精神疲劳的神经机制和脑连接体研究综述

工程5（2019）276研究AI for Precision Medicine-Review精神疲劳的神经机制再探：来自脑连接体的彭琦a，华茹b，高凌云b，张小兵c，周天舒b，于天b，尼蒂什·塔克尔d，Anastasios Bezerianosd，Jinsong Lib，Yu Sunb，d，a同济大学电子与信息工程学院控制科学与工程系，上海200092b浙江大学生物医学工程系生物医学工程教育部重点实验室，杭州310000c绍兴市人民医院（浙江大学医学院附属绍兴医院）神经外科d新加坡国立大学生命科学中心新加坡神经技术研究所（SINAPSE），新加坡117456，新加坡阿提奇莱因福奥文章历史：接收日期：2018年2018年10月15日修订2018年11月8日接受在线预订2019年保留字：精神疲劳功能连接图论分析脑网络A B S T R A C T在长时间的认知任务中保持持续的注意力通常是有代价的：高度的精神疲劳。从启发式角度来看，精神疲劳是指一种疲倦或疲惫的感觉，以及对手头任务的不感;它表现为认知和行为表现受损为了有效地减少在许多现实世界中精神疲劳的不良但可预防的后果，需要更好地理解潜在的神经机制，并且一直致力于这一主题。与疲劳研究中广泛使用的传统单变量方法相比，收敛证据表明，多元函数连通性分析可能导致更丰富的精神疲劳信息。事实上，近年来越来越多的研究认为，精神疲劳与脑区间功能连接的偏离重组有关。此外，图论分析为定量评估由精神疲劳调制的脑功能网络的重组提供了新的思路。本文首先简要介绍了精神疲劳和脑连接体的神经影像学研究，然后全面概述了连接体对精神疲劳的研究。尽管迄今为止仅发表了有限数量的研究，但据信脑连接体可以是一种有用的方法，不仅用于阐明神经工效学的新生领域中的潜在神经机制，而且用于自动检测和分类精神疲劳，以便在不久的将来解决与疲劳相关的人为错误的预防。©2019 The Bottoms.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍现代社会中的许多日常活动都需要稳定的注意力和表现;例如在高速公路上长途驾驶或为学校考试学习数小时甚至通宵;这两种情况通常都会导致高度的精神疲劳。借用身体疲劳的想法，传统智慧认为精神疲劳与对神经和认知系统的过度需求有关[1]。精神疲劳可能导致认知系统的功能不佳，这些系统涉及注意力、计划和面对负面结果时自适应地改变策略[2，3]。从行为*通讯作者。电子邮件地址：yusun@zju.edu.cn（Y. Sun）。从这个角度来看，精神疲劳表现为表现恶化，这通常见于目标检测失败、反应时间增加和疲劳的主观体验[4]。这些客观下降被称为任务时间效应（TOT）[1]。在现实世界的工作场所中，TOT相关的影响与生产力降低和在没有适当休息的情况下延长工作时间的情况下工作失误增加有关[5]。例如，Ricci et al.[6]2007年对美国劳动力进行的一项调查显示，38%的工人表示感到疲劳，其中三分之二的人表示在过去两周内生产力下降。2008年，Boksem和Tops[7]在他们的综述中报告说，荷兰工作人口中有一半的女性和三分之一的男性抱怨疲劳。与15年前的一份类似报告相比，这一比例增加了近三分之一https://doi.org/10.1016/j.eng.2018.11.0252095-8099/©2019 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。目录可在ScienceDirect工程杂志主页：www.elsevier.com/locate/engP. Qi et al./工程5（2019）276277前（1993年）。除了降低生产力外，精神疲劳还会导致严重的后果。事实上，人们普遍认为，许多涉及夜班卡车司机和夜间呼叫居民的事故至少部分归因于困倦，疲劳和警惕注意力的丧失[8，9]。由于这些不良但可预防的后果，人们不断努力试图了解精神疲劳的机制1917年，美国心理学协会主席雷蒙德·道奇（Raymond Dodge）写道：值得注意的是，尽管经过了100多年的不断努力，但尚未形成关于精神疲劳的起源和神经机制的成熟理论[11]。已经提出了几种不同的理论来解释由于精神疲劳而导致的表现下降;这些理论包括负荷不足理论[12，13]、资源理论[14，15]和动机控制理论[16]。