虚拟环境和功能核磁共振为神经反馈技术注入新活
在神经反馈(NF)技术中，可以通过采集脑电波并利用视频或音频信息来训练调节参与者的大脑活动。近年来，电子游戏和虚拟环境（VE）软件平台越来越多地用于神经科学和神经反馈技术中。这样的环境可以创造任何物理环境的类似物，并吸引参与者，提供高水平的沉浸感。实时功能磁共振成像(rt-fMRI)能够在线反馈明确定义的大脑网络功能。结合脑机接口(BCI)，可以实现大脑活动的闭环强化和训练。利用脑机接口rt-fMRI，可以针对特定的局部脑区域进行自我调节。这种方法可以解决以神经激活模式改变为特征的疾病。德国亚琛工业大学医学院精神病学、心理治疗和身心学系的研究者们在本文描述了在rt-fMRI过程中用于局部脑活动自我调节的VE-BCI的发展。
一、研究概述
本方法学研究的重点是辅助运动区(SMA)的调节。近年来技术的灵活性使我们能够推进NF显示模式，并专注于反馈模式的奖励和激励质量。这提供了重要的优势，特别是在NF范例的临床应用中，因为它有可能提高患有快感缺乏或缺乏动机的参与者的参与程度。见图1A
▲图1 | (A)当前用作NF模态的方法概述。这些图像经过修改和重新想象，从原始和分组在一起，以简洁地显示一般的NF可视化。(B) NF范式下的社会奖励。这张图片已从原始图片转换成灰度配色方案。(C)当前虚拟环境作为NF模式实现的概览图。原始环境修改自Epic Games的项目“射击游戏”。
随着技术更先进的硬件的出现，越来越多基于虚拟环境的脑机接口使用rt-fMRI。这样的虚拟现实已被用作反馈模式，参与者扮演被动角色，只观察虚拟现实，并试图利用他们的大脑活动影响虚拟现实的各个方面。使用rt-fMRI在VE-BCI中实现NF通常遵循类似的方法(见图1B)，因此，研究人员想提出一种基于rt-fMRI的VE-BCI，它遵循参与者所扮演的积极角色，类似于现代EEG实现，同时保留调查或瞄准皮层下区域的可能性。
研究者选择为项目创建第一人称射击游戏(FPS)。Epic Games提供了一个名为“射击游戏”的完整游戏，作为学习经验和示例，以展示虚幻游戏引擎的功能和资源。研究者使用射击游戏作为模板来构建我们的环境。《射击游戏》是一款竞技场射击游戏。在这款游戏中，就像典型的竞技射击游戏一样，玩家被分成两个小组，他们将在计时器结束前相互战斗以获得最多的分数。得分通常是通过成功消灭敌方队员和成功避免被敌方队员消灭而获得的。我们没有修改游戏的得分机制;然而，游戏难度被调整为更容易让玩家导航和玩游戏的等级。这样做是为了抵消MRI扫描仪内部受限空间增加的难度，常规输入设备无法实现全范围运动。在选择了一个视觉上令人愉悦和最新的环境后，NF模式在这个环境中开发和集成(见图1C)。
VE通过提高游戏事件成功的可能性，实现了自我调节的隐性强化。例如，更好的能见度增加了击中目标的可能性，并且可以通过增加昏暗的照明来相对容易地实现。设计NF模态的第一种方法是将环境中的照明作为感兴趣区域（ROI）的血氧水平依赖信号（BOLD）信号的函数进行操作。因为缺氧血信号越多的大脑区域，该区域的MRI信号就越弱。据此，实现了一种能够实时修改环境亮度的系统。所有现有的照明和反射捕获都被删除或修改，以实现对亮度的期望控制。全局照明设置被调整以创造一个更令人信服的黑暗环境，并引入了一个新的动态定向光作为模拟太阳光。该光源由实时功能磁共振成像处理工具箱编程在线调制。因此，神经信号可以反馈给参与者以产生NF设置。实现的设置如图2所示。当NF - BOLD信号低于基线值时，环境的逻辑被编程为降低亮度(从而降低能见度)，或者当NF - BOLD信号高于目标ROI的基线值时，反过来增加亮度(从而提高能见度)。通过改变实现程序中的一个变量，也可以实现信号反转。
▲图2 |使用可视性作为NF模态的“射击游戏”修改版本。(A)说明了最大亮度条件和运行中的准星条，而(B)说明了亮度设置为最小，以及玩家角色静止时的准星条。
二、实验过程和结果
