搜索过程中的脑活动的时间段对比

16830搜索过程作为神经状态之间的转换0YasharMoshfeghi计算机与信息科学，斯特拉斯克莱德大学，苏格兰，Yashar.Moshfeghi@strath.ac.uk0Frank E.Pollick心理学学院，格拉斯哥大学，苏格兰，Frank.Pollick@glasgow.ac.uk0摘要0搜索是互联网上最常见的活动之一。各种概念模型假设搜索过程可以分解为搜索者在搜索过程中涉及的不同情绪和认知状态。这些模型对我们理解搜索过程做出了重要贡献。然而，它们通常基于自我报告的测量，如调查问卷等，因此只间接监测支持此过程的脑活动。通过这项工作，我们进一步直接测量了搜索过程中涉及的脑活动。为此，我们将搜索过程分解为五个时间段：信息需求的认识、查询制定、查询提交、相关性判断和满意度判断。然后我们研究了这些时间段之间的脑活动。使用功能性磁共振成像（fMRI），我们监测了24名参与者在涉及从TREC-8和TREC 2001Q/A轨道中精心选择的问题的搜索过程中的脑活动。这种关注转换而不是状态的新颖分析揭示了时间段之间的脑活动的对比，从而使我们能够识别搜索过程的不同部分，用户在其中移动。因此，这项工作是基于神经状态之间的转换来表示搜索过程的重要第一步。更精确地发现脑活动与搜索过程的不同部分的关系，将有助于开发更好地支持搜索和搜索交互的脑-计算机交互，我们相信我们的研究和结论推动了这一进展。0CCS概念0• 信息系统 → 用户和交互检索；0关键词0搜索过程；神经状态；脑活动；信息需求；查询制定；查询提交；相关性判断；满意度；fMRI研究；功能性脑网络0ACM参考格式：Yashar Moshfeghi和Frank E.Pollick。2018年。搜索过程作为神经状态之间的转换。在《2018年Web会议论文集（WWW2018）》中。ACM，纽约，纽约，美国，10页。https://doi.org/10.1145/3178876.31860800本文根据知识共享署名4.0国际（CC BY4.0）许可证发表。作者保留在个人和公司网站上传播作品的权利，并附有适当的归属。WWW 2018，2018年4月23日至27日，法国里昂，©2018IW3C2（国际万维网会议委员会），根据知识共享CC BY 4.0许可证发表。ACM ISBN978-1-4503-5639-8/18/04。https://doi.org/10.1145/3178876.318608001 引言0在网络上，搜索是无处不在的，并已成为日常人类活动的核心和基本部分[44]。信息检索（IR）社区和其他相关科学社区数十年来的研究活动一直致力于更好地理解搜索过程，从而产生了具有重要影响力的理论、模型和发现，这些理论、模型和发现塑造了当前搜索引擎系统的基础。其中一些著名作品的例子有Wilson的信息寻求行为模型[45]，Kuhlthau的信息寻求过程（ISP）模型[27]，Cole的信息需求理论[8]，Ingwersen的认知IR理论[22]和Belkin的异常知识状态（ASK）模型[2]。所有这些有影响力的贡献的一个共同特点是，它们通过某种中介者调查了搜索现象，因此是间接的。这些方法主要基于搜索者在信息检索和寻求过程中的行为研究，通常依赖于问卷和访谈[27]，或者通过测量搜索者与IR系统的交互行为数据，例如他们提交的查询和改写[25]，或者通过他们与检索结果的交互[43]，或者通过测量他们在此类交互过程中的情感和生理数据[30]。上述作品的一个共同特点是采用分而治之的策略，将搜索过程细分为子过程，其中每个子过程都可以进行分析和评估。这些模型的一个核心方面是如何将搜索过程细分，这个问题根据不同的方法得到了不同的答案[44]。例如，分层模型将搜索视为由一组与系统相关的层次结构组成，搜索者的行为由每个层次结构的交互决定[40]，而过程模型通常是搜索过程中搜索者活动的多阶段表示[3,4,26,28,31,36]。其他例子包括依赖于与搜索活动相关的认知过程的认知模型[9,22]。在本文中，我们遵循文献中发现的认知方法的方向，将搜索细分为不同的认知组成部分。然而，一个重要的区别是，我们的模型是基于搜索者在搜索过程中的脑活动。这个区别使我们能够避免使用基于行为的间接测量来通知模型，这可能会影响过程本身的状态。为了便于对搜索进行检查，我们依赖于将大脑视为一组支持不同认知功能的大规模网络的观点[37]。