简而言之，负荷不足理论认为，在大多数疲劳研究中，持续注意力任务的单调性使得表现容易受到无关思想的干扰[12]。另一方面，资源理论将表现下降中的TOT效应与过度消耗有限的认知资源相关联，这些认知资源不能立即补充[14，15]。最近，Kurzban和他的同事[16] 提出了动机控制理论，该理论将任务绩效与结果的预期值联系起来;也就是说，如果绩效变得比预期值更昂贵，则预期TOT相关的行为下降[7]。在本文中，我们不试图详细说明精神疲劳的模型。相反，我们的目标是通过结合神经成像技术的进步和人类连接体的新知识，为健康参与者的精神疲劳的神经生物学基础提供新的视角[17]。本文件的组织涵盖三个一般性主题：(1) 我们简要回顾了精神疲劳的神经影像学研究。阐明了单变量分析框架的局限性(2) 本文简要介绍了脑连接体和图论分析。对大脑连接体和网络度量的基本概念的介绍将有助于解释疲劳连接研究的观察结果。(3) 我们提供了一个文献综述的最新连接研究的精神疲劳。研究结果的神经机制的精神疲劳，已通过连接的方法进行了讨论。2. 精神疲劳的神经影像学研究随着神经影像学技术的进步，聚合研究已经采用多种神经影像学技术来检查TOT的神经相关性。本节简要回顾了精神疲劳的神经影像学研究。2.1. 脑电图从历史上看，疲劳最常使用脑电图（EEG）进行研究，这主要是由于该方法用于长期记录的可行性和对参与者行为表现的由于脑电的高时间分辨率，精神疲劳的研究主要集中在与任务相关的活动的变化。一般来说，它已被证明，增加TOT导致可观察到的变化，在正在进行的EEG活动和事件相关电位（ERP）锁定到任务刺激。例如，较低α的增加（即，84鉴于事件相关低α频段的去兴奋反应了在对注意力有高要求的任务中的警觉性和期望[21]，6-10 Hz频段的渐进性增加几项研究还表明，延长TOT会导致从较低的高频能量（β波段：13-30 Hz）转移由于EEG β活动与认知过程密切相关[24]，因此这种能量转移可能反映了在警惕性降低时为保持性能水平而做出的补偿努力[19，25]。在ERP中，当一个人进入精神疲劳状态时，与错误监控和抑制相关的ERP成分的幅度也会显著降低[18，26]。最近，Borghini等人[27]发表了一项关于飞机飞行员和汽车驾驶员在精神工作负荷和精神疲劳期间神经生理信号变化的全面综述，提供了与现实世界工作者相关的新见解，这些工作者的表现特别容易出现TOT退化。具体而言，在δ、θ和α波段的EEG功率增加的收敛发现被揭示，这代表了脑力负荷和脑力疲劳之间的过渡2.2. 功能磁共振成像使用动脉自旋标记（ASL）灌注功能磁共振成像（fMRI）检查20分钟精神警觉测试期间与时间相关的脑功能变化，Lim et al.[28]发现任务后额叶、扣带回和顶叶区域的脑血流量（CBF）减少。此外，CBF的变化之间的测试前和测试后的额顶叶网络与性能下降。在这些初步观察之后，Gui及其同事[29]采用了类似的研究设计，并在连续20分钟的精神警觉测试中研究了血氧水平依赖性（BOLD）时间过程的低频波动（ALFF）幅度与测试前的测量值（警惕状态）相比，Gui等人[29]发现，在默认模式网络中，亚丘脑显示出ALFF降低，而在测试后（疲劳状态），丘脑中的ALFF 更有趣的是，测试前后扣带皮层和内侧前额叶皮层中的静息ALFF可用于预测受试者的亚稳态表现下降;也就是说，这两个区域中的初始ALFF越高，在整个20分钟测试中可预期的行为表现越稳定。最近，Nakagawa及其同事[30]利用一系列具有低和高注意负荷的视觉和听觉分散注意任务来研究负荷效应调制的TOT效应与之前的fMRI研究类似，在大脑皮层（包括额叶、颞叶、枕叶和顶叶皮层）的广泛区域观察到疲劳诱导的失活。小脑和中脑也表现出明显的疲劳相关低激活。此外，在中脑中发现了显著的相互作用效应（即，在高负荷条件下更多的失活），这可能反映了负反馈系统的抑制，该负反馈系统通常触发恢复性休息以维持体内平衡[30]。2.3. 功能性近红外光谱在最近的一项研究中，Jiao及其同事[31]利用功能性近红外光谱（fNIRS）研究了在4小时的背部（即，n= 2）工作记忆任务。他们表明，血流动力学反应的信息熵与任务表现和主观自我报告的测量结果显著相关，这表明将血流动力学反应用作疲劳分类的神经生物标志物的潜力。使用fNIRS，De Joux等人[32]报告了右278P. Qi et al./工程5（2019）276TOT的半球氧合，以及TOT延长的局部任务中左半球氧合的显著增加，表明TOT在局部而不是整体辨别性守夜中增加了双侧大脑资源的利用。