人岛叶处理与模式无关和疼痛选择性学习信号-厦门杂志期刊论文发表
比约恩·霍林 ，克里斯蒂安·比切尔
出版日期： 2022年05月06日
抽象
当预期事件或感官输入与实际事件或感官输入之间存在差异时，会产生预测误差（PE）。岛叶是参与疼痛处理的关键大脑区域，研究表明，岛叶编码意外结果（未签名PE）的大小。除了发出这种一般幅度信息的信号外，PE还可以提供有关这种偏差方向的具体信息，即事件是比预期更好还是更差。目前尚不清楚岛叶中未签名的 PE 反应是对疼痛的选择性治疗，还是反映了对厌恶事件的更一般处理，无论其方式如何。目前还不清楚岛是否可以处理已签名的PE。了解这些特定机制对于理解疼痛在健康和慢性疼痛条件下大脑中如何处理具有重要意义。在这项研究中，47名参与者在进行功能性磁共振成像（fMRI）和皮肤电导反应（SCR）测量时，学习了2种条件刺激（CS）与4种无条件刺激（US;疼痛的热量或响亮的声音，各一种低强度和一种高强度）之间的关联。我们证明，无论形式如何，前岛叶的激活与未签名强度的PE相关，表明非特异性厌恶的意外信号。相反，体征强度 PE 信号是特定于模式的，疼痛后有体细胞征兆，但位于后岛背（与疼痛强度处理相关的区域）没有声音。以前的研究已经确定岛叶功能异常和学习异常是疼痛时间化的潜在原因。我们的研究结果将这些结果联系起来，并表明在岛叶皮层中学习相关PE的虚假陈述可能是慢性疼痛的潜在因素。
引文： Horing B，Büchel C（2022）人类岛叶处理模式无关和疼痛选择性学习信号。PLoS Biol 20（5）：e3001540。https://doi.org/10.1371/journal.pbio.3001540
学术编辑： 克里斯托弗·萨默菲尔德，牛津大学，英国
收到： 十二月 18， 2021;接受： 四月 15， 2022;发表： 五月 6， 2022
版权所有： ? 2022 Horing，Büchel。这是一篇根据知识共享署名许可条款分发的开放获取文章，该许可允许在任何媒体上不受限制地使用，分发和复制，前提是注明原始作者和来源。
数据可用性： 摘要数据的所有数据文件均可从开放科学基金会获得，地址为 https://osf.io/7jbv3/， DOI 10.17605/OSF。IO/7JBV3.
资金： 这项研究得到了德国研究基金会（DFG）资助的SFB 289项目A02（Project-ID 422744262-TRR 289）（CB）和欧洲研究委员会资助的ERC-AdG-883892-PainPersist（CB）。资助者在研究设计，数据收集和分析，出版决定或手稿准备方面没有任何作用。
相互竞争的利益： 作者宣布不存在相互竞争的利益。
缩写：： CS，条件刺激;EPI，回波平面成像;功能磁共振成像，功能性磁共振成像;蒙特利尔神经学研究所MNI;PE，预测误差;SCR，皮肤电导反应;美国，无条件刺激;VAS，视觉模拟刻度
介绍
除了在组织损伤信号传导中的作用外，疼痛在强化学习模型的背景下越来越被认为是一种突出的教学信号[1，2][3]。例如，经典恐惧条件反射中的δ规则学习模型，如Rescorla-Wagner模型[4]，几乎完全使用疼痛作为无条件刺激（US）。在这个模型和类似的模型中，预测线索（条件刺激，CS）的值通过预期和经验结果之间的差异（即预测误差（PE））来更新。在这种情况下，需要对PE进行签名，并发出预期和事件之间差异的方向信号，即结果是否比预期更好或更差。在像痛苦刺激这样的厌恶事件的情况下，这与塑造未来的行为有关。强化学习尤其依赖于这些效价，并且据报道，与食欲PE相比，厌恶性神经元相关性不同[5-8]。这具有重要的临床意义，因为慢性疼痛中已有病理学习机制的报道[1，9]。
但是，PE 也可以计算为无符号 [10–12]。无符号 PE 仅指示存在意外事件，而不管其价态如何。因此，未签名的PE在概念上与惊喜或显著性等结构相关，并且可能包含有关行为改变紧迫性的信息[13]。学习的计算模型可以包括任何一种类型的PE或两者兼而有之[4，10，14-16]，例如，Pearce-Hall模型将无符号PE作为在高度不协调（令人惊讶）事件后提高学习速率的因素[14，17]，而混合模型包含这两个项[10，17，18]。-厦门杂志期刊论文发表
先前研究过在厌恶学习背景下的PE的研究已经观察到与未签名PE相关的前岛叶信号变化[6，12，19-21]。不幸的是，在许多研究中，有符号的PE信号与刺激期望非正交，这带来了CS和US之间间隔较短的问题，以及功能性磁共振成像（fMRI）的低时间分辨率。因此，这些研究在调查签名PE方面并不理想。
鉴于未签名的PE类似于意外信号，它们可以合理地涉及所有令人惊讶事件的相似区域，而与刺激感官模式无关。至关重要的是，前岛叶未签名疼痛PE的表征[12，19]提出了一个问题，即这些疼痛是特定于疼痛还是仅与厌恶事件有关。使用比较器模式的控制条件对于梳理出疼痛刺激对观察到的大脑活动的独特贡献至关重要[19，22-24]。在这种设计中，模态PE可能是方差的重要来源。因此，另一个关键问题是了解在这些模态PE的处理过程中哪些大脑区域是活跃的，鉴于跨模态实验的相对稀缺，这是一个未被充分研究的方面。
为了进一步研究符号PE的存在和未签名PE的模态特异性，以及潜在的神经元机制，我们使用巴甫洛夫超强化器反转学习范式[25，26]。这涉及2个视觉刺激作为CS和2个强度的疼痛热或响亮的声音作为US（为简洁起见，这些被称为“疼痛”和“声音”）。在各种感觉方式中，刺激的显著性大致相当，如相似的皮肤电导反应（SCR）所示[27]。逆转发生在美国强度之间，但在美国模式内（例如，CS 预测低疼痛接下来将预测高疼痛）或在美国强度内，但在美国模式之间（例如，CS 预测响亮的声音接下来将预测高疼痛）。分析侧重于模态内和模态之间的精确定位，使用高分辨率fMRI的高级表面分析以及SCR。
我们预计SCR类似于未签名的PE，因为SCR通常被认为反映了与唤醒相关的激活[27-29]，因此PE的标志 - 代表其价态 - 不应该影响它。关于fMRI和先前使用疼痛刺激来研究PE的研究结果，特别是在多模式背景下[12，19，22，24，30]，我们专注于一个感兴趣的区域，包括与刺激对侧的岛叶和眼皮质，同时也报告了全脑结果。对于疼痛的处理，岛叶具有丰富的结构和功能（躯体）感觉连接，包括强大的内部连接[30-33]，因此岛叶具有特别重要的意义：已被证明背后岛叶优先参与疼痛刺激[22，34-37]].然而，岛屿处理，特别是在前段，也发生在感觉模式中，即与多模态整合和超模态维度的处理有关，如不愉快，显著性和PE处理[23，38，39]。关于PE，我们预计会复制先前的结果[12，19]，显示前叶岛中未签名PE的代表性。更重要的是，我们预计这种信号的发生与美国的模式无关（即，声音和疼痛）。为了与这种非特异性反应一致，我们还预计模式PE在前岛叶中具有代表性。然而，在这种情况下，差异的大小可能比强度PE更弱或更强：可能会出现较弱的信号，因为强度 - 以及显着性和其他一般方面 - 在预期和接收的美国之间没有区别;如果两种模式之间的质变主导了大脑反应，则可能会产生更强的信号。
由于符号强度PE与奖励（或救济）和惩罚等系统有直接的概念重叠，并且对适应性行为有很大的影响，因此我们将另一个重点放在它们的大脑相关性上。利用我们的新范式，我们也能够调查签名强度PE。专注于疼痛，我们期望它们要么表现为前岛叶的一个独特部分，要么在中后岛内。前者由2种强度之间的固有显著性差异引起，而后者则由有征的PE需要某种形式的强度编码的概念所提示，这在背后岛中已被观察到[22，35，40，41]。
结果
在2个会议中，每个会议有64个试验，47名参与者学习了2个CS（分形图片）与单独校准的US（2个痛苦的热强度和2个响亮的声音强度）的关联（图1A和1B）。在每次试验中，出现任何一种CS，然后是所有4个US的符号，参与者从中选择他们期望的美国（图1C）。然后申请了其中一个美国。CS-US关联是确定性的，但重要的是，关联经常逆转，必须在实验过程中重新学习（图2）。在随机数试验后，逆转在未经宣布的情况下发生。反转可以沿着模态维度或强度维度发生，但不能同时发生（例如，没有从低热量到高声音的反转）。有关设计和协议的更多详细信息，请参见材料和方法以及S1图。