这是一种描述搜索过程的新颖方式，首次能够回答两个重要问题：0Track: Web Search and Mining WWW 2018, 2018年4月23日至27日，法国里昂16840•RQ1：“是否存在清晰、可检测的脑活动的物理表现（即神经相关性），以识别搜索过程中不同时间段之间的转变？”；和 •RQ2：“这些物理表现的性质是什么，它们如何在不同的脑区功能上相互结合？”回答这些问题肯定会改善我们对搜索过程的理解，并有助于指导更强大的搜索定义的发展。它们还将为设计和实施新的IR技术开辟根本新的途径，以实现更好（甚至主动）的搜索。本文描述了我们在这方面的努力。在本文中，我们重点研究了用户在基于问答（Q/A）检索任务的搜索过程中执行搜索时的大规模功能脑网络的活动。我们的核心目标是通过发现搜索过程中不同时间段之间的差异来确定功能性脑活动如何在搜索任务中发生变化。这些时间段包括意识到信息需求、构建查询、陈述查询、确定搜索返回的文档的相关性和确定满意度。时间段之间的差异将揭示神经资源在不同功能（如注意力、任务维持、自我参照思考和情感参与）之间的动态分配。研究假设。我们的实验使用fMRI测量24名参与者在针对一组预定义问题的Q/A搜索任务中的血氧水平依赖（BOLD）信号。数据的收集是通过使用3TMRI扫描仪实现的，并利用实验室用户研究进行了离线数据的收集和分析。我们的结果依赖于BOLD信号可以被分析以检测搜索任务中脑活动的显著差异的事实。特别是，我们的目标是确定这些差异如何在被认为广泛支持特定认知功能的大规模功能脑网络的变化中得到反映。我们假设在不同的时间段之间存在脑区的BOLD信号差异，并且考虑到这些脑区与大规模功能网络的关系将有助于我们更深入地理解搜索所涉及的基本过程。神经科学和IR0过去十年来，人们对神经科学如何为我们理解IR提供信息产生了浓厚的兴趣[20]，这反映在与神经心理过程相关的文献数量的增加上。这项研究采用了各种脑成像技术，从探索相关性和信息需求等IR概念到采取步骤来展示如何利用这些理解的进展。Moshfeghi等人的一项研究使用功能性磁共振成像（fMRI）识别了判断图像相关性过程中激活的脑区。这些脑区包括较低的顶叶、较低的颞叶和较高的额叶，它们对相关项目的增加激活与视觉空间工作记忆有关。随后的fMRI研究探索了信息需求的神经基础，揭示了搜索者意识到信息需求时的脑活动差异。0需要并参与搜索过程，当搜索者意识到信息需求并简单地报告他们的信息需求而不参与搜索过程时。对于搜索者进行搜索的情况，有证据表明，脑活动与从狭窄的内部关注转变为广泛的外部关注之间存在一种切换。然而，这些fMRI研究集中在搜索过程中的特定时间，并没有对整个搜索过程中的脑活动进行广泛研究。另一条研究探索与IR相关的神经心理过程的线索采用了脑电图（EEG）。例如，Eugster等人进行的一项研究使用EEG显示，EEG信号的频率内容以及事件相关电位（ERPs）可以用于定义一组特征，从而实现对文本是否相关的解码。这项工作后来被扩展，以展示如何从阅读后的200-950毫秒内出现的EEG活动中识别出书面文字的相关性。与这些研究一致，Allegretti等人使用EEG显示，在500毫秒内开始出现的EEG信号可以区分查看相关和非相关图像。类似地，Kauppi等人使用脑磁图（MEG）显示，MEG信号的频率内容以及眼动数据可以用于解码所观看的图像是否相关。眼动数据和EEG信号的组合在成功识别阅读文本的相关性领域进一步探索。虽然EEG和MEG等技术具有更高的时间分辨率，但fMRI在定位脑活动发生的位置方面提供了更高的分辨率，因此提供了更大的空间精度。这对于那些激活的脑区未知的研究尤为重要。这些先前的神经影像学研究在发现相关性和信息需求的神经相关性方面取得了成功，并显示出这些神经相关性在特定情况下可能被用于使用脑数据来驱动自动识别相关性。然而，大脑活动如何在搜索过程中演变的动态过程仍未被研究。在本文中，我们迈出了一个重要的步骤，揭示了脑活动如何反映搜索过程中不同状态之间的转变。实验方法0在使用fMRI数据时，有几个实验设计和数据分析的考虑因素是相关的[10,32]，并且有几个因素对指导我们的研究计划非常重要。首先，fMRI扫描环境是受限制的，参与者必须仰卧，保持头部静止，只能使用有限的响应/交互设备，以免引起信号或安全问题。这个限制导致了我们任务的选择，我们选择使用多项选择题，因为可以使用MRI兼容的按钮盒进行回答。为了让用户能够提交查询，我们使用了一个附在头线圈上的降噪麦克风。