Derosière等人。[33]研究了任务相关运动结构对TOT效应的神经适应。特别是，使用单脉冲经颅磁刺激测量皮质脊髓兴奋性的时间过程来测量运动相关活动变化;在简单的持续注意力反应时间任务期间，通过fNIRS测量运动相关脑区的血流动力学活动变化[33]。与参考文献[32]中的结果一致，TOT效应出现后，外侧前额叶和右顶叶区域的氧合显著增加。更重要的是，还报告了皮质脊髓兴奋性和初级运动活动的显著增加，表明以运动活动变化的形式适应TOT相关的注意力缺失。最近，Chuang及其同事[34]结合EEG和fNIRS研究了驾驶疲劳期间的血流动力学特征。他们发现枕叶皮层的α抑制作用增强，额叶、主运动区、顶枕区和辅助运动区的氧合增加。这些发现与以前的fNIRS观察结果基本重叠[31，32，35]。2.4. 正电子发射断层扫描Paus及其同事利用正电子发射断层扫描（PET）在连续执行60分钟听觉警戒任务期间监测局部CBF作为TOT的函数，在大部分皮质中发现CBF显著降低，包括右半球的丘脑、额叶、顶叶和颞叶区域[20]。使用不同的实验范例（即，非选择性与选择性注意任务），Coull et al.[36]检查了与时间相关的脑功能，并测量了额叶和顶叶皮质的CBF变化。与参考文献[20]中的观察结果一致，他们报告称，仅在非选择性任务中，右额顶叶网络中的CBF减少伴随着显著的性能下降;在选择性任务中未发现统计学差异[36]。在寻找区域CBF改变的来源时，Strum及其同事[37]对关于警觉性的PET研究进行了回顾，并表明似乎存在一个主要由右半球额叶、顶叶、丘脑和脑干组成的网络，该网络由警觉和定向注意力需求共同激活。因此，由于延长TOT，这些脑区的CBF会随着警觉性降低而显著降低，这并不奇怪最近，Tajima et al.[38]使用PET进一步分离与疲劳感相关的内侧眶额皮质区域。2.5. 单变量分析与多变量连接分析值得注意的是，上述总结的研究通常采用单变量分析方法;在疲劳状态下，大脑区域之间的互连性和皮质网络的完整性是否发生改变的问题尚不清楚[39]。根据全局神经元工作空间理论[40]，需要注意力或努力的认知过程将在生理上由大量工作空间神经元的综合活动来表示，这些神经元在解剖学上分布在整个大脑中。尽管精神疲劳涉及到广泛的大脑区域，但支撑疲劳的神经机制可能包括局部和全局尺度的变化[41]。最近，石井和同事[42]在他们的综述中表明，精神疲劳不仅是由与任务相关的大脑区域的活动受损引起的，而且还与操作有关。由心理促进和抑制系统调节任务相关的大脑区域的活动，以调节认知任务的表现。这些结果表明，脑连接体和网络分析是研究精神疲劳神经机制的理想方法。3. 脑网络与图论分析随着神经成像技术和图像处理方法的进步，会聚研究已经表明，人脑在人类连接体内形成了大规模的互连区域网络[17]。事实上，越来越多的研究人员认为，人类连接体是大脑中神经通讯、功能处理和信息整合的解剖学基础网络科学在很大程度上基于图论，是研究复杂网络架构的有用方法;它已被广泛用于研究各种认知状态和疾病中的大脑网络[43]。1736年，瑞士数学家莱昂哈德·欧拉提出了著名的“哥尼斯堡七桥”问题。这个问题把图论引入数学，成为一个新兴的分支，并一直繁荣至今。启发式地，图论是用于定量评估网络拓扑结构的数学分析框架。1998年，Watts和Strogatz[44]采用图论方法研究了秀丽隐杆线虫的神经网络结构，并表明该网络以特定的模式组织，以保持局部分离和全局整合之间的平衡。他们将这种类型的网络架构定义为“小世界”。这篇有影响力的论文导致了网络科学的复兴，用于研究各种复杂系统的结构和功能，包括神经科学，社会科学，物理学，生物学和计算机科学。事实上，许多复杂系统表现出非常相似的宏观行为，尽管每个系统的元素的微观细节或它们的相互作用机制存在3.1. 脑网络网络被定义为一组节点或顶点以及它们之间的边或链接大规模大脑网络中的节点通常代表大脑区域或传感器，例如fMRI中的感兴趣区域（ROI），EEG和/或脑磁图（MEG）的电极，或解剖学分组方案[45]。事实上，许多研究小组已经提出了利用解剖沟/脑回/核信息[46-48]的不同分组方案值得注意的是，在最近的一项系统比较脑连接体研究的不同包裹方法的研究中，Arslan及其同事[53]提出，脑连接体研究的最佳包裹方法尚未可用。