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 1. 实验方案。
（A）实验的总体结构。校准大约需要15分钟，每次校准大约需要20分钟。（B）用于热刺激（热敏物）和声音刺激（耳机）的装置，在左臂上具有标准化位置，用于疼痛校准和2个实验过程中的任何一个。（C） 具有相关期限的审判结构。显示CS后，参与者被要求选择他们希望遵循的美国。然后应用美国，并根据其疼痛（疼痛）/不愉快（声音）进行评级。EDA，皮肤电活性;CS，条件刺激;美国，无条件刺激。
https://doi.org/10.1371/journal.pbio.3001540.g001
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 2. 学习实验的协议方面。
（A） 一套CS;为每个参与者随机选择2个（约束：由于高度相似性，第2行中的刺激永远无法同时选择）。（B）在任何特定试验中可能与CS相关的美国（低疼痛，高疼痛，低声音和高声音）。箭头表示可能的逆转;值得注意的是，没有发生强度和模式（交叉）逆转的组合。（C） CS1（黑色实线）和 CS2（白色实线）的突发事件示例，每节课 32 次试验。垂直虚线表示反转，浅虚线表示模态反转，深色虚线表示强度反转。（D） 64项试验的实际试验序列示例，其中穿插了CS1（黑色钻石）和CS2（白色钻石）及其相关的US（行）。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。CS，条件刺激;美国，无条件刺激。
https://doi.org/10.1371/journal.pbio.3001540.g002
行为结果：校准刺激强度
校准产生的温度为44.4±1.2°C，用于不太痛苦的刺激（25个视觉模拟量表[VAS]），46.8±对于更痛苦的刺激（75 VAS）。对于声音，校准对于不太响亮的声音（25 VAS）产生91.7±2.8 dBA，对于较大声音（75 VAS）产生97.9±3.7 dBA。校准刺激强度的分布显示在S2A图中。
行为结果：刺激评级
关于行为数据的第一个问题是评级是否与校准强度相对应（应该分别产生25和75的VAS）。实际低疼痛评分为15.4±14.8 VAS，高疼痛评分为66.8±21.3 VAS;低声音评级为29.2±21.0 VAS，高声音评级为63.3±19.4 VAS（图3A;参见S2B图，了解每个参与者的个人评级）。
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 3. 疼痛评级和表现的行为结果。
（A）低和高无条件疼痛和声音刺激的结果;所有疼痛和声音试验的汇总评级。带有误差线的圆圈显示所有参与者均值的平均±标准误差。参与者均值显示为较小的圆圈。小提琴图聚合超过参与者均值。灰色虚线是根据校准的“预期”额定值（低强度为VAS 25，高强度为VAS 75）。（B） 所有参与者在辩论前和之后的表现。圆圈表示（围）逆转试验期间的表现，首先在参与者内部和参与者之间取平均值（平均±标准误差）。虚线水平线标记机会级别（25%，即 4 个选项中的 1 个）。虚线垂直线表示意外逆转，相对试验编号 0 为逆转试验。请注意，在模式逆转之前和之后的试验与强度逆转之间没有差异（有关偶然性逆转的方面，另见图2）。此外，第0号试验之后业绩急剧增加，表明平均而言，迅速了解到新的应急措施。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。
https://doi.org/10.1371/journal.pbio.3001540.g003
行为结果：学习表现
下一个行为问题是参与者是否了解CS-US突发事件。图3B描述了预测当前与CS相关的美国与关联反转相关的平均表现。结合反转类型并比较逆转前、逆转和逆转后单次试验的表现，我们发现逆转前的表现高于机会水平（t[79] = 13.8，p ≈0），逆转表现低于机会（t[79] = ?15.9，p≈0），逆转后表现回到机会之上（t[79] = 19.5，p ≈ 0）。
使用具有逆转类型（模态与强度逆转）的线性混合效应模型和试验作为分类预测因子，我们发现逆转类型（p = 0.94）的均值差异，但试验（p = 1.2×10?7).事后对比表明，试验效果完全由逆转试验驱动（与所有其他试验相比，所有p<1×10?169），而非逆向试验彼此之间没有一个不同（所有 p > 0.1）。
皮肤电导反应结果
关于SCR结果的主要问题是，美国之间是否出现了任何差异，以及不同的PE类型将如何反映在这种对非特异性特征或过程（如唤醒，显著性或惊讶）的心理生理学测量中。SCR跟随声音的发生速度比热痛刺激之后的发声更快（图4A;参见有关不同反应窗口的材料和方法）。疼痛相关SCR的平均振幅高于声音相关SCR的平均值，但这种差异仅显示出显着性的趋势（主效应模式，t[4399] = ?1.7228，p = 0.08499;随机截距线性混合模型预测每个受试者和每个试验的SCR）。相反，与声音模式相比，疼痛模式中的低刺激和高刺激之间的差异更大（模式*强度，t[4399] = ?2.9739，p = 0.0029567）。平均而言，较高的刺激也会导致更大的振幅（主效应强度，t[4399] = 8.2743，p = 1.7 ×10?16).仅在正确预测的试验中研究这种差异，显示出对SCR的类似影响（模式，t[2674] = ?1.4379，p = 0.1506;强度，t[2674] = 8.0081，p = 2 ×10?15;模态*强度， t[2674] = ?4.6669， p = 3 × 10?6) (S3 图，S1 表）。
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 4. SCR 测量结果。
所有图均基于对数和 z 变换后的数据。（A） SCR与美国发病的关系，按美国的方式/强度分列。请注意 2 种模式之间的延迟差异（红色/黄色疼痛的发作较晚，声音较早，深蓝色/浅蓝色较早），这决定了面板 b 中用于平均 SCR 计算的响应窗口。 平均而言，不同模式之间的SCR没有显著差异。强度之间以及模态和强度的相互作用之间会出现差异（参见文本了解参数）。（C） 按美国和 PE 类型划分的平均 SCR。在所有模式和强度中，每种PE类型之间都会出现差异。在特定的模态/强度组合中，无 PE 和强度 PE 之间的差异仅在高声况下出现。（D） 逆转试验中和前后的均值SCR。在试验中，所有模式，强度和期望的数据都是汇总的，即不考虑参与者是否正确预测了随后的刺激。虚线垂直线表示意外逆转，相对试验编号 0 为逆转试验。SCR在逆转后急剧上升，但很快在节后适应到稳定的水平。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。intPE，强度预测误差;modPE，模态预测误差;noPE，正确的预测;PE，预测误差;SCR，皮肤电导反应;美国，无条件刺激。
https://doi.org/10.1371/journal.pbio.3001540.g004
进一步研究PE后的SCR差异，我们首先区分了当参与者正确预测美国与进行强度PE或模式PE的试验时的SCR（图4C）。以下统计数据包括所有做出错误预测的试验，而不仅仅是逆转。如第一个块（灰条）所示，在所有US和对模态和强度的控制中，未符号强度PE后的SCR大于无PE（intPE>noPE之后的SCR，t[4397] = 4.336，p = 2 ×10?05），而 SCR 跟随模态 PE 甚至更大（modPE > noPE，t[4397] = 12.345，p = 2 × 10?34;modPE > intPE， t[4397] = 6.398， p = 2 × 10?10).
