健康人格的静息态fMRI脑网络特征分类

摘要

目的:克服传统人格特质脑机制研究领域研究策略方面的局限,遵循"以脑为中心"研究策略,采用数据驱动方法,从个体脑影像特征出发,以脑功能网络在不同个体间的变异为出发点探索并发现能够最大程度解释这种变异的人格特质. 方法:在西门子3. 0T磁共振环境下，采集123名健康成人的静息态fMRI数据，采用艾森克人格问卷(Eysenck Personality Questionnaire,EPQ)、卡特尔16种人格因素问卷(Sixteen Personality FactorQuestionnaire,l6PF)、大五人格量表简化版(NEO-FFI)收集每名被试24种人格特质特点。采用“连接组计算系统”(Connectome Computation System,CCS)对脑影像数据进行预处理，采用数据驱动方法(Generalized ranking and averaging independent component analysis by reproducibility,gRAICAR)深入挖掘被试脑影像特征，依据个体间静息态脑功能网络变异情况将被试群体划分为不同组别，并提取出不同组别被试的静息态脑活动特征，用收集到的心理学变量(来自于三种人格特质理论的共24种人格特质特点)对所有组别进行验证和解释，将体现个体间变异的不同组别的静息态脑活动特征与心理学变量关联起来。 结果:5种静息态脑功能网络(楔前叶一顶下小叶网络、凸显网络、左侧额一顶网络、感觉运动网络和默认网络)的功能连接强度与6种人格特质(开放性、外倾性、世故性、兴奋性、怀疑性和精神质)得分(分组)情况显著相关，即根据相应静息态脑功能网络活动程度的大小，可以将具有与该网络密切相关的某种人格特质的个体从人群中区别开来。 结论:6种人格特质(EPQ:外倾性、精神质;NEO:开放性;16pf:世故性、兴奋性、怀疑性)相较于其余18种人格特质，不仅以大脑神经活动为基础，与人格特质量表编制者主观经验独立，而且具有更强的脑影像活动特征解释力。