考虑到不同分组所采用的节点定义可能导致大脑网络的不同属性[54]，建议评估不同分组方案中发现的可重复性，以全面揭示精神疲劳的神经机制。与相对简单的节点定义相比，边或链接的性质更为复杂。例如，边缘可以从不同但相关的连接形式中导出：解剖连接、功能连接或有效连接[55，56]。在这里，解剖连接性，也称为结构连接性，通常对应于成对的大脑区域之间的白质束，并且通常通过以下方式获得：P. Qi et al./工程5（2019）276279图1. 从大规模的解剖，功能和有效的连接数据集构建大脑网络SOG：枕上回; SFGmed：额上回，内侧部分; L和R分别代表左右扩散张量成像（DTI）。功能连接性对应于分布的且通常在空间上相距较远的脑区的活动之间的时间依赖性，并且通常根据fMRI数据进行估计[45]。根据测量，功能连接可能反映线性或非线性相互作用，以及不同时间尺度上的相互作用[57]。有效连接性代表一个区域对另一个区域的直接或间接因果影响，并已广泛用于EEG/MEG信号分析[45]。网络结构示意图如图所示。 1.除了连接性的类型之外，边或链路还可以基于它们的权重（即，加权对二进制）和方向性（即，无方向性[56]。结构网络中的边权重可以表示解剖束的大小、密度或连贯性，而功能和有效网络中的权重可以表示相互依赖的程度。二进制网络包含指示连接（0或1）存在或不存在的边，可以通过在加权网络上应用各种阈值方法来估计[58链接也可以通过方向性信息的存在或不存在来区分[61]。虽然结构连接可以用定向链接在生物学上表示，但目前的神经成像方法无法直接检测结构连接中的因果方向性[56]。另一方面，基于高时间分辨率EEG/MEG记录的有效网络更容易通过各种因果关系度量（如Granger因果关系）实现[62]。一旦一个网络被构建，它就可以用它的连接矩阵（或邻接矩阵）来表示，其中行和列表示节点，矩阵元素表示边。该连通性矩阵用作以下定量图论分析的输入3.2. 图论分析图论分析的目的是提供各种各样的定量测量来评估网络的拓扑结构（即，节点的空间组织研究（表1）。有关图论参数及其数学公式的更详细描述，请参阅本主题的综述[55，56，61]。此外，对于那些对实践感兴趣的人来说，开放式软件工具箱是可用的[56，63应该提到的是，这些网络测量的估计应该采用网络特性（即，加权的/二进制的、有向的/无向的）。根据网络特性采用不同的数学公式。4. 心理疲劳2018年4月，使用关键词尽管人们普遍认为慢性疲劳综合征会改变大脑结构和解剖学连接[67，68]，但TOT诱导的精神疲劳的短暂认知过程是否会导致解剖学改变仍是未知数。因此，我们将我们的主要重点限制在疲劳相关的功能连接改变上。通过进一步排除患者研究和睡眠剥夺作为疲劳诱导因素的实验，我们最终获得了29项研究[27，29，39，41，69本节的主要部分是基于这些研究。在表2中，我们总结了最近几项关于精神疲劳的代表性连接研究。4.1. EEG连通性研究基于高密度EEG记录，Ten Caat等人[91]引入了数据驱动功能单元（FU）方法，以更好地表示记录成对显著相干信号的EEG电极的空间连接集合。使用视觉警戒实验设计（即，长时间的转换任务），他们将FU方法应用于精神疲劳研究，发现疲劳效应主要影响最低频段（1-3Hz）。特别是，对于非疲劳组，发现最大的FU位于前部和后部，但仅tices和edges）。在这里，我们简要介绍了一些在疲劳连接yhttp://webofknowledge.com/WOS。280P. Qi et al./工程5（2019）276表1图论分析中拓扑测度的描述。属性类型网络属性测量和意义全局属性聚类系数，C聚类系数衡量网络的局部聚类或集团化程度具有更高聚类系数的网络指示更隔离的网络拓扑。特征路径长度，L特征路径长度是任意一对区域;它衡量网络的整体路由效率网络具有低的特征路径长度表示并行信息传送的高效率小世界，r小世界性是对小世界特性的概括性度量，估计为在两个度量都被确定之后，聚类系数与特征路径长度的比率通过用等效随机网络的值标准化它们的值来标准化。全球效率，Eglob全局效率度量网络中并行信息传递的全局效率并且与特征路径长度成反比。局部效率，Eloc局部效率度量网络的局部效率，估计为节点i的邻居的子图的全局效率的平均值。模块化，Q模块性是系统神经科学中的一个基本概念，它指的是一个最佳的将大脑网络划分为内部具有密集连接的较小社区模块和模块之间的稀疏连接。