值得注意的是，我们对强度PE的方向（即符号强度PE）是否有影响进行了辅助分析。我们分别获得了每种模式和强度的无PE试验和强度PE试验之间每个受试者的平均SCR差异，从而解释了与强度相关的碱基SCR较高;接下来，我们对比了低强度和高强度之间的这些（现在签名的）PE相关差异。对于疼痛，结果显示没有影响（低疼痛均值的PE相关SCR差异±SE 0.036±0.052，对于高疼痛0.0922±0.0622，成对t检验t[36]= ?0.725，p = 0.4731），而对于声音，出现了更模糊但不显著的结果（低声均值±SE 0.060±0.054的PE相关SCR差异，高声音0.199±0.054，配对t检验t[35] = ?1.931， p = 0.0616）。
在随后的4项分析中，我们分别调查了美国所有PE之后的SCR差异，这意味着所有强度PE现在都已签名。结果表明，全球分析的intPE>noPE效应是由高音美国（浅蓝色条，t[1119] = 4.732，p = 3 ×10?6;随机截距线性混合模型）;它不会在任何其他美国之后达到意义。相反，在美国，模态PE之后是较大的SCR（所有modPE>noPE p<0.001;最小效应modPE>intPE t[1090] = 2.045，p = 0.041079）。-厦门杂志期刊论文发表
图4D显示了整个美国对SCR的平均周期性试验效应。它显示，在模态和强度逆转期间，SCR大幅增加;请注意，此分析不考虑实际参与者的期望，仅考虑与逆转试验相关的位置。SCR在逆转试验期间最高，即使在一次试验后也能迅速达到较低的水平。比较术前试验和急诊后试验（试验?1至+1），如果发生模式逆转，SCR没有显着差异（p = 0.54704）;如果发生强度反转（p = 0.071164），情况也是如此。
成像结果
我们首先获得了美国模态相关效应（图5A和5B）和评级相关效应（图5B和5C）的概述。所有位置均使用蒙特利尔神经研究所 （MNI） 坐标 （XYZ） 进行报告断续器).正如预期的那样，在广泛的岛叶和眼睑区域，热刺激之后是更大的激活，最高峰在背后岛叶（XYZ断续器35.5/?17.9/21.4， T = 12.2， p[corr.] ≈ 0）。颞上回 （XYZ） 中声音刺激峰值后的激活断续器65.9/?23.8/10.2，T = 25.7，p[corr. wb.] ≈ 0），就在扩展的岛叶面罩外面。值得注意的是，热和声音主效应的结合显示中央眼部（XYZ）的激活断续器53.0/?10.3/15.1， T = 8.3， p[corr.] = 8 × 10?13），背前岛（XYZ断续器37.6/18.4/?7.0， T = 5.6， p[corr.] = 2 × 10?05），以及两种模式的峰值之间的几个区域。
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 5. 疼痛（红色/黄色）和声音（蓝色）后的大脑激活，包括根据联合分析（绿色）重叠。
激活覆盖在平均大脑表面上;出于显示目的，整个大脑侧视图的激活阈值为p[uncorr.] <0.001。放大视图中的黑线描绘了感兴趣区域，并包括在 p[corr.] < 0.05 处校正的小体积 FWE 内的激活。峰值仅针对小体积显示;条形图显示了从相应峰获得的一般线性模型（参见材料和方法）获得的BOLD激活的β权重。请参阅全脑峰值位置（S4 和 S6 图）和脑体积切片（S5 和 S7 无花果）的支持信息。（A）疼痛热刺激和大声声音刺激后的差异和共享激活。发热后的峰值激活位于刺激对侧的（周围）岛区域，即背后岛叶 （dpIns1），并延伸至中央和顶骨。声音之后的峰值激活位于上颞回中。普通活化（绿色）位于中央眼孔（CO1）和背前岛（aIns1），以及其他区域。（B） fMRI信号（任意单位），用于在面板A（美国起始效应）或C（通过额定值进行参数调制）中检测到的峰值。黑色矩形突出显示用于分析的回归量;实线表示使用相应的单个回归量进行分析，虚线表示连词分析。fMRI信号标签是指用于每种模态的回归量：“主要”表示模态的主要效应，“评级”表示行为评级，“modPE”表示模态PE，“uIntPE”表示无符号强度PE，“sIntPE”表示符号强度PE。（C）与疼痛等级（针对热量）和不愉快评级（针对声音）的差异和共享相关性。与疼痛评分相关的激活主要集中在背侧后岛叶 （dpIns1).与声音评级相关的激活集中在上颞回上。中央眼窝的结合激活峰（CO2） 和中央前回。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。大胆，血氧水平依赖;功能磁共振成像，功能性磁共振成像;FWE，家庭明智的错误;PE，预测误差;美国，无条件刺激。
https://doi.org/10.1371/journal.pbio.3001540.g005
接下来，我们测试了与刺激感知相关的fMRI反应，即疼痛和声音VAS评级（图5B和5C）。对于疼痛评级，背后岛（XYZ）出现关联断续器= 35.2， y = ?17.4， z = 18.6， T = 7.2， p[corr.] = 1 × 10?09).对于声音评级，我们观察到一个紧邻小表面的峰值（XYZ断续器59.8， y = ?33.9， z = 5.4， T = 4.8， p[corr.] = 0.016）。疼痛和声音等级之间的常见激活在中央眼眶（XYZ断续器53.2， y = ?2.7， z = 8.9， T = 4.8， p[corr.] = 0.001）。值得注意的是，中央眼睑峰（CO2在图5C中）位于模式（主效应）连接（CO）发现的略微前方1在图5A中），但几乎没有显示任何声音模态激活;相反，峰值 aIns1 表示此处未对评级效应进行编码。有关其他激活，请参阅支持信息（S4 和 S6 图）。
无符号强度预测误差
在确定了严格的刺激相关效应之后，我们的下一个分析包括对任何一种模式内部和之间未标强度PE的调查（图6）。这里的指导问题是，这些模式之间是否会出现任何差异和共同点。由于我们使用的是参与者的实际期望，这里的“预测误差”意味着参与者明确地期望一种强度，但接收到另一种强度。因此，未签名的PE意味着某种程度的惊喜。
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 6. 在疼痛（红色/黄色）和声音（蓝色）的未签名强度预测误差后的大脑激活，包括根据连词分析（绿色）重叠。
任一方式后的激活高峰位于前岛叶（aIns1），并包含在公共激活中。激活覆盖在平均大脑表面上;出于显示目的，整个大脑侧视图的激活阈值为p[uncorr.] <0.001。放大视图中的黑线描绘了感兴趣区域，并包括在 p[corr.] < 0.05 处校正的小体积 FWE 内的激活。请参阅全脑峰值位置的支持信息（S8图）和脑体积切片（S9图）。在fMRI信号条形图中，黑色矩形突出显示了用于分析的回归量;实线表示使用相应的单个回归量进行分析，虚线表示连词分析。fMRI信号标签是指用于每种模态的回归量：“主要”表示模态的主要效应，“评级”表示行为评级，“modPE”表示模态PE，“uIntPE”表示无符号强度PE，“sIntPE”表示符号强度PE。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。功能磁共振成像，功能性磁共振成像;FWE，家庭明智的错误;PE，预测误差。
https://doi.org/10.1371/journal.pbio.3001540.g006
在这两种方式中，都观察到广泛的激活。然而，结合分析显示，大多数观察到的激活实际上在模态之间重叠（图6中的绿色）。前岛叶是这种重叠的主要集群，具有对称的双侧峰（XYZ断续器= 34.6/23.5/?1.5， T = 5.8， p[corr. wb.] = 1 × 10?04);还观察到全脑显着的额叶（内侧和外侧），时间和顶叶激活（S8图）。
考虑到未签名强度PE结果，我们特别感兴趣的两个方面：首先，与未签名强度PE相关的大脑激活（图6）与评级相关激活（图5）不同。其次，前岛叶中共同激活的fMRI信号清楚地表明，模态PE同样在该区域编码。
模态预测误差
在这2个观察结果之后，我们继续研究2种PE类型之间重叠的性质。与未符号强度PE一样，我们分别观察到每个模态PE之后的广泛激活（图7）。同样，所有单峰活化都包含在结合分析中，这表明在我们感兴趣的区域（XYZ）中存在一个大的背前岛叶簇。断续器32.3/22.4/?3.4， T = 5.4， p[corr.] = 5 × 10?05).在此区域之外，观察到广泛的共同激活，例如，在上顶叶，前楔，颞顶交界处，中额叶回和额叶眼以及内侧眶回（S10图）。
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 7. 疼痛（红色/黄色）和声音（蓝色）激活的模态预测误差后的大脑激活，包括根据联合分析（绿色）的重叠。
