大学生焦虑人群情绪冲突反应的脑功能网络研究

Vol. 39 No. 2 2020年4月

Chinese Journal of Biomedical Engineering

April 2020

大学生焦虑人群情绪冲突反应的脑功能网络研究

季淑梅4

苏新乐荀兴苗步鑫鑫许全盛

(燕山大学电气工程学院生物医学工程研究所，河北省测试计量技术及仪器重点实验室，

河北秦皇岛 066004)

摘要：利用基于图论的复杂网络分析方法，对脑网络的拓扑结构和属性进行分析，探讨大学生焦虑人群情绪冲 突反应的脑功能网络特点。选取焦虑组和正常对照组各16名志愿者，进行情绪词-面孔stroop冲突任务，同步记录

导脑电（EEG)数据。分别对beta(14〜30 Hz)和高gamma(50〜80 Hz)节律的EEG数据进行同步似然分析，选择

合适阈值构建脑网络拓扑结构，并计算网络的节点度和聚类系数。结果显示，在beta和高gamma节律中，焦虑组 额叶、颞叶及顶叶等脑区存在异常连接，额叶和顶叶的节点度均小于正常组的数值<〇.〇5)，而颞叶的节点度均 高于正常组的数值（P <〇.〇5)(如在beta节律，焦虑组额叶FP1、顶叶CP1和颞叶T7电极处的节点度分别是5.21±

0.62、6.25±0.53、7.91±0. 71，而正常组的节点度分别为10.42±1.53、7.94±0.55、3.55±0. 36)，表明焦虑人群额顶

叶功能减弱而颞叶功能异常增强；焦虑组脑网络的聚类系数低于正常组的值（P <〇.〇5)(焦虑组beta和高gamma 节律的聚类系数分别是 0.523 8±0.039 2、0. 586 4±0.055 8,而正常组分别为 0.603 2±0.071 1、0. 6 7±0.060 1)， 表明焦虑人群的脑网络内部集团化程度、网络的信息传输能力下降。通过研究，为探索焦虑症、抑郁症等心理、精 神类疾病的神经机制提供新的视角。

关键词：焦虑；脑网络；同步似然分析；stroop冲突中图分类号：R318

文献标志码：A

文章编号：0258-8021( 2020) 02-0145-07

Study on Brain Function Network of Emotional Conflict Response

in College Students with Anxiety

Ji Shumei *

Su Xinle Xun Xingmiao

Bu Xinxin

Xu Quansheng

(Institute of Biomedical Engineering, Yanshan University, Measurement Technology and Instrumentation

Key Lab of Hebei Province, Qinhuangdao 066004, Hebei, China )

Abstract ： The aim of this work is to analyze the topological structure and properties of brain network with complex network analysis method based on graph theory exploring the characteristics of brain functional network in emotional conflict response on anxious population of college students. Sixteen volunteers in the anxiety group and the normal control group were selected for the emotional word-face stroop conflict task, and EEG were recorded simultaneously. The EEG data with beta( 14 ~ 30 Hz) and high gamma(50 〜80 Hz) were analyzed by synchronous likelihood analysis, and the appropriate threshold value was selected to construct the brain network topology, and the node degree and clustering coefficient of the network were calculated. Results showed that in beta and high-gamma rhythms, there were abnormal connections in the brain areas including frontal lobe, temporal lobe，and parietal lobe in anxiety group, and the node degree of frontal lobe and parietal lobe was lower than that of normal group (P<0. 05) , while the node degree of temporal lobe was higher than that of the normal group (P<0. 05) (in beta rhythm,the node degrees of the frontal FP1 , parietal CPI and temporal T7 electrodes were 5. 21 ±0.62，6. 25±0. 53，7. 91 ±0.71 respectively in anxiety group and 10. 42± 1.53，7. 94土 0. 55, 3. 55 ±0.36 in the normal group, indicating that the function of frontal lobe and parietal lobe were

doi： 10.3969/j.issn.0258-8021. 2020. 02.03 收稿日期：2019-08-30,录用日期：2019-11-05 基金项目：国家自然科学基金（61573305)

* 通信作者（Corresponding author)，E-mail: shumeijill0@ 126.com

146

中国生物医学工程学报39卷

decreased in the anxiety group, while the function of temporal lobe was increased. The clustering coefficient of the brain network in the anxiety group was lower than that in the normal group ( P <0. 05 ) ( the clustering coefficients of beta and high gamma rhythm in anxiety group were 0. 523 8 ±0. 039 2 and 0. 586 4±0. 055 8, respectively，while those in normal group were 0• 603 2±0. 071 1 and 0. 6 7±0. 060 1 )，which indicated that the degree of internal clustering of the brain network in the anxious group and the information transmission ability of the network were decreased. This study can provide a new perspective for the neural mechanism research of psychological and mental diseases such as anxiety and depression.