还需要考虑的另一个因素是，尽管fMRI提供了毫米级的定位精度，但fMRI的时间分辨率（测量整个大脑的单个测量所需的时间）约为2秒。这种相对较慢的数据采集速率受到了血氧水平依赖（BOLD）信号的复杂方式的影响，该信号与底层神经信号有关，引入了进一步的延迟[16]。由于数据采集的时间限制，有必要以我们的fMRI测量可以解析的速率来计时实验事件。0主题：Web搜索和挖掘WWW 2018，2018年4月23日至27日，法国里昂Each participant engaged in the task illustrated in Figure 1 wherethey were first presented with a fixation screen from 4-6 seconds be-fore proceeding to a question for 4 seconds. After this, for 4 secondsfour possible responses were provided while the question stayed onthe screen. Participants could not make a response until after the 4seconds of observing the possible responses. This was done so thatbrain activity related to the motor response of pressing the buttonwould not be contained in the model of brain activity, which onlyconsidered these first 8 seconds. Of the four possible responses, onewas always the correct answer, and one of them was always “needto search”. The position of the four alternatives was randomisedfor each trial and the response given by pressing one of the fourbuttons available on the button box that each participant had intheir right hand. The time to respond was not restricted so thatparticipants were not under time pressure to respond. The orderof the questions was randomised for each participant. After the 8seconds participants were able to respond and if they respondedwith an answer, the experiment progressed directly on to the nexttrial. For the case that they answered the question, the trial was notconsidered for analysis. However, if the answer “need to search”was provided then this epoch was labelled as IN and participantsmoved to the next state of the search process. In this next state ofquery formulation (QF) participants had 4 seconds to consider whattheir query was before entering the next state where they weregiven 4 seconds to submit their query (QS). Following this, partici-pants viewed a