与未标强度 PE 一样，任一方式中任一模式的 PE 后激活峰位于前岛叶 （aIns1），并且在很大程度上包含在公共激活中。激活覆盖在平均大脑表面上;出于显示目的，整个大脑侧视图的激活阈值为p[uncorr.] <0.001。放大视图中的黑线描绘了感兴趣区域，并包括在 p[corr.] < 0.05 处校正的小体积 FWE 内的激活。峰值仅针对小体积显示。请参阅全脑峰值位置的支持信息（S10图）和脑体积切片（S11图）。在fMRI信号条形图中，黑色矩形突出显示了用于分析的回归量;实线表示使用相应的单个回归量进行分析，虚线表示连词分析。fMRI信号标签是指用于每种模态的回归量：“主要”表示模态的主要效应，“评级”表示行为评级，“modPE”表示模态PE，“uIntPE”表示无符号强度PE，“sIntPE”表示符号强度PE。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。功能磁共振成像，功能性磁共振成像;FWE，家庭明智的错误;PE，预测误差。
https://doi.org/10.1371/journal.pbio.3001540.g007
无符号预测误差的重叠
下一步，我们希望更正式地评估两种类型的未签名PE之间的明显重叠。为此，我们简单地计算了无符号强度和模态PE之间的结合（图8）。该分析证实了通过上述单独分析确定的前岛叶峰。此外，激活通过中额回向背侧延伸，并且还包括与背前扣带皮层相邻的内侧前额叶区域。
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 8. 与未签名强度和模态预测错误相关的常见脑激活。
fMRI信号图显示前岛叶（aIns）中的峰值1） 为连词中包含的每个对比度对 PE 进行编码。激活覆盖在平均大脑表面上;出于显示目的，整个大脑侧视图的激活阈值为p[uncorr.] <0.001。放大视图中的黑线描绘了感兴趣区域，并包括在 p[corr.] < 0.05 处校正的小体积 FWE 内的激活。在fMRI信号条形图中，黑色矩形突出显示了用于分析的回归量;实线表示使用相应的单个回归量进行分析，虚线表示连词分析。fMRI信号标签是指用于每种模态的回归量：“主要”表示模态的主要效应，“评级”表示行为评级，“modPE”表示模态PE，“uIntPE”表示无符号强度PE，“sIntPE”表示符号强度PE。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。功能磁共振成像，功能性磁共振成像;FWE，家庭明智的错误;PE，预测误差。
https://doi.org/10.1371/journal.pbio.3001540.g008
有符号强度预测误差
在确定了未签名的PE对强度和模式的影响之后，我们的fMRI数据的最后一个问题提到了符号强度PE之后的差异和共性，即大脑激活与高于预期强度的相关性（图9）。对于疼痛，我们观察到背后岛（XYZ）的激活断续器36.4/?17.3/15.8， T = 4.0， p[corr.] = 0.023）。背后岛叶是被认为对疼痛强度处理具有根本重要性的区域[22，35，42]。对于声音本身，在感兴趣区域之外，在中颞回（XYZ）中观察到峰值激活断续器49.4/?16.6/?13.4， T = 4.1， p[uncorr.] = 2 × 10?05）（见图6）。在感兴趣的区域内，在前岛叶（XYZ）中发现了声音相关的激活断续器36.7/11.0/?10.2， T = 4.2， p[corr.] = 0.015）。值得注意的是，它们与无符号的PE激活相邻（图6-8）。所有有征强度的 PE 峰值（包括疼痛和声音）在另一种方式中均未显示有征 PE 的显著表现（参见图 9 中相反的 sIntPE fMRI 信号）。因此，连词分析显示没有重叠。
thumbnail 下载：
个人电脑幻灯片
巴新放大图片
断续器原始图像
图 9. 通过符号强度预测疼痛（红色/黄色）和声音（蓝色）中的误差（包括根据连词分析（绿色）重叠）进行的大脑激活。
与uIntPE相反，针对疼痛sIntPE检测到限制激活，与声音sIntPE没有任何重叠。激活峰位于背后岛 （dpIns）1).对于声音，前岛叶中的几个簇（例如，aIns3）以及中颞回（MTG1).激活覆盖在平均大脑表面上;出于显示目的，整个大脑侧视图的激活阈值为p[uncorr.] <0.001。放大视图中的黑线描绘了感兴趣区域，并包括在 p[corr.] < 0.05 处校正的小体积 FWE 内的激活。在fMRI信号条形图中，黑色矩形突出显示了用于分析的各个回归量。fMRI信号标签是指用于每种模态的回归量：“主要”表示模态的主要效应，“评级”表示行为评级，“modPE”表示模态PE，“uIntPE”表示无符号强度PE，“sIntPE”表示符号强度PE。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。功能磁共振成像，功能性磁共振成像;FWE，家庭明智的错误;PE，预测误差。
https://doi.org/10.1371/journal.pbio.3001540.g009
由于符号强度 PE 效应是通过通过 3 个预测值（负强度 PE 表示强度低于预期或正强度 PE 表示强度高于预期，与预期强度相比）拟合一条线来计算的，因此出现了一个问题，即效应是由负或正 PE 构成的不同。为了在辅助分析中确定这一点，我们建立了一个通用线性模型，使用两个有符号PE作为单独的回归量;然后，我们分别获得了疼痛和声音峰值的z值。对于疼痛（XYZ断续器36.4/?17.3/15.8），值为 z = 2.582（对于负强度 PE）和 z = 3.053（对于正强度 PE）;用于声音 （XYZ断续器49.4/?16.6/?13.4），值分别为 z = 1.300 和 z = 3.922。这表明负强度和正强度 PE 成分对疼痛的贡献相当，而正强度 PE（比预期更响亮）成分驱动的声音激活更强。结合阴性和正强度PE的结合分析，分别针对任何一种模式进行，结果为疼痛的p[uncorr.] = 0.00484，声音的p[uncorr.] = 0.04468，在校正多重比较后不显着。
总之，疼痛和声音的未签名强度PE及其方式PE在前岛叶中强烈重叠（图6），而有征强度PE伴有背后岛叶的疼痛专用激活（图9）。
讨论
使用巴甫洛夫学习范式，结合SCR记录和高分辨率fMRI，在厌恶模态内部和之间频繁逆转，我们能够研究人脑中PE的符号和未签名表示。数据显示前岛叶中强度PE的未签名表示，疼痛和厌恶声音无法区分，支持前叶在编码非特异性唤醒或显着性中的作用。此外，前岛叶的同一部分也强烈激活了关于刺激方式的PE。最重要的是，我们可以识别背后岛叶的一个受限制部分，该部分仅代表疼痛的标志性PE，与处理疼痛强度的区域本身并置。
疼痛强度PE的符号表示是强化学习中的关键教学信号，因为将低威胁与高威胁刺激分离非常重要。这种疼痛的表征可能合理地位于前岛叶部分附近的区域，代表未签名的强度PE和模态PE。或者，这种表示可以更接近疼痛强度的表示：在嗅觉域中使用类似的巴甫洛夫超强化子范式观察到编码刺激强度本身的区域内符号强度PE的编码[26]。事实上，我们的数据显示，疼痛的体征强度PE在背后岛叶的一部分有代表[22，35]。有趣的是，我们还发现了一种相似的符号强度PE，用于初级听觉皮质内或附近的厌恶声音[43，44]，即中颞回和颞叶。这似乎也表明岛叶在疼痛感知中的更普遍参与[45]，疼痛中的体征强度PE几乎没有声音相关的激活，而声音中的符号强度PE包括一些疼痛强度相关的激活。
我们复制了有关背后岛叶/顶叶眼疼痛相关激活和颞上回声音相关激活的研究结果[22]。以前，这些区域分别显示出疼痛和声音刺激的明显主要作用，但与疼痛和声音等级相关的激活增加至关重要，在非有害强度中较浅或不存在。与之前的研究相比，我们看到BOLD响应与声音评级的相关性更强，这可能是由于这里使用的强度更高。
此外，与之前的研究一致，我们观察到前岛叶疼痛的未签名强度PE[12，19，21]。新的贡献是，不同方式的刺激（即疼痛和厌恶声音）导致前岛叶中相同的激活，具有相似的幅度。令我们惊讶的是，在前岛叶中也观察到模式PE的强激活（预期疼痛并接收声音，反之亦然）。未符号强度PE和模态PE的fMRI信号在幅度上非常相似。这证实了我们的假设，即在岛叶水平上，与未签名强度的PE相比，模态PE在预期结果和实际结果之间的显著性差异较小。相反，似乎来自意外感觉模式的惊讶与意外强度的来源一样多于前岛叶激活的来源。值得注意的是，任何一种模态中模态PE之后的激活都以与另一种模态重叠为特征，专用于模态或区分功能（如空间方向）的结构几乎没有差异参与（另见S10和S11图）。相反，差异似乎是激活传播的程度问题，而没有实质性地参与单模不同的结构。我们的研究结果表明，模态和未符号强度PE在很大程度上是模态中性的，并支持前岛叶是显著性和注意网络中广泛相互关联的部分，参与决策标记、错误识别以及一般灵活行为的指导[31，46-49]。事实上，模态PE和未符号强度PE之后的大规模激活本身并不对应于任何单一的网络描述，但似乎涉及上述所有内容;可能，在刺激过程中，不同的动态在起作用，这不允许单个网络的解开。事实上，最近关于静息状态功能连接的元分析证据表明存在以前岛叶为中心的疼痛相关网络[50]。与疼痛相关（后岛叶）激活相关的激活和与PE相关（前岛叶）激活相关的激活与沿后前轴观察到的连接梯度非常吻合[51-53]。