节点特性节点度，N度节点度是将节点连接到网络其余部分的连接数的所有网络节点的度导致高斯分布。节点强度，N应力节点强度是将一个节点链接到加权网络中其他节点的边权重之和。网络Betweenness Centrality，BC节点的介数中心性定义为节点对之间的最短路径数通过该节点的其他节点;它捕获节点对信息的影响网络中其他节点之间的流量节点效率，E节点节点效率定义为最短路径长度的调和平均值的倒数在这个节点和所有其他节点之间;它衡量节点的重要性，网络中的信息流对于疲劳组，向后。然而，在他们随后的研究中[94]，揭示了精神疲劳对多个频带的EEG功率和相干性的广泛影响，如功率和相干性显著增加所示。这种差异可能源于受试者间差异较大，以及参考文献[91]中的受试者数量较少（5例受试者），而参考文献[94]中的样本量较大（26例受试者）。最近，Clayton等人[76]发表了一篇关于持续注意力中皮质振荡的全面综述，其中强调了持续注意力中的θ、α和γ波段。最近的网络研究表明，长距离皮层连接在延长TOT时保持最佳性能水平方面的重要性。例如，我们重复了参考文献[28]中的实验设计（即，一20分钟精神警觉性测试），并采用皮质连接性评估TOT相关改变[39]。低α脑网络中的特征路径长度在统计学上显著增加，这与性能下降的程度相关。更有趣的是，与神经影像学观察结果一致[20，36]，我们报告了额顶叶区域皮质连接的不对称改变（图2）;也就是说，左额顶叶连接的显著降低与持续注意力相关。在疲劳研究中报告了类似的分解网络拓扑结构，这些研究使用单独的视觉注意力任务[74]和模拟驾驶范例[78，95]。然而，与认知任务范式相比，受试者通常需要长时间执行各种认知任务（包括警惕或持续注意任务[39，81]、视觉注意任务[41，96]和工作记忆任务[97，98]），长时间驾驶通过负荷不足的无聊降低了感知能力和精神警觉性。为了研究精神疲劳的复杂神经机制，我们系统地比较了由心理警戒任务（PVT）范式和模拟驾驶引起的精神疲劳的影响[71]。行为上，我们发现一个显着的精神疲劳的影响，在这两个疲劳诱导条件。此外，在PVT和模拟驾驶之间揭示了明显的网络重组：与单独增加路径长度和聚类相比，在模拟驾驶中发现了增加的路径长度和聚类。因此，这些研究结果可能会增加我们对疲劳相关神经机制的复杂性的理解，并指出心理工作负荷在心理疲劳的调制中的关键因素。作为资源理论的推论，心理工作负荷被定义为任务需求实际需要的个人有限心理能力的水平认知心理学研究的结果表明，心理工作负荷和任务绩效之间存在根据Borghini et al.[27]，在心理工作负荷和心理疲劳之间存在明显的关联，其可作为生理信号的连贯变化序列而被检测到;这是重要的更有趣的是，最近的几项研究表明，工作负荷效应与长期认知小组合作任务中的精神疲劳有关[102根据关于心理负荷的EEG连接性研究，我们之前介绍了一种分析框架，该框架利用交叉频率相位相互作用进行认知负荷评估[105，106]。最近，我们已经证明了识别用于跨任务工作负荷分类的显著EEG连接特征子集的可行性[107]，从而向现实世界应用中的复杂心理工作负荷评估迈进了一步。4.2. fMRI连接性研究Giessing等人[108]使用要求持续注意力的简单Go/No-Go实验设计，研究了与尼古丁调节的注意力任务表现增强和受损相关的人脑功能重组。TOT效应表现为行为表现受损和脑功能网络结构解体。他们还报告了尼古丁在任务表现和功能性大脑网络的最佳组织方面的积极作用，更大的行为益处与更频繁吸烟者的更集成的网络拓扑结构相关。这些发现为利用大脑网络分析作为理论基础提供了新的见解。P. Qi et al./工程5（2019）276281E，表2TOT功能连接研究的主要结果总结参考文献实验记录节点定义Edge定义网络主要结论(node数目）衡量一[第一百零八章]G o /No-GorsfMRIAAL（477）小波相关性FCNS ，D;，E1，E2，TOT尼古丁改善网络拓扑期间网络拓扑解体globloc和E;[96]第96话：我的世界相关性节点Str“，D;，E1，E2，任务执行期间的网络拓扑比静止状态下更完整globloc节点(112)得双曲正弦值.