fixation cross on the screen before being presentedwith a document to evaluate that was the result of their search.They viewed this document for 16 seconds (RJ) before returning tothe original question and multiple choices. When they respondedwith an answer to the question (as opposed to the “need to search”option) they were presented with a question of whether they weresatisfied with the search (SJ) and were given 4 seconds to makethis satisfaction judgment. If after seeing the document they stillresponded with “need to search” they went through another cycleof being presented with another document in response to theirquery. For any question, there was a limit of 3 attempts.16850在这项研究中使用了“被试内设计”[7]。我们将搜索过程分为五个时期：（1）信息需求（IN），（2）查询构建（QF），（3）查询提交（QS），（4）相关性判断（RJ）和（5）满意度判断（SJ）。作为我们的自变量，我们研究了每个时期与下一个时期之间的四个转换。因变量是由BOLD信号揭示的脑活动。这种设计的一个重要方面是，如果参与者对初始查询做出了回答，那么他们就没有信息需求，他们的数据不会被考虑在这个试验中。否则，后续的搜索过程将进入分析。03.1 设计0每个参与者都参与了图1所示的任务，首先他们会在继续进行问题之前观察4-6秒的固定屏幕。之后，问题会在屏幕上停留4秒钟。在此之后，4秒钟内提供了四个可能的回答，而问题仍然停留在屏幕上。参与者只能在观察可能的回答4秒钟后才能做出回答。这样做是为了确保与按下按钮的运动反应相关的脑活动不包含在脑活动模型中，该模型只考虑了这前8秒的时间。在四个可能的回答中，一个始终是正确答案，其中一个始终是“需要搜索”。每个试验中，四个备选项的位置都是随机排列的，参与者可以使用右手上的按钮盒按下其中一个按钮来给出回答。回答的时间没有限制，以便参与者不受时间压力。问题的顺序对每个参与者都是随机排列的。在8秒后，参与者可以回答问题，如果他们回答了问题，实验会直接进入下一个试验。对于回答了问题的情况，该试验不会被考虑在分析中。然而，如果提供了“需要搜索”的答案，那么这个时期被标记为IN，参与者进入搜索过程的下一个状态。在查询构建（QF）的下一个状态中，参与者有4秒钟的时间考虑他们的查询内容，然后进入下一个状态，在这个状态中，他们有4秒钟的时间提交查询（QS）。之后，参与者在屏幕上观察一个固定十字架，然后被呈现一个要评估的文档，该文档是他们搜索的结果。他们观看这个文档16秒钟（RJ），然后返回到原始问题和多个选择题。当他们回答问题时（而不是选择“需要搜索”选项），他们会被要求是否对搜索结果满意（SJ），并被给予4秒钟来做出满意度判断。如果在看到文档后仍然回答“需要搜索”，他们将经历另一个循环，以便根据他们的查询呈现另一个文档。对于任何问题，最多只能尝试3次。03.2 任务01 根据神经影像学中的常见约定，我们将这些在不同时间段发生的条件称为时期。[17, 23]0图1：实验过程的流程图3.3 问答数据集0为了执行第3.2节中提到的任务场景，我们创建了一个问答数据集2。为了开发这个标准的问题集，我们使用了之前的TREC Q/ATrack运行结果，特别是我们从TREC-8和TREC-2001问答跟踪 -主任务3中精选了一组40个问题。我们选择了这两个跟踪，因为这些问题是相互独立的，与其他跟踪不同，它们还提供了问题的正确答案。然后，我们手动检查了这两个跟踪中提出的所有问题，并选择了一部分问题，这些问题不超过一行，并且问题的正确答案不超过五个词。