Key words ： anxiety ； the brain network; synchronous likelihood analysis； Stroop conflict

引百

焦虑障碍是最常见、最普遍的心理及精神障碍 疾病，焦虑症患者不仅表现为情绪障碍，也存在注 意、记忆、学习等认知功能障碍，因而严重影响其自 身的工作及生活。情绪冲突控制一直是认知神经 科学的重要研究领域，情绪冲突是指无关的情绪性 刺激对当前认知任务的干扰[|]，无法有效控制和解 决情绪冲突是焦虑症、抑郁症等情绪障碍的典型症 状[2_5]。对情绪冲突进行有效的监控，无论是对正 常认知功能的发挥还是对情绪障碍的治疗都具有 重要作用。

目前，对焦虑症脑功能的研究主要集中于认知 行为>8]、孤立脑区活动状态[大学生是当前社会最活跃、最敏感、也是最容 易出现各种心理问题的一类群体，近年来随着社会 竞争的加剧，在学习、考试、经济、感情失落以及就 业等各种压力下，焦虑症及抑郁症的发病率和自杀 率越来越高。本研究应用同步似然方法分析网络 整体属性和节点属性，探讨大学生焦虑人群情绪冲 突反应的脑功能网络特点，从网络水平探讨认知功 能机制，为焦虑症、抑郁症等心理、精神类疾病的神 经机制研究提供新视角。

1方法

l.i 实验对象

在校大学生32名。

1)焦虑组（16名，男女各8名）。人组标准：①

汉密尔顿焦虑量表（HAMA)分数>14分；②17项汉

密尔顿抑郁量表（HAMD17)分数<17分；③既往没 有焦虑症、抑郁症或其他精神疾病史；④排除脑器 质性疾病，无电休克和严重躯体疾病史；⑤近4周未 服用过任何抗精神病药、抗抑郁药、抗躁狂药物， 24 h内未曾服用催眠镇静药或者精神活性物质；⑥ 右利手，视力或矫正视力正常。

2)正常对照组（16名，男女各8名）。人组标 准:①汉密尔顿焦虑量表（HAMA)分数<7分。其他 ②③④⑤⑥标准同焦虑组。

正常对照组与焦虑组在性别构成、年龄、受教 育年限上的差异均不显著。所有被试在实验前需 经过焦虑自评量表（SAS)、贝克抑郁量表（BDI)的 评定（SAS得分：焦虑组> 54，正常对照组< 31; BDI 得分：正常对照组与焦虑组均< 13)，确保被试分组 的有效、可行。所有被试均签署知情同意书。

1.2 实验任务

实验任务为“情绪词-面孔Stroop冲突”范式，实 验材料选自NimStimFaceSet人脸图片库，面孔图片包 含20张开心（10男，10女）和20张悲伤（10男，10 女），使用Photoshop软件将情绪词“开心”和“悲伤” 用红色字体写在图片人脸鼻翼的两侧，构成复合图片 作为实验任务材料，如图1所示。其中，一致条件是 面部表情与所写情绪词一致，即“悲伤”写在悲伤的 面孔上或“开心”写在开心的面孔上；冲突条件是面 部表情与所写情绪词不一致，即“开心”写在悲伤的 面孔上或“悲伤”写在开心的面孔上。

任务序列由E-Prime 2.0软件编写，序列呈现 方式如图2所示。每个试次开始，屏幕呈现

图1

实验材料

Fig.l The experimental materials

2期季淑梅，等：大学生焦虑人群情绪冲突反应的脑功能网络研究147

400 ms

小于£的概率为

pI,j= •

< I i-j\\ < t〇2(2)

式中：卜I是求两个向量之间的欧氏距离；0U)是

Heaviside阶梯函数；w,和w2是两个窗，w,用于消

除自相关的Theiler修正，用来提髙时间分辨率，两者必须满足

若M通道脑电信号中与内嵌向量之间的距

图2 实验任务序列

离小于的内嵌向量；有//,1;个，则对于&道信 Fig.2 The experimental task sequence

号和另外M-1道信号；和7'时刻的似然同步值 定义为

“+”注视点400 ms;间隔300~500 ms后，呈现刺激 如果丨七，,.U

<

则

图片（呈现时间1 〇〇〇 ms);间隔800~ 1 200 ms后， 开始下一试次。要求被试对呈现的面孔表情做出 sk.i，i =Hi.i ~ 1

M - 1

(3)

