灵活地检测不同行为或不同性质的实验所引起的脑功能反应的变化。所以这种延展性的好内功心法从1996面世至今便受到了众多追捧。但是同样地,我们来看看它的弊端:Event设计在给你带来无限可能的同时,还带来了你错误概率的提升。

由于事件相关设计的特性,其统计构建是一连串的脉冲所构建出来的频率结构,因此会引起一些高频变异信号,而熟悉fMRI的练家子的老铁们都知道(不熟悉也没关系,我告诉你),fMRI主要关注的是低频信号因此这部分高频变异信号会由于血液动力响应的低频特性而可能被过滤。这就会导致数据的信噪比下降,而信噪比下降很可能就会导致实验结果假阴性(大概意思是你以为你得到的是真爱,但实际上认识的是渣男)。至于不同类型的Event设计(如快速、慢速。加jitter等等)这里就不详细讨论了。

总之,晓松老师风趣幽默,有情怀,博古通今,彦祖老师,颜值爆表,八块腹肌,好难取舍!

小学生才做选择题,作为成年人的我:皇家思影豹子头选择全都要。——布什·沃·硕德

将Block 和Event设计混合后,就是我们常说的Mix设计。同样是一图以蔽之:

一看就知道,这黄色的刺激和蓝色的刺激类型不同,放在一个组块里,让它们能够在随机时间间隔下交替出现。这样就将重复刺激集的特征块设计测量与事件相关设计检测到的瞬态响应相结合。可以提取显示与项目相关的信息处理模式(瞬时的)或与任务相关的信息处理(持续的)的大脑区域

但是双倍的快乐,多倍的烦恼。混合设计在让你内外功夫同练的同时,加大了练功的难度,你在任务设计要考虑更多,比如Block和Event的相关性要尽可能低,同时你要对任务的假设更有掌握,否则在后续的事件相关激活的事后分析中只能男默女泪了(主要是由于这种设计会带来较差的HRF形状)。所以高阶武功谨慎修习,是需要在深山老林里苦练个七八十年积累的。

听了这么多,无忌你明白了多少?什么,全忘记了。好,非常好!

这说明你没有忘记学功夫的初衷啊,学功夫为了干什么,解决问题啊。设计实验是受到某种假设的驱动,在这种假设驱动下,为了解决目标问题,需要将可能影响的因素进行调控来观察不同条件下的结果状态。怎么才能观察到这些结果状态呢?答案是统计(很多老铁看到这两字头疼,没关系,思影科技找吉.普朗克,他统计像蔡xk)。

所以,你记住这些范式的优点作用并不大,重要的是你想要观察的结果状态是什么样的?你要用什么样的统计方式?后期的数据处理你要做哪些分析,要不要做PPI(生理心理交互),要不要DCM(动态因果模型)?要不要做任务态的全脑脑网络的分析?这些问题都受到实验设计的影响。假如你给我一份混合设计得到的任务态数据找我做PPI,我只能说祝您好运了。但是处理的费用你可不能少我啊,我还要买肥宅快乐套餐呢(做数据处理很累的,民工一样的累,经常用脑过度导致生活不能自理)。

那么基于从统计方法和分析目的如何逆向对Block和Event进行选择呢?我们下期再叙!(老铁,我知道你更关注下期,还不关注思影科技?给你带来全方位无死角,深度穴位全面按摩体验,短期内提高你需要练七八十年的内功,提高多少,因人而异吧,但我知道转发推荐,肯定提升的多,少年,你要不要try一下?

原文发布于微信公众号 - 思影科技(siyingkeji)

原文发表时间:2019-06-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券