这个限制是由于在fMRI设置中向参与者呈现问题和选项的限制。另一个限制是他们的QRel中至少有两个相关和非相关答案。然后，我们删除了模棱两可或时间相关的问题，例如“谁是斯坦福大学的校长？”（TREC-8，主题51），使得跟踪中提供的答案不合适。然后，我们通过当前的搜索引擎检查了所有这些问题的答案，以确保答案仍然有效和正确。我们还为每个问题创建了两个与问题领域相关的错误答案，例如“什么是超新星？”（TREC-2001，主题1067），正确答案是“爆炸的恒星”，我们创建了另外两个错误答案，即“新生恒星”和“死亡恒星”。我们还确保问题涵盖了各种主题，例如历史，政治，科学等，以减少可能由于特定类型问题的强调而产生的任何偏见。在这组问题上，两个注释者分别判断了问题的难度（即困难或容易），然后选择了一部分问题，两个注释者都同意问题的难度，即其中20个问题是困难的，20个问题是容易的。由于实验分为两个运行，还进一步将问题分配到各个运行中，以便每个运行都有十个容易和十个困难的问题，涵盖各种主题。这个过程的目标是控制问题集，使得平均而言，回答已知答案和需要搜索因为答案未知的机会相等。另一个步骤包括准备在参与者进行搜索过程时向他们展示的文档。这涉及模拟由当前搜索引擎返回的片段答案。02 问答数据集可根据要求提供。3更多信息，请访问http://trec.nist.gov/data/qa/t8_qadata.html和http://trec.nist.gov/data/qa/2001_qadata/main_task.html0跟踪：Web搜索和挖掘WWW 2018年4月23日至27日，法国里昂5http://www.BrainVoyager.com16860当提交问题时，搜索引擎如Google会返回答案。为了实现这一点，我们从QRel中选择了两个相关和两个非相关的文档。TREC-8和TREC2001中提供的答案长度不兼容。为了保持结果的大小一致，对于那些太短的答案，我们找到了源文件，并选择了答案周围的句子，以使所有片段的长度相同。对于第一次和第二次运行中向参与者展示的答案的平均长度分别为39.47个词（标准差为3.33）和39.65个词（标准差为3.285）。这样做是为了减少片段大小对脑活动结果的任何潜在混淆效应。03.4 过程0本节描述了研究的流程，从开始到结束。我们已经从格拉斯哥大学科学与工程学院的伦理委员会获得了道德许可。参与者被告知实验的持续时间，包括大约50分钟的执行所有功能任务来检查搜索过程，以及大约10分钟的脑结构解剖扫描。参与者被告知他们可以在实验的任何时候离开，并且仍然会收到报酬（支付率为£6/小时）。然后，他们被要求签署一份同意书。在开始实验之前，参与者进行了安全检查，以确保他们体内或体外没有任何金属物品，或者有任何扫描的禁忌，如某些纹身墨水。然后，他们被提供了一套装备（类似于训练服），以便在整个实验过程中避免潜在的干扰fMRI信号的金属物体。接下来，为了进行训练，他们被给予了一个示例任务和相应的示例问题，以熟悉他们的程序。成功完成培训任务后，参与者进入fMRI扫描仪，并调整机器的设置以优化他们的舒适度和视力。在扫描过程中，每个参与者参与了两个单独的任务运行，每个运行包含20个问题。选择两个运行是为了给参与者一个进一步的休息时间，以便在扫描过程中放松，并防止任务的疲劳，如果参与者经常需要搜索，任务可能会延长时间。完成功能运行后，获取了每个参与者的解剖数据。扫描完成后，参与者填写了一个退出问卷，其中包括他们在实验过程中的人口统计学和定性描述。他们还完成了爱丁堡利手性问卷[34]，该问卷评估参与者是右手、左手还是混合手。获取利手性信息是因为大脑功能的侧化受到利手性的影响，我们希望确保我们的参与者样本接近一般人口。设备。使用Presentation®软件4呈现文本，并使用液晶投影仪将其反射到半透明屏幕上，以便参与者在MRI扫描仪中的倾斜镜子中观看。fMRI数据采集。所有fMRI数据均在格拉斯哥大学认知神经影像中心使用3T Tim TrioSiemens扫描仪和32通道头线圈进行收集。功能性T2*加权MRI运行用于两个任务运行（TR 2000ms；TE 30ms；32层；3mm³体素；FOV210，70×70矩阵）。扫描会话结束时进行了解剖扫描，其中包括使用3D磁化准备快速采集梯度回波（ADNI-MPRAGE）T1加权序列进行的高分辨率T1加权解剖扫描（192层；1mm³体素；矢状切片；TR 1900ms；TE2.52；256×256图像分辨率）。