判断反应（忽略情绪词），对“开心面孔”按鼠标 如果1义

则

“左”键，对“悲伤面孔”则需按鼠标“右”键。

f = 0

(4)使用美国Neuroscan 导脑电（EEG)记录与分 然后对7求平均，得到*道信号和另外M-1道 析系统采集EEG，以单侧乳突为参考，离线处理时 信号i和7'时刻的似然同步值，即

转为双侧乳突参考，E-prime2.0软件同时记录反应 正确率等行为数据。使用Scan 4.5软件离线处理 足.‘

2(<

^ I ) 0/J < lj-

I

数据，实现参考转换、去除眼电、伪迹校正、带通滤 1.4脑网络构建

波等预处理。按照被试的按键反应标签，对反应正 大脑的认知选择及工作记忆等高级认知功能 确的EEG数据进行分类、分段（分段时程为：刺激呈 与快速震荡的beta与gamma频段密切相关[13_，本 现前100 mS到刺激呈现后1 000 ms,即-100 ~ 研究探讨beta和高gamma频段内的脑网络特性。

1 000 ms,以-100 ms数据作为基线），获得冲突任 大脑额叶、顶叶及颞叶主要参与情感认知、冲 务（即面部表情与情绪词不一致）的EEG数据段 突监控等高级认知功能，枕区负责视觉信息处理， (每个被试选取30段相同标签的EEG数据段进行 本研究选取额、顶、颞及枕区代表性的36个电极信 分析），分别提取EEG的beta节律（I4〜30 Hz)和 号，将EEG记录电极作为节点，利用同步似然分析 高gamma节律（50 ~ 80 Hz)信号，用于脑网络的构 方法，计算两两节点之间的同步似然值，建立同步 建与分析。似然系数矩阵；设置合适阈值7\\对关联矩阵进行二 1.3 实验方法

值化（大于r的值设为1,其他设为0)，得到图论中 本研究采用同步似然算法，分析多通道EEG信 表示边的二值矩阵，同步似然系数矩阵即转换成拓 号之间的同步程度，使用同步似然值度量不同脑区 扑结构。利用基于图论的脑网络参数计算方法，计 之间的关联性大小。

算网络的节点度（节点属性指标）和聚类系数（整体 假设同时记录的M通道脑电信号序列为心.,， 属性指标）。

其中A表示信道数量1,i表示信号记

分析比较焦虑组、正常组beta和高gamma节律 录的时间点（；=1,2,...，斤），对每一通道信号利用时

脑网络的节点度和聚类系数，数据以均值±标准差

间延迟重建内嵌向量，即

U±S£»)表示。用SPSS20. 0软件进行被试组别（焦

^k.i ~ iXk,i iXk,i + l

( ^ )

虑、正常）X信号节律（beta、高gamma)的两因素重 式中，/和m分别表示时间延迟和嵌人的维数。

复测量方差分析，若存在交互效应，则进行简单效任意两个内嵌向量和之间的欧式距离

应分析。

148

中国生物医学工程学报39卷

2结果

图3所示为16例被试的平均同步似然系数矩

2.2阈值选取

已有研究表明h4],当网络平均节点度（元）大于

2.1同步性分析

阵，同步似然值越接近1，说明节点间的相关性越 强。对比正常组，焦虑组的颞区同步似然值较大， 而额区和顶区的同步似然值都低于正常组的值；且 两组高gamma节律的同步似然值均高于beta节律 的同步似然值。这表明，在情绪冲突状态下，对比 正常组，焦虑组颞区同步性增强，额区和顶区同步 性减弱。

节点数（A0的自然对数，即^>2In/V(/V=36)= 7. 167 时，同时网络稀疏度小于50%才能确保构建有效网 络。图4所示为设置不同阈值（0. 05 :0. 01 :1)时网 络平均节点度和稀疏度的变化，满足要求的阈值范 围7^ [0.07, 0.25];选取适中阈值r=0. 15构建脑 网络并进行统计学分析，该脑网络拓扑结构如图5 所不。可以看出，在beta节律和高gamma节律下, 与正常组相比，焦虑组额叶和顶叶的脑网络连接减 弱，颞叶的脑网络连接增强，且高gamma节律的脑 网络连接强于beta节律的脑网络连接。

(c)

图3

(d)

同步似然系数矩阵。（a) beta节律（正常组）；（b) beta节律（焦虑组）；（c)高gamma节律（正常组）；（d)高

gamma节律（焦虑组）

Fig.3 Synchronization likelihood matrix.