汽车旅馆（200）系数;;globloc;节点TOT相关的皮层下区域节点效率降低任务中短暂的休息并不能改善行为表现但对恢复测试后网络[93]第 93 课 ： 如 何 学习英语灵活性动态网络灵活性与疲劳[72]第112章：你是我的女人系数TOT期间功能连接的密度模块分析使用模块间和模块内指标[94]视觉警戒EEG功能单位连贯性FC“广泛显著增加与TOT的神经活动和连接的增加并没有带来更高效的表现[90]I'm sorry.心算和转换任务EEG 32通道定向传输功能不同EEG频段之间的明显定向连通性改变额叶、中央和顶叶皮层区的功能耦合与精神疲劳水平[88]第八十八话模拟驾驶EEG19通道同步可能性度“，C“，L;，c“，k;，而r“在36小时的实验中，θ、α和β波段的度和聚类系数增加，特征路径长度网络指标（θ、α和β波段）与血液参数（包括肌酐、尿素和RBS水平）之间存在显著相关性[39]通过源定位的PVT EEG 64通道和26个ROIPDCFC ，CN.S. 、L“，c，k“，和rN.S.由传感器和源空间构建的脑网络中的路径长度显著增加TOT[74]视觉古怪EEG 64通道相位滞后指数C“，L“，ri，E1，E2，中任务的第四块中的分解网络拓扑与第一块比较globlocBC;短暂的任务中间休息改善了任务大脑网络[九十四]模拟驾驶EEG32个通道普通FC“，额叶、中央和颞区的连贯性增强一致性C级，在大多数情况L“、c“和k“，频带更经济但效率较低的拓扑结构的发展[第七十一章]PVT和模拟驾驶EEG64个通道GPDCC“驾驶，L“，rN. S。TOT期间PVT和模拟驾驶之间的网络重组明显，在模拟驾驶中增加了C和L，但在PVT中仅增加了L使用有限数量的功能连接作为特征，精神疲劳分类准确率高（> 92%）[第七十章]模拟驾驶fNIRS六个来源，小波相干FC;PFC和电机八个检测器小波相位皮层一致性心理疲劳对合作社PFC与运动皮层AAL：自动解剖标记图谱[46]; HOA：PVT：精神警觉性测试; PDC：部分定向一致性; GPDC：广义PDC; PCC：后扣带回皮质; MePFC：内侧前额叶皮质。a网络度量的缩写：FC：功能连接;D：物理距离;Str：连接强度;c：归一化聚类系数;k：归一化特征路径长度上标箭头表示由于精神疲劳导致的网络度量的发展趋势，而N. S.表示不显著。人类中促认知药物作用的cipled药效学生物标志物2013年，由一些相同的研究人员组成的一个小组进行了一项探索性研究，以调查对精神疲劳的认知恢复力的个体差异以及持续注意力对任务后休息状态大脑网络的长期影响[95]。正如预期的那样，行为表现的主体之间的差异显着。这些结果与个体具有TOT脆弱性的特质样倾向以及伴随的生物基质的理论一致[109]。相对于静息状态下，功能性脑网络在任务执行过程中变得更加整合，但随着TOT的进行而线性下降。在寻找网络改变的特定起源时，Gui及其同事[29]利用ALFF来识别易受精神疲劳影响的大脑区域;他们发现默认模式网络中的ALFF显著减少，丘脑中的ALFF增加。随后的连接性分析显示，测试后后扣带回后部与右前额叶中部之间的反相关显著降低，提示了任务积极和任务消极理论和E;TOT期间网络拓扑解体行为表现[29日]PvtrsfMRI球形ROI相关性应力;和网络拓扑DMN中ALFF减少，丘脑[41]视觉怪球rsfMRIAAL（90），HOA系数相关性C“，L“，r”，PCC和MePFC的测试前静息ALFF预测性能下降PCC和右侧MePFC之间的反相关性降低TOT期间网络拓扑解体和E282P. Qi et al./工程5（2019）276图2.在20分钟PVT的前5分钟和后5分钟四分位数中（a）警惕状态和（b）疲劳状态之间的定向EEG功能连接模式的示例。复制自Ref。[39]经爱思唯尔公司许可©2017。网络在调节TOT效应中的作用。在我们最近的研究[72]中，我们开发了模块间和模块内网络度量来量化TOT期间子网络的拓扑特征。我们发现额顶叶网络中的模块化网络指标具有显著的预测能力，这进一步类似于参考文献中的观察结果。[29].4.3. fNIRS连接性研究Xu等人[70]最近利用fNIRS检测受试者在半沉浸式虚拟现实环境中进行长期驾驶时的大脑活动。为了揭示大脑连接的强度和同步性，估计了六个频带内的小波相干性和小波在60 min模拟驾驶任务结束时，前额叶皮层中0.6-2 Hz和0.052-0.145 Hz的频率间隔以及运动皮层中0.021-0.052 Hz的频率间隔的小波此外，在前额叶皮层的0.6-2 Hz和0.052-0.145 Hz以及运动皮层的0.021-0.052 Hz处显示出显著较低的小波相位相干性。