问卷。实验结束时，参与者填写了一个退出问卷，收集了背景和人口统计学信息，以及对研究的一般评论。其中包括关于以前参与fMRI类型用户研究的经验的问题，以及确定参与者在执行实验时的主观体验的问题。试验前研究。在进行实际用户研究之前，我们进行了一项试验前研究，使用两名参与者确认该程序是否适当，并获得一般反馈。根据反馈意见，我们对实验范式进行了一些改进。在试验之后，确定参与者能够顺利完成用户研究，并且系统正确记录了参与者的交互数据。04演示软件（Neurobehavioral systems, Inc.），http://www.neurobs.com。0为两个任务运行获取了功能性T2*加权MRI运行（TR 2000ms；TE30ms；32层；3 mm³体素；FOV210，70×70矩阵）。扫描会话结束时进行了解剖扫描，其中包括使用3D磁化准备快速采集梯度回波（ADNI-MPRAGE）T1加权序列进行的高分辨率T1加权解剖扫描（192层；1 mm³体素；矢状切片；TR1900ms；TE2.52；256×256图像分辨率）。问卷。实验结束时，参与者填写了一个退出问卷，收集了背景和人口统计学信息，以及对研究的一般评论。其中包括关于以前参与fMRI类型用户研究的经验的问题，以及确定参与者在执行实验时的主观体验的问题。试验前研究。在进行实际用户研究之前，我们进行了一项试验前研究，使用两名参与者确认该程序是否适当，并获得一般反馈。根据反馈意见，我们对实验范式进行了一些改进。在试验之后，确定参与者能够顺利完成用户研究，并且系统正确记录了参与者的交互数据。04 结果与讨论0根据第3.4节中解释的程序，从2015年12月7日至2015年12月22日期间进行了为期15天的研究。参与者包括24名健康个体，其中11名男性和13名女性。所有参与者年龄在44岁以下，其中18-23岁的人数最多（54.1%），其次是30-35岁的人数（20.8%）。利手调查显示，79.1%为右撇子，12.5%为左撇子，8.33%为混合利手。参与者主要拥有研究生学位（20.8%），学士学位（33.33%）或其他资格（45.8%）。他们主要是学生（54.1%），但也有一些自雇人士（20.8%），无业人士（4.16%）或受雇于公司或组织的人士（20.8%）。参与者主要是母语使用者（79.1%）或具有高级英语水平（20.8%）。他们都有搜索经验，平均搜索经验为11.66年（标准差为3.58）。日志分析。fMRI分析依赖于参与者对问题的回答，以编码试验是IN还是No-IN。如果试验是No-IN，则不再对该试验进行进一步分析，因为我们对搜索过程感兴趣，从意识到信息需求开始。由于如果参与者从不知道答案，实验对他们来说将会太难，因此我们平衡了易和难问题的数量，以便IN（回答“需要搜索”）和No-IN（回答具体答案）的回答率大致相等。平均IN回答次数为17.5（标准差为5.91），平均No-IN回答次数为22.5（标准差为5.91）。配对t检验显示了回答类型之间的边际差异（p值=0.05）。fMRI数据预处理。使用BrainVoyager QX5对fMRI数据进行预处理。为每个参与者执行了数据的标准预处理流程[18]。这包括使用三线性插值进行切片扫描时间校正，根据0Track: Web Search and Mining WWW 2018, 2018年4月23日至27日，法国里昂16870图2：IN vs QF对比的激活聚类（黄色显示）投影到5个横断面的平均解剖结构上。请注意，大脑以放射学格式显示，其中大脑的左侧显示在图像的右侧。0表1：IN vs QF对比的激活细胞的详细信息，包括其解剖标签、位置、Brodmann区域（BA）、F统计量和p值、体积和不同条件下的beta权重估计。