( a ) Beta rhythm ( the normal group) ； ( b ) Beta rhythm ( the anxiety

group) ; (c) High gamma rhythm (the normal group) ； (d) High gamma rhythm (the anxiety group)

2期

季淑梅，等：大学生焦虑人群情绪冲突反应的脑功能网络研究

149

^焦虑组beta节律

■*—正常组beta节律 •i—焦虑组高gamma节律 e—正常组高gamma节律

图4脑网络平均节点度、稀疏度随阈值变化。（a)平均节点度；（b)稀疏度

Fig.4 The change of average node degree and sparsity degree with threshold value in brain network. ( a) The average node degree；

( b) The sparsity degree(a) (b) (c) (d)

图5脑网络拓扑结构。（a) beta节律（正常组）；（b) beta节律（焦虑组）；（c)高gamma节律（正常组）；（d)高

gamma节律（焦虑组）

Fig.5 Topology of brain network, (a) Beta rhythm (the normal group) ; ( b) Beta rhythm (the anxiety group)； (c) High gamma rhythm (the normal group) ； ( d) High gamma rhythm (the anxiety group)

2.3参数分析

律的值。

表i为对网络节点度的统计分析结果，重复测 量方差分析的结果显示：被试组别（焦虑、正常）的

3 讨论

主效应显著（6,3。= 8. 15，<0. 05)，信号节律（beta、 本研究探讨了焦虑人群情绪词-面孔冲突任务 高83〇)1加）的主效应显著（/'|.3。= 5.24，户<0.05)，被 下beta和高gamma节律的脑网络特性，结果显示: 试组别与信号节律的交互作用显著（6.3。= 6.67，P<

焦虑组脑网络同步似然值、节点度在额区和顶区低 〇.〇5)。进一步的简单效应分析表明，焦虑组额区

于正常组的值，而在颞区高于正常组的值；焦虑组 和顶区的脑网络节点度值均小于正常组的值，颞区 脑网络的聚类系数较正常对照组的值减小。

的节点度大于正常组的值，且对应条件下高gamma 同步似然值是衡量脑皮层各区域间同步水平 节律脑网络平均节点度值大于beta节律的值。

的重要指标，而同步水平反映大脑活动的整合作 对脑网络聚类系数（见表2)进行重复测量的方 用；节点度是反映网络特性的重要参数，节点度越 差分析结果显示：被试组别的主效应显著（6.,。= 大则该节点的连接就越多，节点在网络中的地位也 8.43，P <0. 05),信号节律的主效应显著（F, 3。= 就越重要；聚类系数也称为集聚系数，是衡量网络 7. 33,P <0.05)，被试组别与信号节律的交互作用 整体属性的重要指标，是衡量脑功能网络内部集团 显著（F,M = 7.21，P < 0.05)。进一步的简单效应 化和连接紧密程度、度量网络的信息传输能力的重 分析表明，焦虑组脑网络聚类系数值小于正常组的 要参数。本研究表明，焦虑人群在情绪词-面孔冲 值，且高gamma节律脑网络聚类系数值大于beta节

突任务下，额叶和顶叶的同步性及功能连接减弱，

150中

表1

国生物医学工程学报39卷

额区、顶区及颞区节点度U±SZ)) (w = 16)

Tab.l The node degree of fronta里 area,parietal area and temporalarea (x±SD) (n-= 16)

beta节律

高gamma节律

焦虑组5.21±0.62*#5.33±0.516.83±0.74*#7.83±0_82“7.22±0.70*#8.82±0.82*#6.25±0.53*#7.22±0.*#7.22±0.43*#7.94±0.33*#7.24±0.23*#5.83±0.44*#7.91±0.71 *#9.23±0.9*#10.21±0.92*#8.24±0.748.23±0.54,#9.33±0.84

正常组12.35±1.738.65±0.9211.86±1.0511.76±1.0213.82±1.4213.57±1.4810.51±0.8211.70±1.0211.62±1.1411.93±1.0411.52±0.939.88±0.675.37±0.436.02±0.635.95±0.545.92±0.436.13±0_627.34±0.85