编码厌恶性的区域本身应在各个模式的与评级相关的激活中表现出重叠。在目前的数据中，情况就是如此，例如，在中央眼睑（与前岛叶高度接近）和 - 根据全脑分析 - 前扣带回皮层（图5B和5C，S6图）。这种重叠虽然相对稀疏，但与先前使用类似超模态范式的结果一致[19，22，23]，并且对应于已知的痛苦相关性[54]。如前所述[22，55]，表现出大型模态独立激活的研究主要使用相对短暂的刺激[23，56]，功能成像结果可能强调显著性/定向相关激活。在未来，可能值得考虑模式之间的剩余差异，例如专注于预测目标刺激而不是被动感知。例如，空间位置是仅与疼痛刺激相关的参数，侧向效应甚至更靠近耳朵的刺激可以解释大脑特征的进一步非特异性差异。
此外，正如未签名的PE在签名之上占主导地位所表明的那样，厌恶与显著性相混淆：2种固有的厌恶模式之间故意相似的显著性可能掩盖了某些特定模式和超模式机制。未来的协议包括等量的食欲条件来梳理这些机制，这似乎是有希望的。例如，使用工具学习任务的研究[57，58]已经证明了不同结构参与奖励和惩罚，包括颅内记录[30]或病变研究[59]。从理论上讲，这里提出的范式还包括类似的方面，例如以负面PE的形式缓解（当预期更多的疼痛时，接受较少的可能会体验到奖励）。尽管如此，议定书的具体内容可能阻止了模式之间更广泛的重叠，即使存在这种超模式的相似之处。这些细节包括对偶然性的推定关注，而不是被动的感官知觉，或者与巴甫洛夫式学习设计相关的差异，这些设计结合了不同的决策过程，奖励和惩罚的经验以及反馈的形式。
当前范式的优势之一包括对SCR的并行评估，期望和结果的行为评级，以及fMRI记录，这使我们能够以多模态方式研究PE。先前的研究使用基于线索的疼痛范式研究了PE[12，19，21，60]。在这些范式中，提示以一定的概率预测刺激强度。但是，概率也决定了发生 PE 的试验次数。这可能导致不平衡的设计，其中某些PE比其他PE更频繁地发生。此外，特定线索与结果的固定关联可能会影响线索的特定特征影响PE处理。采用巴甫洛夫超强化器范式可以改善这些缺点，需要经常重新学习突发事件，从而产生频繁的PE[25，26]。通过定义马尔可夫过渡结构，我们还控制了反转的性质;我们将实验限制在强度内/模态间和强度间/模态内逆转。最后，在我们的任务中引入2 CS增加了任务难度。尽管我们希望为更细粒度的PE提供更渐进的学习曲线，但我们必须证明快速的平均学习性能（图3B）。展望未来，有几种方法可以增加任务难度，例如使用概率而不是确定性意外事件，增加强度或降低可判别性。
我们明确纳入了预期评级，这使我们能够将美国与其预期之间的差异用作评级衍生的PE[26]。与模型派生的PE相比，这可以解释学科内学习的差异，还可以捕获在正式强化学习模型中难以建模的不稳定行为中的PE。
尽管我们的目标是完全匹配刺激模式之间的显著性，但与低疼痛或声音强度相比，高强度疼痛刺激导致更高的SCR激活（图4），即使模式之间的平均SCR振幅在统计学上没有差异。从技术上讲，这与我们无法将声压水平提高到一定水平以上[61]以避免对志愿者造成伤害有关;在考虑更复杂的跨模式匹配程序时，这是一个核心障碍。然而，对于疼痛和声音，前岛叶中未签名强度PE的fMRI信号变化相似，这表明SCR的残余差异不会影响我们的结果（图6-8）。此外，以前的帐户[62]表明，更高的显著性可以增强内存性能。我们对此进行了测试，但没有观察到这种效果：美国任何一组的学习表现都没有实质性差异（S14图）。
众所周知，SCR主要表现出唤醒和类似效应，但对价相对不敏感[27–29，63，64]。在这里，未签名或有符号强度 PE 之后的 SCR 与没有 PE 的 SCR 几乎没有区别，而遵循模态 PE 的 SCR 要高得多。这可能表明，即使在没有强度差异的情况下，模态PE也能提供高度突出的教学信号（S3图）。
由于任务固有结构，有征兆的疼痛强度PE可能与实际疼痛评分相关[57]。这种共线性可以通过在用于fMRI分析的一般线性模型中正交回归量来补救。但是，这会根据连续正交的顺序，将共享方差任意分配给 2 个相关回归量中的任何一个 [65]。因此，我们在分析中避免任何正交化，因此仅揭示显示与回归量相关的独特方差的区域，包括疼痛的符号强度PE。这可能是导致符号强度PE后相对稀疏激活的一个因素 - 这种限制也可以通过增加任务难度来解决（见上面的讨论）。
至多，疼痛和声音的强度PE的清晰空间解离进一步表明了信号的特异性;至少，它与前岛叶中未签名强度和模式PE的大量激活重叠形成鲜明对比。强大的学习模型可以利用有符号PE来更新其预测，并利用无符号PE来更新其学习速率[10，17，18]。我们的结果为这些模型提供了神经元基础，因为我们能够揭示岛叶空间上不同区域中符号和无符号PE信号的同时表示。
总之，我们的数据为前岛叶中心，与模式无关的未签名PE提供了明确的证据，不仅涉及不同模式的不匹配刺激强度，还涉及各种感觉模式本身。同样重要的是，符号强度PE与高度专用于单峰处理的感觉区域内或附近的激活有关。来自两个来源的神经元数据是强化学习的基础，并进一步增强了我们对岛叶内功能协同作用的理解。重要的是，已有慢性疼痛的病理学习机制[1，9]和前岛叶相关功能异常的报道[50，66]。因此，我们的数据提供了这样一种可能性，即对PE的歪曲构成了疼痛持续存在的潜在机制。
材料和方法
该协议符合世界医学协会在《赫尔辛基宣言》中规定的标准，并得到了当地伦理委员会的批准（Ethikkommission der ?rztekammer Hamburg，投票PV4745）。受试者在参与前给予书面知情同意，并且了解方案的所有方面，但逆转试验的随机时间点除外。
参与者
通过网络广告（www.stellenwerk.de）和口碑，共招募了49名健康志愿者（性别：27f：22m和年龄：26.2±4.5）。根据研究特异性和MR特异性排除标准对它们进行了筛选，具体如下：
年龄小于18岁，年龄大于40岁;
视力不足（仅使用隐形眼镜矫正）;
不符合MR扫描仪资格的疾病（例如，幽闭恐惧症或佩戴起搏器）;
持续参与药理学研究或定期摄入药物（例如镇痛药）;
在实验前24小时使用镇痛药;
怀孕或哺乳;
慢性疼痛状况;
表现抑郁（根据贝克抑郁量表II，临界值14 [67]);
躯体症状障碍（根据患者健康问卷，临界值为10 [68]]);
其他神经系统，精神或皮肤病;
内耳状况;和
头围>60厘米（由于MR扫描仪线圈/耳机的限制）。
符合条件的参与者被安排进行一次实验室访问。实验从2019年10月到2020年3月进行。S2 表中列出了表征样品的统计数据。
实验概述
协议的测量顺序和时序如图1所示，而与CS特性以及意外情况有关的方面显示在图2中。实验持续了大约2.5个小时。实验遵循完整的交叉设计，每个参与者都参与所有条件。参与者学习了CS和US的关联（痛苦的热量或响亮的声音）。这些关联最终以不可预见的方式发生了变化，然后不得不重新学习。该实验在一次访问中运行，但分为2个会话，以减少参与者疲劳和结转效应。在实验之前，参与者根据他们的疼痛和声音敏感性进行校准。在实验开始和结束时，参与者在扫描仪外填写心理问卷。在整个实验过程中测量了皮肤电活性。
无条件刺激
使用连接到前臂的CHEPS热化物（Medoc，Ramat-Yishai，以色列）提供热刺激。基本刺激参数包括32°C的基线温度和10°C/s的上升和下降速率。声音刺激是使用MR兼容耳机（德国马格德堡的MR confon）提供的。在运行期间使用 MATLAB 生成纯净的声音（频率 1，000 Hz，采样率 22，050 Hz）。
校准无条件刺激强度
在实验开始之前，参与者接受了美国校准，以确定VAS 25和VAS 75两种模式（热和声音）的2种强度。在实验过程中，只使用了这4种刺激。所有刺激在平台期持续3秒，除了四个10秒长，低强度的预暴露刺激，用于皮肤的熟悉和预热。
热量和声音刺激以类似的方式呈现和评级。就像之前的一项研究将神经元反应与2种模式进行比较[22]一样，我们使用描述符“疼痛”来表示热量，而使用描述符“不愉快”来表示声音。校准后，所有刺激都高于各自的疼痛和不愉快阈值，因此对于两种模式都以简单的0至100 VAS显示。
对于热量，锚显示为“最小疼痛”（0）和“难以忍受的疼痛”（100）。疼痛被定义为存在纯热强度以外的感觉，例如刺痛或灼热[69]。
对于声音，参与者被指示在标有“最小不愉快”（0）和“难以忍受的不愉快”（100）的锚点之间评分。不愉快被定义为在一定响度下出现的声音的麻烦质量。
在运行的MR扫描仪中执行的校准过程中，对于热和声音模式（低/高疼痛和低/高噪声），每个刺激强度都获得了2个刺激强度。热刺激范围为43至49°C，声音刺激范围为89.1至103.0 dBA。校准受到限制，因此参与者必须达到一定水平
最小物理强度（43°C 表示热量，20% 系统音量表示声音，n = 1 接收 10%）和
VAS 25和75刺激之间的最小物理差异（1.5°C为热量，15%系统音量为声音;n = 1 接收 1°C，n = 8 接收 10%）。