因此，功能连接的显着改变表明精神疲劳对认知功能的不利影响，特别是对前额叶皮层以及前额叶皮层和运动皮层之间的4.4. 疲劳分类除了上述对精神疲劳的图论研究外，尝试利用功能连接作为疲劳分类的区分特征已经获得了令人满意的检测准确性。我们之前介绍了一个分析框架[81]，通过将功能连接的多变量模式分析（MVPA）简而言之，将20 min PVT实验分为四个四分位数，前5 min代表警觉状态，后5 min代表疲劳状态。达到了令人满意的疲劳分类总体准确性为81.5%，敏感性为77.8%，特异性为85.2%）。此外，我们发现大多数具有高辨别力的功能连接在疲劳状态下显著减少，这进一步证实了先前EEG连接性研究中分解的网络结构的收敛结果最近提出了一种改进的基于连通性的分类分析框架[71]。采用顺序浮动前向选择方法，我们得到了最具鉴别力的特征子集，并将其进一步应用于径向基函数（RBF）核的SVM分类器和序贯最小优化学习方法。我们已经评估了框架在两种不同疲劳条件下的性能（即，30 min PVT和60 min模拟驾驶），并在两种条件下均获得了较高的准确度（> 90%）。更有趣的是，揭示了明显不同的辨别性功能连接特征，表明这两种情况下潜在的不同疲劳相关神经机制（图1）。 3）。利用EEG连通性矩阵的最大特征值，Li et al.[75]还介绍了一种简单的方法，疲劳检测与几个EEG通道。简单地说，邻接矩阵是通过估计主要位于额区、中央区和顶叶区中线的9个脑电通道之间的互信息来构造的。发现最大特征值随着精神疲劳水平的增加而增加;这可以用于疲劳监测，预先设置阈值。最近，Arico等人[110]对操作环境中的大脑状态（精神工作负荷/疲劳）监测进行了全面审查，其中涵盖了从用于精神状态评估的电生理测量到用于精神状态分类的机器学习技术的广泛主题我们相信，这项研究代表了最新的概述利用脑电图的精神状态监测。4.5. 疲劳恢复日常经验表明，休息可能是疲劳恢复的有效手段，并可能提高认知能力[5，111，112]。然而，与我们现在对精神疲劳的相对全面的了解相比，疲劳恢复的潜在神经机制才刚刚开始被揭示[113]。在最近的一项研究[41]中，我们在两个会话的实验中对功能性大脑连接进行了图论分析，其中一个会话包括任务中期休息，以研究休息对大脑网络拓扑特性的影响（图4）。与之前的功能性连接疲劳研究一致，当没有给予任务中期休息机会时，大脑网络在任务后休息状态下的效率降低更具体地说，大脑皮层下区域更容易受到精神疲劳的影响。相反，在任务中间休息的会话（以下称为P. Qi et al./工程5（2019）276283图3.第三章。在1小时模拟（a）驾驶和（b）30分钟PVT中用于疲劳分类的EEG功能连接模式的示例。在驾驶和PVT中确定了不同的辨别性GPDC：一般部分定向相干。经IEEE许可，转载自参考文献[71]，©2018。图第四章一个功能性大脑网络中区域特征的例子，显示了（a）显著的块效应，（b）会话效应，（c）会话与块的相互作用效应。具有显著相互作用效应的区域的事后分析如（d）所示INS：小脑; SFGdor：额上回，背侧部分; PUT：壳核; THA：丘脑; CAU：尾状核;髋关节：海马; PAL：苍白球;内部监督组：枕下回; ORBinf：额下回，眶部; FFG：梭状回;PHG：海马旁回; SFGmed：额上回，内侧部; PCL：顶叶中央叶; TPOmid：颞极，中部。复制自Ref。[41]经爱思唯尔公司许可©2018年。我们之前在中断操作的背景下部分解释了这一发现[41]。也就是说，诸如休息长度[113]、休息的性质[111]和管理时间[114]等调节因素都可能在休息提供给表现的恢复量中发挥作用。 事实上，Lim和Kwok[115]一项关于不同断裂长度对TOT影响的有趣研究，揭示了断裂长度与TOT之间的显著相关性。休息时间和行为表现的改善。此外，Ross等人[114]操纵了1分钟休息时间的给药时间，并表明TOT的恢复效果仅在任务早期给药时有效虽然在休息阶段发现了不显著的行为改善，但在大脑网络的局部效率中发现了显著的逐段交互作用284P. Qi et al./工程5（2019）276这主要是由于在无休息阶段局部效率的任务后显著下降，而在休息阶段局部效率保持不变[39，96，108]。特别是，在左额回和右顶叶区域观察到节点效率的提高。