0Hemis- Talairach坐标 效应大小 体素数量 IN QF网络 大脑区域 球 X Y Z BA F(1,21) p-value mm 3 Beta SD Beta SD0横断颞回 右侧 57 -22 10 41 75.73 0.000000 13653 -0.06 0.04 0.35 0.04 听觉 下额回 右侧 54 17 1 45 29.47 0.000022 1690 -0.25 0.08 0.44 0.10 腹侧注意 下顶叶叶 右侧 51 -34 49 40 19.91 0.000215 292 -0.380.07 0.09 0.08 感觉/运动 手 中额回 右侧 45 20 25 46 21.64 0.000137 152 0.10 0.05 -0.22 0.09 前顶叶-顶叶 任务控制 前中央回 右侧 39 2 28 6 20.68 0.000176 172 0.11 0.05 -0.23 0.07 前顶叶-顶叶 任务控制 岛叶右侧 33 8 16 13 19.91 0.000215 180 -0.04 0.03 0.28 0.06 扣带-顶叶 任务控制 舟状回 右侧 33 -46 -14 37 18.79 0.000292 266 0.11 0.03 -0.21 0.06 不确定 中枢后顶叶 右侧 30 -88 4 18 43.21 0.000002 6497 0.200.05 -0.64 0.14 视觉 尾状核 右侧 24 -4 1 * 34.38 0.000008 953 -0.04 0.03 0.20 0.04 皮质下 前中央回 右侧 18 -22 58 4 19.73 0.000226 111 -0.05 0.03 0.14 0.04 扣带-顶叶 下额回 右侧 18 26 -12 47 48.400.000001 3306 0.13 0.04 -0.53 0.09 不确定 扣带回 右侧 15 5 28 24 27.86 0.000031 283 -0.02 0.01 0.17 0.04 显著性 扣带回 右侧 6 -28 40 31 18.38 0.000327 242 -0.11 0.03 0.13 0.04 感觉/运动 手 扣带回 左侧 -3-10 37 24 20.59 0.000180 467 -0.06 0.03 0.19 0.04 扣带-顶叶 任务控制 斜小脑叶 左侧 -3 -79 -8 * 20.14 0.000203 399 0.15 0.07 -0.47 0.15 不确定 前中央回 左侧 -3 -1 61 6 65.36 0.000000 12062 -0.13 0.06 0.530.05 腹侧注意 扣带回 左侧 -6 17 34 32 32.95 0.000011 1424 0.04 0.05 0.54 0.07 扣带-顶叶 任务控制 前中央回 左侧 -15 -25 55 4 25.73 0.000051 213 -0.04 0.02 0.12 0.03 感觉/运动 手 枕叶 左侧 -15 -85 -14 1817.94 0.000370 135 0.15 0.08 -0.43 0.14 不确定 尾状核 左侧 -15 26 -5 * 60.78 0.000000 520 0.12 0.03 -0.31 0.06 不确定 海马旁回 左侧 -18 -19 -14 35 29.80 0.000020 167 0.21 0.04 -0.10 0.05 不确定 上额回左侧 -27 47 22 10 17.95 0.000369 158 -0.10 0.05 0.45 0.10 显著性 下颞回 左侧 -30 -91 -3 18 40.90 0.000002 11105 0.16 0.04 -0.44 0.10 视觉 中额回 左侧 -36 23 40 8 18.54 0.000312 199 -0.06 0.06 0.56 0.10前顶叶-顶叶 任务控制 下顶叶叶 左侧 -39 -31 43 40 23.53 0.000085 585 0.11 0.04 -0.16 0.05 感觉/运动 手 中央后回 左侧 -54 -7 22 43 96.53 0.000000 38549 -0.07 0.03 0.31 0.02 感觉/运动 口0关于TR和切片扫描顺序的信息。通过将参与者的所有体素的体积与第一个体素进行刚体变换，进行三维运动校正以检测和纠正小的头部运动。此外，去除数据中的线性趋势，并进行高通滤波，截止频率为0.0025Hz，以减少低频生理噪声的伪影。然后，将功能数据与解剖数据进行配准，并在通用Talairach空间[42]中进行空间标准化。最后，每个个体的功能数据经过使用6mm高斯核进行空间平滑，以便于群体数据的分析。04.1 广义线性模型（GLM）分析0分析始于对个体参与者的一级分析。这使用多重线性回归对每个体素的BOLD响应时间序列进行建模，对比两个要对比的时期（IN到QF，QF到QS，QS到RJ，RJ到SJ）。预测变量的时间序列通过与血氧水平反应函数卷积来调整血氧水平反应延迟。