参与者根据随机列表被分为两组之一，活跃NF组(n = 12)和减少偶然性rc-NF组(n = 12)。参与者接受了VE和MRI扫描仪外硬件输入设备的培训。这样做是为了让参与者熟悉新的VE，并训练他们如何控制输入设备。第二天(测量日)最迟安排在培训日之后3天，以确保参与者仍能回忆起培训日所学的内容。扫描仪内的总测量时间约为90分钟。在测量期间，每位参与者参加了三次VE - NF运行。每次跑10分钟。每次VE运行之前和之后都有一个自我评估模型(SAM)的效价和唤醒评级。SAM的评分从9分李克特量表修改为4分李克特量表。这种减少促进了MRI扫描仪内四个按钮响应框的响应。所使用的修改后的尺度如图3所示。通过演示软件将SAM评分显示给参与者。实验设计如图4所示。
▲图3 |修改后的SAM评定量表在扫描仪中被给予参与者。参与者可以直接在四个输入按钮上选择一个选项。最上面的量表是觉醒等级。上面的问题问的是，“你的情绪有多激动?”选项范围从左边的“一点也不”到右边的“非常”。最下面的量表是效价评定。上面的问题是:“你感觉如何?”选项从左边的“非常糟糕”到右边的“非常好”。
▲图4 |在扫描仪内的游戏时段与SAM评分的实验设置。
参与者的主要VE任务是最大化他们的游戏得分，即尽可能地消灭AI控制的敌人，同时避免被消灭。重复测量方差分析显示，参与者不仅能够完成VE任务，而且随着次数增加，任务的效果显著改善。
测量后，参与者被问及他们对NF认知策略的使用情况。NF组的参与者也采用了更多不同的NF策略，因为他们尝试了10种策略中的9种。相比之下，rc-NF组只尝试了5种策略。所有个体(N = 24)报告成功地采用了NF策略。
▲图6 |被试采用的NF意象策略。
关于对NF信号的主观控制能力(图7)，NF组91.7%的参与者报告对反馈信号有控制能力，而rc-NF组只有58.3%的参与者报告对反馈信号有控制能力。
▲图7 |(左)参与者报告他们是否感知到对NF模态的控制。(右)对神经调节的感知控制量。
研究者研究了NF条件对目标ROI中BOLD信号的具体影响(图8)。两组在高频频段频谱差异显著。在这项方法学发展研究中，没有调查与特定事件的关联，但初步证据表明，与rc-NF组相比，NF组采用了不同的调节策略。这在两组的平均响应曲线中得到了说明(图9)。重要的是，时间过程的数量差异证实了NF信号在当前设置中的偶然性。
▲图8|频率图显示了在NF训练过程中来自感兴趣区域的BOLD信号中不同频率的贡献。与rc-NF组相比，NF组在调节过程中倾向于强调不同的频率范围，使用不同的NF策略进行自我训练和调整。
▲图9 |(上)在整个时间过程中NF条件下的平均BOLD信号。来自ROI的BOLD信号已使用与rt-fMRI工具箱中相同的管道进行处理。(下)rc-NF条件在整个时间过程中的平均BOLD信号。拟合采用四次多项式。
此外，海马体参与VE任务要求的路径规划和心理导航。我们进行了ROI-to-ROI分析，以调查SMA和双侧海马之间的功能连接。组内比较rc-NF 和NF组，rc-NF的功能连通性显著高于NF。
▲图10:ROI-to-ROI分析揭示了两个学习组在海马体区域(左图和中图)的连通性差异。
三、总结
研究者在这个项目中的目标是开发和实施一种新的基于rt- fMRI的NF训练模式，同时考虑到新的技术进步，使我们能够将复杂的刺激整合到视觉更新和引人入胜的VE中。我们基于并开发了一款射击游戏，其中VE的动态变化是BCI的反馈变量。这种在任务范式内隐式呈现NF的新方法被实现到功能磁共振成像环境中。研究者设计了一项研究，以评估脑机接口在为NF培训创建具有成本效益和沉浸式VE方面的可行性。实验操作表明，被试感知并报告了对呈现的NF刺激的控制。参与者参与VE，在采用NF策略的同时，随着时间的推移提高了他们的绩效指标。NF组倾向于在完成测试后报告情绪有所改善。因此，rt-fMRI和VE技术在神经反馈训练中得到良好的应用，为以后的进一步研究奠定了基础。
参考文献：
https://www.frontiersin.org/articles/10.3389/fnins.2020.593854/full
—— End ——
仅用于学术分享，若侵权请留言，即时删侵！
更多阅读
腾讯云开发者