焦虑组6.93±0.75*6.72±0.70*7.55±0.81 *8.75±0.93*8.±0.81 •9.65±1.03_7.93±0.45'8.95±0.67*8.92±0.54*10.86±0.75*9.74±0.39*6.94±0.53*10.66±1.07*11.4±1.18*11.86±1.15'12.40士1.21 •10.62±0.83*11.56±1.03*

脑区额区

节点FP1FP2AF3AF4F3F4

正常组10.42±1.53*7.78±0.92#10.76±1.23#10.92±1.14#12.53±1.43#12.43±1.*7.94±0.55*8.84±0.658.74±0.73#9.54±0.86*8.84±0.347.65±0.54*3.55±0.36#4.34±0.35#4.24±0.25#5.32±0.41#4.42±0.31#4.34±0.35#

顶区CPICP2CP3CP4P3P4

颞区T7T8C5C6CP5CP6

注：•尸<0.05正常组 / /^〈o.os ts高gamma节律。

Note： * P<0. 05 vs normal group, # P<0. 05 vs high gamma rhythm.

表2脑网络平均聚类系数UMD) (n = 16)

反应更加敏感，提示焦虑患者额顶叶功能出现异 常，情绪控制能力下降，情绪冲突的反应选择及冲 突解决能力减弱。

Tab.2 The average clustering coefficient of brain network (x±SD) («= 16)

信号节律beta节律高gamma节律

正常组0.603 2±0. 071 10. 6 7±0. 060 1

焦虑组

0. 523 8±0. 039 2 *#0.586 4±0. 055 8*

4结论

本研究从脑网络水平探讨了焦虑人群的脑功

注：• P<0.05 t丨5正常组，# P<0.05 w高gamma节律。

Note： * P<0. 05 vs normal group,* P<0. 05 vs high gamma rhythm.

能特点，提示额顶叶执行控制网络受损，其对颞叶 杏仁核活动的调节功能下降、杏仁核活动异常增 强，与焦虑症状和焦虑特质的发生密切相关。本研 究可为焦虑症、抑郁症等心理、精神类疾病的神经 机制研究提供新视角。

本研究以EEG信号源构建、分析脑网络，EEG 信号虽包含丰富的频率信息，但也包含自发脑电活 动；而事件相关电位（event-relatedpotential，ERP )是 对人体进行认知任务或进行某种心理活动时的

而颞叶的相关指标增强；焦虑组脑网络的内部集团 化及连接紧密程度降低，脑网络的信息传输能力 下降。

额顶叶网络，即执行控制网络，主要参与对负 性情绪和冲突的高级认知，具有冲突监控、 强化学习、错误探测等功能[~7];颞叶与记忆和情 感有关，颞叶前部的杏仁核是调节情绪的核心区 域||8“9]。情绪冲突的监控是通过额顶叶网络对杏 仁核活动自上而下的抑制来完成，即额顶叶网络的 活动增强导致杏仁核活动降低、对情绪的敏感性降 低，促进情绪冲突的解决[2°'22]。Kaiser等的研究表 明，抑郁症患者的额顶控制网络内部的功能连接显

著降低[23]。本研究中焦虑症的脑网络特征与之类 似，焦虑患者的额顶叶功能减弱而颞叶功能增强， 可能是由于额顶叶网络功能减弱、杏仁核活动 的能力下降，导致杏仁核的活动增强，患者对情绪

EEG经过平均叠加所获得的电位，因剔除了脑自发

电位的影响，能够实时反映认知过程中脑神经元活 动的变化，又被称为认知电位。基于ERP的脑功能 网络特性分析，将是认知神经科学研究的重要手段。

参考文献

[1 ]

Etkin A, Egner T, Peraza DM, et al. Resolving emotional conflict ： A role for the rostral anterior cingulated cortex in modulating activity in the amygdala[ Jj. Neuron, 2006,51(6)： 871-882.

2期

季淑梅，等：大学生焦虑人群情绪冲突反应的脑功能网络研究

151

[2 ]

Rocher ARD, Pickering AD. Trait anxiety, infrequent emotional [14]

Duan Lian, Zhang Yujin, Zhu Chaozhe. Quantitative comparison conflict, and the emotional face Stroop task [ J ]. Personality & of restingstate functional connectivity derived from fNIRS and Individual Differences, 2017, 111： 157-162.

fMRI： A simultaneous recording study [ J]. Neuroimage, 2012, [3 ] Dennis TA, Chen CC. Trait anxiety and conflict monitoring 60 (4) ：2008-2016.

following threat： An ERP study [J]. Psychophysiology, 2010, [15]

Niendam TA, Laird AR, Ray KL, et al. Meta-analytic evidence 46( 1) ：122-131.

for a superordinate cognitive control network subserving diverse [4 ] Larson MJ, Clawson A, Clayson PE, et al. Cognitive conflict executive functions [ J ]. Cognitive Affective & Behavioral adaptation in generalized anxiety disorder [ J —: . Biological Neuroscience, 2012, 12( 2) ：241-268.