如果不符合任何一种条件，则身体强度自动调整到最低（例如，如果参与者报告VAS 25为41°C，则温度升高至43°C）。此外，为了确保刺激模式中的可判别性，参与者将校准的美国回放给他们，并被明确问3个问题，即各自模式的两种强度
疼痛（热）或不愉快（声音）;
在2个疗程的重复试验中，从角度上是可以忍受的;和
很容易被区分。
如果任何一个问题的回答是否定的，则校准强度被调整，但永远不会低于上面列出的最低要求。
学习协议
学习CS-US关联被设计为巴甫洛夫反转学习任务[25，26]。两个CS将独立预测4个US中的一个，即2个强度的疼痛热量和2个不愉快的声音强度。参与者被呈现2个CS中的一个（图2C和2D），然后被要求选择他们认为在4个US中的哪一个之前（图2B中的符号）。在做出选择后，他们实际上会接触到4个US中的一个（参见图1C的试验结构）。如果它们是正确的，则不需要进一步的学习;如果没有，他们将有机会学习下一次CS的正确关联。然后，他们会在0到100 VAS上评估他们的疼痛或不愉快，就像在美国校准期间一样。两个CS都标志着与美国的独立联系序列。两个CS都是从使用MATLAB中的SHINE工具箱生成的8个分形图片库中随机抽取的，每个参与者（图2A）。每项试验中出现的2个CS中的哪一个是完全随机的，美国对各自的初始关联以及美国预测评级的显示顺序也是如此。
至关重要的是，经过一系列具有确定性CS-US关联的试验后，该关联在强度（以前较低的US强度现在为高或反之亦然）或方式（以前的疼痛US现在是一个合理的US或反之亦然）方面经历了未经宣布的逆转（图2C和2D）。根据[3， 3， 4， 5]随机确定关联成立的试验数量（即平均3.75项试验）。因此，在每次逆转之后，参与者在预测下一个美国时犯了一个错误，随后不得不学习新的关联。由于排除了两个维度的反转，每个会话包括每个CS的8次反转，以涵盖所有可能的逆转。任务绩效通过正确预测的百分比进行评估。
心理问卷
在实验之前和之后，参与者填写了几份评估状态和特质心理结构的问卷。这些与表征样品的统计数据一起列在S2表中。
心理生理记录
用拇指对面左手一侧的MRI兼容电极测量皮肤电活动。电极连接到Lead108碳引线（BIOPAC Systems，Goleta，加利福尼亚州，美利坚合众国）。信号通过MP150模拟放大器（也是BIOPAC系统）放大。使用CED 1401模数转换器（英国剑桥剑桥电子设计）以1，000 Hz的频率采样，并降采样至100 Hz进行分析。
使用 MATLAB 的 Ledalab 工具箱执行分析 [70]。对单个参与者数据进行筛选，以查找伪影，如果可能的话，通过使用内置的工件校正算法将其删除。在47名参与者中，1名因设备故障而被排除，9名因皮肤电导无反应而被排除。在其余37名参与者中，由于无法挽救的文物，6，016个细分市场中共有101个（1.7%）被排除在外。使用反卷积程序，我们计算了相位皮肤电导（SCR）的驱动因素。刺激相位反应窗口在2种刺激模式之间被抵消[22]——我们将声刺激后较早的发作归因于递送系统和神经元传递的潜伏期减少。为了确定响应窗口，我们获得了相应模态的平均峰值时间，并选择了1.25秒±的数据范围：对于疼痛，响应窗口设置为2.42秒至4.92秒，声音的响应窗口设置为1.15秒至3.65秒。SCR片段在受试者内对对数和z进行变换，以减少个体内和个体间异常值的影响[27]。随后，在参与者内对对应于参与者行为表现的几种条件（例如，低疼痛刺激或高疼痛刺激后的强度PE）进行平均。之所以使用SCR，是因为它是一般交感神经活动的客观衡量标准，因此也是唤醒、刺激显著性和几个相关心理过程的指标[27，28，63，71，72]。它通常用于评估疼痛[12，22，73]以及声刺激[74]。
功能磁共振成像采集和预处理
使用带有20通道头线圈的PRISMA 3T MR扫描仪（德国埃尔兰根西门子）进行功能和解剖成像。使用T2 *加权梯度回波平面成像（EPI;2001 ms TR，30 ms TE，75°翻转角，1.5×1.5 ×1.5 mm体素大小，1-mm间隙，225×225×84 mm视野，多频段因子为2的同时多切片成像，加速度因子为2，广义自动校准部分平行采集重建），获得了56个1.5 mm厚度的横向切片的fMRI序列。此外，获得了整个头部的T1加权MPRAGE解剖图像（体素尺寸为1×1×1 mm，240片）。
对于每个参与者，在2次通过过程中将fMRI体积重新调整为平均图像，并使用SPM的CAT12工具箱（Christian Gaser和Robert Dahnke，http://www.neuro.uni-jena.de/cat）非线性地协同到解剖图像。简而言之，这种新颖的非线性协同分布对平均 EPI 和 T1 加权图像进行分割，并使用 T1 扫描中的分割组织类作为模板，对来自平均 EPI 的分段组织类执行非线性空间归一化。最后，使用CAT12生成单个大脑表面。
一般统计方法
除非另有说明，否则除fMRI分析外的分析均使用线性混合模型进行，并使用逐个试验参数进行随机拦截。在混合（内部/之间）描述性统计的情况下，使用Cosineau-Morey方法计算标准误差[75]。行为和心理生理学数据分析的显著性水平设置为p = 0.05。
成像数据分析
根据表面制图的需要，对原生空间中的3D（体积）数据进行了受试者级分析，而无需平滑。我们计算了一个具有规范响应函数的一般线性模型，以识别参与处理每种刺激模态的大脑结构，并与协议中固有的各种预测和PE相对应。重新对齐（运动）参数作为干扰变量包括在内，以进一步减轻与运动相关的伪影。
建立了一个一般的线性模型，每个模态（热或声音）中的刺激主效应都有一个回归量，使用美国和与规范HRF卷积的3秒车厢。此外，我们还为每个参数化调制器添加了一个用于疼痛或不愉快的调制器（使用行为评级）。对于模态PE和强度PE，为每个模态输入了另外3个参数调制器。因此，该分析总共包括10个回归因子，这些回归因子在fMRI信号条形图图图5-9中标记，对于每个模态，作为模态主要效应的“主要”，行为评级的“评级”，模态PE的“modPE”，无符号强度PE的“uIntPE”和符号强度PE的“sIntPE”。模态 PE 由于其非参数性质而输入无符号，而强度 PE 同时输入无符号（绝对）和符号。所有参数化调制器在参与者和会话中均为z评分。在任一模型中，都关闭了回归量之间的全局或顺序正交化，以仅保留唯一（非共享）方差分量[26，65]。这种方法允许解释连续输入的参数调制器，即使与先前的回归量存在相关性。
我们选择对fMRI数据进行表面分析，以增强在相邻大脑区域处理的模式之间的区分[22];有关在Sylvian裂缝中检测到的伪重叠的示例，请参见S5图（第3行），特别是在-28至-16的切片中。受试者水平分析的结果被映射到通过CAT12分割程序获得的大脑表面。然后重新采样映射的主题级结果以对应于皮质表面模板，并使用6 mm全宽半最大2D内核进行平滑处理。对组内方差进行了组级差异分析，包括映射的对比。原始的、未映射的对比用于基于体积的组水平分析，以评估皮质下激活。然后使用 DARTEL 归一化扭曲体积结果，并使用 6 mm 全宽半最大 3D 内核进行平滑处理。基于卷的结果在支持信息中提供，并在相关位置引用。
用于任何分析的对比要么针对低水平基线（例如，疼痛>0）进行，作为差异模式对比的组合，与针对低水平基线的组合（例如，疼痛>声音∧疼痛>0），要么作为两种模式的组合（例如，疼痛∧声音）。
Regions of interest and statistical correction of imaging results
如上所述，由于疼痛是本研究感兴趣的方式，我们将分析重点放在对侧（右）周围皮质上，作为用于显著性水平的小体积校正的感兴趣区域[12，19，22]。感兴趣的区域包括整个岛叶皮层（背高粒、背粒、背侧粒度、背侧角状腹侧畸形/颗粒状和腹侧角状），以及顶叶鳍（A40rv）、中央眼（A1/2/3ll，A4tl）和额叶外膜（A44op，A12/47l）的背侧邻近区域。它是使用人类脑基因组图谱创建的[76]。除非另有说明，否则在校正感兴趣区域内p<0.05的家族错误率（表示为p[corr.]）或校正全脑/所有顶点（表示为p[corr.wb.]）后，考虑结果。未使用范围阈值。
支持信息
模式和强度对 SCR 的影响，按 PE 类型划分。
显示 1/16： pbio.3001540.s001.docx
跳到无花果导航
亚分析术语估计硒CILowerCIUpperp无预测误差形态-0.04420.0307-0.10440.01610.1506强度0.24440.03050.18450.30422 x 10^-15*模态*强度-0.20230.0433-0.2873-0.11733 x 10^-6*强度预测误差形态-0.05060.0603-0.16890.06770.4014强度0.24790.05980.13050.36534 x 10^-5*模态*强度-0.0260.0838-0.19040.13850.7566模态预测误差形态-0.0560.0698-0.19290.08090.4227强度0.11380.071-0.02570.25320.1096模态*强度0.09730.0994-0.09770.29240.3277*p < 0.001。