这些观察结果与参考文献[113]中的结果相当，其中长时间休息后性能恢复更快与壳核和左额中回的活动更强相关。由于缺乏对疲劳恢复的神经机制的研究，进一步的调查，仔细的实验设计，考虑到各种中断操作因素，建议，以确认我们的研究结果。5. 简要讨论和未来方向连通性研究通常发现了全球整合度降低的证据（路径长度更长和/或全球效率更低[39，41，71，74，95，96，108]，尽管参见参考文献104）。[88]对于例外情况）和疲劳状态下局部偏析（聚集系数和/或局部效率[41，71，74，88，95，108]）增加（表2）。根据全局神经元工作空间理论[40]，需要全局集成的网络拓扑来支持高任务需求。借用资源理论的观点，参与者有限认知资源的重复使用和耗尽可能反过来导致观察到的解体和更隔离的网络架构。支持资源理论的进一步证据来自我们最近的疲劳恢复研究[41，74]，在该研究中，当在连续的警惕任务中给予任务中期休息机会时，观察到大脑网络重组的恢复效果休息可能会释放对认知和神经资源的需求，从而逆转疲劳期间观察到的神经效应。有证据表明，默认模式网络、显著性网络和丘脑皮层回路与心理疲劳有关。根据参考文献[116]，思维由默认模式网络自动约束，并由额顶注意网络故意约束，而显著性网络负责调制。由于默认模式网络在静息状态下的主导作用，它通常被认为是一个任务负性网络。因此，默认模式网络中减少的根据这一发现，Gui及其同事[29]报告说，在默认模式网络中具有较高静息状态激活的人可能具有更大的灵活性和更多的大脑资源，以便在需要高要求任务时从任务负向网络重新分配到任务正向网络根据持续注意力的资源控制模型[117]，增加TOT会导致显着性网络[118]中的执行资源耗尽，这些资源是抑制默认模式网络激活并有效执行主要任务所需的。事实上，TOT效应不仅影响网络内激活，还影响网络间关联;具体而言，发现默认模式网络和注意力网络之间存在较高的反相关性[29]。在我们最近的研究中[41]，TOT相关的区域性破坏主要在皮层下区域观察到。这一发现提供了进一步的证据来支持这样的观点，即纹状体-丘脑-皮质回路可能是在更剧烈的情况下中枢疲劳的可能原因（例如，睡眠剥夺）[120]和多种病理（例如，慢性疲劳综合征、多发性硬化症）[121]。值得注意的是，大多数图论度量是依赖于-减少网络节点和边的数量因此有只有当图的节点数和连接数匹配时，比较图才有意义。表2显示了用于节点定义的各种方法，从EEG通道到fMRI研究中的分区图谱一方面，脑连接体研究的最佳包裹方法尚未可用[53]。另一方面，收敛证据表明，不同的节点定义方法可能导致大脑网络的不同属性[54]。因此，需要使用多种神经成像技术和节点定义的脑网络构建的新进展，也可以作出其他努力来探索新的方法（例如，元连接体分析[122，123]），这可能导致跨研究的可靠总结结果。随着疲劳相关神经影像学研究的不断增加，我们对精神疲劳的神经机制的认识将在不久的将来取得重要进展。6. 结论本文简要介绍了脑连接体技术的发展及其在揭示精神疲劳神经机制我们希望本文能帮助那些有兴趣将脑连接技术应用于疲劳研究的尽管全面揭示精神疲劳的机制仍然存在障碍，但预防与疲劳相关的不良后果的诱惑力很强。在神经人体工程学这一迅速发展的领域，更好地揭示精神疲劳的神经机制的方法的发展正在不断发展和演变，以拥抱新技术。我们相信，脑连接体不仅可以用于阐明潜在的神经机制，而且可以用于自动检测和分类精神疲劳。确认本工作得到了浙江大学“百人计划”（授予孙宇）、中央高校基础研 究 基 金 （ 2018QNA5017 ， 授 予 孙 宇 ） 和 国 家 自 然 科 学 基 金（81801785，授予孙宇）的支持作者还要感谢新加坡国立大学对新加坡神经技术研究所认知工程组的支持（R-719-001-102-232，授予Nitish Thakor）。这项工作得到了新加坡教育部（MOE 2014-T2-1-115，授予Anastasios Bezeri- anos）和上海帆船计划（17 YF1420400，授予Peng Qi）的部分支持。遵守道德操守准则Peng Qi、Hua Ru、Lingyun Gao、Xiaobing Zhang、TianshuZhou、Yu Tian、Nitish Thakor、Anastasios Bezerianos、JinsongLi和Yu Sun声明他们没有利益冲突或财务冲突需要披露。引用[1] 麦克沃思在长时间的视觉搜索中警惕性的下降。QJ E