Psychology, 2013, 94(2) :408-418.

[16]

Callejas A, Lupiftftez J, Funes MJ, et al. Modulations among the [5 ] Xue Song, Wang Shanshan, Kong Xia, et al. Abnormal neural alerting, orienting and executive control networks [ J ]. basis of emotional conflict control in treatment-resistant Experimental Brain Research, 2005, 167( 1) ：27-37.

depression ： An event-related potential study [ J ]. Clinical EEG [17]

Guangheng Dong, Xiao Lin, Marc N Potenza. Decreased & Neuroscience, 2017, 48( 2) ： 103-110.

functional connectivity in an executive control network is related [6 ] Lewis AR, Zinbarg RE, Mineka S, et al. The relationship to impaired executive function in Internet gaming disorder [ J ]. between anxiety sensitivity and latent symptoms of emotional Prog Neuropsychopharmacol Biol Psychiatry, 2015, 57(57) ：76- problems ： A structural equation modeling approach [ J . 85.

Behaviour Research & Therapy, 2010, 48(8) ：761-769.

[18]

Sergerie K, Lepage M , Armony JL. A process-specific functional [7 ]刘丽，郑涌，杨集梅，等.特质焦虑者错误反馈下的情绪-认 dissociation of the amygdala in emotional memory[ J] . Journal of 知偏向：事件相关电位研究[J].中国心理卫生杂志，2009, Cognitive Neuroscience, 2014, 18( 8) ： 1359-1367.

23(3) ：224-227.

[19]

Harris RJ, Young AW, Andrews TJ. Dynamic stimuli

[8 ]张玲，潘润德，陈强，等.焦虑症认知行为治疗与药物治疗 demonstrate a categorical representation of facial expression in the 对照研究[J].临床精神医学杂志，2008, 18( 1) :12-14.

amygdala [J]. Neuropsychologia, 2014, 56( 100) ：47-52.

[9 ]童梓顺，肖攀攀，刘资.广泛性焦虑症首次发病患者治疗前 [20]

Kim H, Somerville LH, Johnstone T, et al. Inverse amygdala and 后前额叶皮质及海马神经生化物质的变化[J].临床精神医 medial prefrontal cortex responses to surprised faces [ J ]. 学杂志，2015(1) :23-26.

Neuroreport, 2003, 14 ( 18 ) ： 2317-2322.

[10] Qin Shaozheng, Young CB，Duan Xujun, et al. Amygdala [21]

Etkin A, Prater KE, Hoeft F, et al. Failure of anterior cingulate subregional structure and intrinsic functional connectivity predicts activation and connectivity with the amygdala during implicit individual differences in anxiety during early childhood [ J ]. regulation of emotional processing n generalized anxiety disorder Biological Psychiatry, 2014, 75( 11 )：2-900.

[J]. American Journal of Psychiatry, 2010, 167(5) ： 545-554.

[11] 王玮，钱绍文，刘锴，等.广泛性焦虑障碍发病机制的静息

[22]

Kim MJ, Gee DG, Loucks RA, et al. Anxiety dissociates dorsal 态功能磁共振成像[J].中国医学影像技术，2016, 32(3): and ventral medial prefrontal cortex functional connectivity with 358-362.

the amygdala at rest[J]. Cerebral Cortex, 2011 , 21 (7) ： 1667- [12]

阎锐，姚志剑，韩莉，等.抑郁症患者静息态脑活动与焦虑症

1673.

状的相关性[J].中华行为医学与脑科学杂志，2012, 21[23]

Kaiser RH, Andrews-Hanna JR, Wager TD, et al. Large-scale (11)：988-990.

network dysfunction in major depressive disorder： a meta-analysis [13]

Engel AK,Singer W. Temporal binding and the neural correlates of resting-state functional connectivity [ J ] . JAMA Psychiatry, of sensory awareness[ J]. Trends Cogn Sci,2001 , 5(1)： 16-25.

2015, 72(6) ：603-611.