1 / 16
下载
无花果
S1 表。 模式和强度对 SCR 的影响，按 PE 类型划分。
从具有随机主体截距的线性混合模型获得的参数。在没有PE的试验中，条件之间的差异最大，在具有模式预测误差的试验中最小（参见S1图）。用于生成表的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。PE，预测误差;SCR，皮肤电导反应。
https://doi.org/10.1371/journal.pbio.3001540.s001
（文档）
S2 表。 示例特性。
用于生成表的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。BDI-II，贝克萧条库存II;实验，实验;FPQ，疼痛恐惧症问卷;MDMQ，多维情绪问卷;PHQ15， 患者健康问卷-15;PRSS，与疼痛相关的自我陈述;PSQ，疼痛敏感性问卷;PVAQ，疼痛警惕和意识问卷;STAI，状态特征焦虑量表。
https://doi.org/10.1371/journal.pbio.3001540.s002
（文档）
S1 图 反转类型图示。
两个 CS 都与 4 个 US 中的一个具有独立的确定性关联序列（另请参见图 2）。虚线表示 CS1（黑色）或 CS2（白色）的反转。第一柱，CS2强度从低到高热逆转;第二列，CS1强度从低到高反转;第三列，CS2模态从低热到低声音的反转;第四列，从高声音到高热量的模态反转。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。CS，条件刺激;美国，无条件刺激。
https://doi.org/10.1371/journal.pbio.3001540.s003
（TIF）
S2 图 低和高无条件疼痛和声音刺激的行为结果。
（A） 针对疼痛刺激和声音刺激的校准刺激强度对应于 VAS 25（低强度）和 VAS 75（高强度）。每条线代表每个参与者每种模式的2种强度;小提琴图在参与者身上聚合。（B）疼痛刺激和声音刺激后的单次试验评级。每列代表单个参与者对各自强度和方式的反应;边框圆圈是参与者的平均评分。灰色虚线是根据校准的“预期”额定值（低强度为VAS 25，高强度为VAS 75）。黑线是所有参与者的实际平均评分。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。VAS，视觉模拟刻度。
https://doi.org/10.1371/journal.pbio.3001540.s004
（TIF）
S3 图 SCR 测量结果，按 PE 类型划分。
行显示无 PE 后 SCR 的组均值（第 1 行）、强度 PE（第 2 行）和模态 PE（第 3 行）。列显示指示的响应窗口内刺激后 SCR（左）和 SCR 平均值（右）。条件之间的差异在无 PE 条件下最大，在模态 PE 条件下最小，这也显示最大的 SCR 振幅。条件之间差异的统计信息显示在 S1 表中。所有图均基于对数和 z 变换后的数据。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。PE，预测误差;SCR，皮肤电导反应。
https://doi.org/10.1371/journal.pbio.3001540.s005
（TIF）
S4 图 脑表面的侧视图和内侧视图导致发热（黄色/红色）、声音发作（蓝色）及其连接（绿色）。
激活覆盖在平均大脑表面上，阈值为p[uncorr.] <0.001。黑线描绘了感兴趣区域，其结果在图5A和5B中突出显示。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。L， 左半球;R，右半球。
https://doi.org/10.1371/journal.pbio.3001540.s006
（TIF）
S5 图 脑容量导致发热（黄色/红色）、声音开始（蓝色）及其连接（绿色）。
激活覆盖在平均脑体积上，阈值为p[uncorr.]<0.001。
https://doi.org/10.1371/journal.pbio.3001540.s007
（TIF）
S6 图 脑表面疼痛评分（黄色/红色）、声音评级（蓝色）及其连词（绿色）的侧视图和内侧视图。
激活覆盖在平均大脑表面上，阈值为p[uncorr.] <0.001。黑线描绘了感兴趣区域，其结果在图5B和5C中突出显示。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。L， 左半球;R，右半球。
https://doi.org/10.1371/journal.pbio.3001540.s008
（TIF）
S7 图 疼痛分级（黄色/红色）、声音分级（蓝色）及其连词（绿色）的脑容量结果。
激活覆盖在平均脑体积上，阈值为p[uncorr.]<0.001。
https://doi.org/10.1371/journal.pbio.3001540.s009
（TIF）
S8 图 脑表面结果的侧视图和内侧视图，用于热量（黄色/红色）、声音（蓝色）及其连接（绿色）的未签名强度预测误差。
激活覆盖在平均大脑表面上，阈值为p[uncorr.] <0.001。黑线描绘了图6中突出显示其结果的感兴趣区域。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。L， 左半球;R，右半球。
https://doi.org/10.1371/journal.pbio.3001540.s010
（TIF）
S9 图 热量（黄色/红色）、声音（蓝色）及其连词（绿色）的无符号强度预测误差的脑容量结果。
激活覆盖在平均脑体积上，阈值为p[uncorr.]<0.001。
https://doi.org/10.1371/journal.pbio.3001540.s011
（TIF）
S10 图 脑表面结果的侧视图和内侧视图，用于热（黄色/红色）、声音（蓝色）及其连接（绿色）的模态预测误差。
激活覆盖在平均大脑表面上，阈值为p[uncorr.] <0.001。黑线描绘了图7中突出显示其结果的感兴趣区域。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。L， 左半球;R，右半球。
https://doi.org/10.1371/journal.pbio.3001540.s012
（TIF）
S11 图 热（黄色/红色）、声音（蓝色）及其连词（绿色）的模态预测误差的脑容量结果。
激活覆盖在平均脑体积上，阈值为p[uncorr.]<0.001。
https://doi.org/10.1371/journal.pbio.3001540.s013
（TIF）
S12 图 脑表面结果的侧视图和内侧视图，用于热（黄色/红色）和声音（蓝色）的符号强度预测误差。
没有显著的连词激活。激活覆盖在平均大脑表面上，阈值为p[uncorr.] <0.001。黑线描绘了图9中突出显示其结果的感兴趣区域。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。L， 左半球;R，右半球。
https://doi.org/10.1371/journal.pbio.3001540.s014
（TIF）
S13 图 热（黄色/红色）和声音（蓝色）的符号强度预测误差的脑体积结果。
没有显著的连词激活。激活覆盖在平均脑体积上，阈值为p[uncorr.]<0.001。
https://doi.org/10.1371/journal.pbio.3001540.s015
（TIF）
S14 图 平均表现按模式/强度划分。
大平均性能如图3B所示。用于生成该数字的数据可在 https://www.doi.org/10.17605/OSF.IO/7JBV3 中找到。
https://doi.org/10.1371/journal.pbio.3001540.s016
（TIF）
确认
我们感谢Thorsten Kahnt关于随机化程序的评论和脚本;Sa?a Red?epovi? 提供用于 CS 分形生成的脚本;Jürgen Finsterbusch，Katrin Bergholz，Waldemar Schwarz和Kathrin Wendt在MR数据收集期间提供技术援助;以及Alina Schaefer和Jannis Petalas协助数据收集。
引用
1.Seymour B. Pain：用于强化学习和控制的精确信号。神经元。2019;101:1029–41.pmid：30897355
查看文章PubMed/NCBI谷歌学术搜索
2.Trapp S， O'Doherty JP， Schwabe L. Stressful事件作为大脑的教学信号。认知科学趋势 爱思唯尔有限公司 2018：475–8.pmid：29655607
查看文章PubMed/NCBI谷歌学术搜索
3.萨顿RS，巴托股份公司。强化学习：简介。剑桥： 麻省理工学院出版社;1998.