使用随机效应方差分析的二级分析对群体数据进行统计检验，其中搜索时期作为参与者内部因素。对不同时间过程的脑活动进行了四个对比。这些对比包括IN与QF的对比，QF与QS的对比，QS与RJ的对比，RJ与SJ的对比。0QS，QS与RJ，RJ与SJ的对比。为了解决在所有体素上进行多重统计比较的问题，我们使用虚警发现率（FDR）在 q < 0.01 [5]的阈值下报告激活。使用FDR，我们控制了被标记为显著的体素子集中的假阳性体素的数量。04.2 将GLM的结果映射到大规模功能性脑网络上0在研究感觉和运动处理时，研究大脑特定区域的活动是一种特别有效的方法，因为来自特定位置的脑损伤个体的数据支持了特定区域对特定功能的重要性。例如，中风后失去移动某个肢体的能力。然而，当考虑大脑组织时，还必须考虑通过大规模网络相连的区域，这些区域与特定的功能活动相关。表5总结了已建立的脑网络，包括与注意力、执行控制和自我参照思维等认知功能相关的网络。四个转换涉及许多脑区的激活，我们希望研究这些脑区的激活如何反映大规模脑网络的活动模式。为了实现这一点，我们需要一种将不同聚类分配给不同网络的方法。已经提出了几种不同的方案来将大脑划分为不同的功能区域，我们采用了一种基于静息态功能连接性的方案[37]。该方法提供了264个MNI坐标中的脑区位置的三维坐标和每个位置的网络成员资格。使用了十个网络，包括背侧注意、腹侧注意、额顶叶-顶叶任务控制、扣带-顶叶任务控制、显著性、默认模式、听觉、视觉、体运动-手和体运动-口。为了将特定位置分配给网络，我们首先获取峰值激活的坐标，并使用BrainMap®6软件将其从Talairach转换为MNI（SPM）坐标。然后，我们将激活映射到最接近的264个脑区位置，并将其分配为该位置的拟议功能。这为我们提供了每个聚类的脑功能估计，从而允许我们将时期之间的变化视为大规模网络活动的变化。主要结果。结果可以在对不同时期之间的四个转换（IN到QF，QF到QS，QS到RJ和RJ到SJ）的评估中看到，并且在广泛讨论RQ1时首先从激活被发现的一般区域和强调亚皮质、感觉和运动处理方面进行评估。随后，我们报告了与大规模功能性脑网络变化相关的差异。转换1 -IN到QF：在IN期间，参与者通过视觉呈现的问题和可能的答案，并提供需要更多信息来回答问题的回答。在QF期间，参与者遵循视觉指令来制定查询。因此，虽然两个任务都需要一些阅读，但我们预计IN会更强烈地激活涉及视觉和眼动的过程，以及手动操作按钮盒的手动运动，而对于QF，我们预计参与者会更强烈地激活涉及制定查询的认知过程以及发出查询的准备性运动活动。对IN与QF的对比结果见表1和图2。检查这些结果显示，在发现的26个活动聚类中，有12个聚类在IN期间更活跃，而有14个聚类在QF期间更活跃。与IN条件提供更高的视觉处理需求一致，如BA18和37区在IN期间更活跃。与与QF相关的准备活动的想法一致，发现在听觉和体运动区域中，QF期间的激活高于IN期间。转换2 -QF到QS：在QF期间，参与者遵循视觉呈现的指令制定问题，而在QS期间，他们遵循视觉呈现的指令口头陈述问题。因此，两个任务都需要相似的视觉和眼动量，但QF需要更多的认知活动来制定问题，而QS将涉及与说话相关的语音产生和运动区域以及声音处理。对QF与QS的对比结果见表2和图3。在这些结果中，我们没有报告在脑室中发现的一些激活，脑室只包含脑脊液而没有神经元。因此，这些区域0会议: Web Search and Mining WWW 2018, 2018年4月23日至27日, 法国里昂16880网络。为了实现这一点，我们需要一种将不同聚类分配给不同网络的方法。已经提出了几种不同的方案来将大脑划分为不同的功能区域，我们采用了一种基于静息态功能连接性的方案[37]。该方法提供了264个MNI坐标中的脑区位置的三维坐标和每个位置的网络成员资格。使用了十个网络，包括背侧注意、腹侧注意、额顶叶-顶叶任务控制、扣带-顶叶任务控制、显著性、默认模式、听觉、视觉、体运动-手和体运动-口。为了将特定位置分配给网络，我们首先获取峰值激活的坐标，并使用BrainMap®6软件将其从Talairach转换为MNI（SPM）坐标。然后，我们将激活映射到最接近的264个脑区位置，并将其分配为该位置的拟议功能。这为我们提供了每个聚类的脑功能估计，从而允许我们将时期之间的变化视为大规模网络活动的变化。主要结果。结果可以在对不同