4.Rescorla RA，Wagner AR.经典条件反射II：当前研究与理论。在：黑色AH，Prokasy WF，编辑。纽约州纽约：阿普尔顿-世纪-克罗夫茨;1972. 第64–99页.
5.Haarsma J， Fletcher PC， Griffin JD， Taverne HJ， Ziauddeen H， Spencer TJ， et al.皮质未签名预测误差信号的精确加权有利于学习，由多巴胺介导，并且在精神病中受损。莫尔精神病学。2020年[引用2021年8月31日]。pmid：32576965
查看文章PubMed/NCBI谷歌学术搜索
6.Roy M， Shohamy D， Daw N， Jepma M， Wimmer GE， Wager TD.人类导水管周围灰色中厌恶性预测误差的表示。Nat Neurosci.2014;17:1607–12.pmid：25282614
查看文章PubMed/NCBI谷歌学术搜索
7.Yacubian J，Gl?scher J，Schroeder K，Sommer T，Braus DF，Büchel C.用于人脑中收益和损失相关价值预测和预测误差的可分离系统。J 神经科学.2006;26:9530–7.pmid：16971537
查看文章PubMed/NCBI谷歌学术搜索
8.Seymour B，Daw N，Dayan P，Singer T，Dolan R.人类纹状体中损失和收益的差异编码。J 神经科学.2007;27:4826–31.下午：17475790
查看文章PubMed/NCBI谷歌学术搜索
9.Vlaeyen JWS，Kole-Snijders AMJ，Boeren RGB，van Eek H.慢性腰痛中对运动/（再）损伤的恐惧及其与行为表现的关系。疼痛。1995;62:363–72.pmid：8657437
查看文章PubMed/NCBI谷歌学术搜索
10.Rouhani N， Niv Y. 有符号和无符号奖励预测错误动态增强学习和记忆力。埃利夫。2021;10.pmid：33661094
查看文章PubMed/NCBI谷歌学术搜索
11.Den Ouden HEM， Kok P， de Lange FP.预测错误如何塑造感知、注意力和动机。心理学前沿心理学前沿，2012年。pmid：23248610
查看文章PubMed/NCBI谷歌学术搜索
12.Geuter S，Boll S，Eippert F，Büchel C.刺激强度编码的功能解离和岛叶疼痛的预测编码。埃利夫。2017;6.pmid：28524817
查看文章PubMed/NCBI谷歌学术搜索
13.Kalbe F，Schwabe L.超越唤醒：与厌恶事件相关的预测误差促进了情节记忆的形成。J Exp Psychol Learn Mem Cogn. 2020;46：234–46.pmid：31169402
查看文章PubMed/NCBI谷歌学术搜索
14.皮尔斯JM，G厅。巴甫洛夫学习的模型：条件刺激的有效性变化，但不是无条件刺激的有效性变化。Psychol Rev. 1980;87：532–52.pmid：7443916
查看文章PubMed/NCBI谷歌学术搜索
15.Gershman SJ，Norman KA，Niv Y.在强化学习中发现潜在原因。Curr Opin Behav Sci. 2015;5：43–50.
查看文章谷歌学术搜索
16.Roesch MR， Esber GR， Li J， Daw ND， Schoenbaum G. Surprise！Pearce-Hall和Rescorla-Wagner的神经相关性在大脑中共存。Eur J Neurosci.2012;35:1190–200.pmid：22487047
查看文章PubMed/NCBI谷歌学术搜索
17.Boll S，Gamer M，Gluth S，Finsterbusch J，Büchel C.在人类联想恐惧学习期间，单独的杏仁核子区域发出惊喜和预测性的信号。Eur J Neurosci.2013;37:758–67.pmid：23278978
查看文章PubMed/NCBI谷歌学术搜索
18.勒佩利 ME.联想历史在联想学习模型中的作用：选择性复习和混合模型。Q J Exp Psychol B. 2004;57：193–243.pmid：15204108
查看文章PubMed/NCBI谷歌学术搜索
19.Fazeli S，Büchel C.前岛叶中疼痛相关的期望和预测误差信号与厌恶无关。J 神经科学.2018;38:6461–74.pmid：29934355
查看文章PubMed/NCBI谷歌学术搜索
20.Rutledge RB， Dean M， Caplin A， Glimcher PW.使用公理模型检验奖励预测误差假设。J 神经科学.2010;30:13525–36.pmid：20926678
查看文章PubMed/NCBI谷歌学术搜索
21.Zeidan F， Lobanov OV， Kraft RA， Coghill RC.支持违反疼痛预期的大脑机制。疼痛。2015;156:1.下午：25599292
查看文章PubMed/NCBI谷歌学术搜索
22.霍林 B， 斯普伦格 C， 比切尔 C， 布切尔 C.顶骨眼优先编码热痛，而不是显著性。PLoS Biol 2019/08/14.2019;17： e3000205.pmid：31404058
查看文章PubMed/NCBI谷歌学术搜索
23.Corradi-Dell'Acqua C，Tusche A，Vuilleumier P，Singer T.第一手和替代性疼痛，厌恶和绝缘和扣带皮层的交叉模态表示。纳特公社。2016;7.pmid：26988654
查看文章PubMed/NCBI谷歌学术搜索
24.Sharvit G，Corradi-Dell'Acqua C，Vuilleumier P.前叶岛叶和内侧前额叶皮层厌恶性期望的模式特异性效应。疼痛。2018;159:1529–42.下午：29613910
查看文章PubMed/NCBI谷歌学术搜索
25.Suarez JA，Howard JD，Schoenbaum G，Kahnt T.人类中脑信号身份违反的感觉预测误差与感知距离无关。埃利夫。2019;8.pmid：30950792
查看文章PubMed/NCBI谷歌学术搜索
26.Howard JD，Kahnt T.人类中脑更新的奖励身份预测错误在眶额叶皮层中的奖励身份期望。纳特公社。2018;9.pmid：29686225
查看文章PubMed/NCBI谷歌学术搜索
27.布赛因W.皮肤电活动。第 2 版纽约：施普林格;2012.
28.Sequeira H，Hot P，Silvert L，Delplanque S.情绪的电自主神经相关性。Int J Psychophysiol.2009;71:50–6.下午：18723054
查看文章PubMed/NCBI谷歌学术搜索
29.Kuhn M， Wendt J， Sjouwerman R， Büchel C， Hamm A， Lonsdorf TB.人类情感惊吓调节的神经功能基础：来自面部肌电图和功能性磁共振成像联合的证据。生物精神病学。2020;87:548–58.pmid：31547934
查看文章PubMed/NCBI谷歌学术搜索
30.Gueguen MCM， Lopez-Persem A， Billeke P， Lachaux JP， Rheims S， Kahane P， et al.大脑内信号的解剖学解离，用于人类的奖励和惩罚预测错误。纳特公社。2021;12.下午：34099678
查看文章PubMed/NCBI谷歌学术搜索
31.Nomi JS， Schettini E， Broce I， Dick AS， Uddin LQ.功能定义的人类孤立细分的结构连接。大脑皮层。2018;28:3445–56.pmid：28968768
查看文章PubMed/NCBI谷歌学术搜索
32.Kurth F， Zilles K， Fox PT， Laird AR， Eickhoff SB.系统之间的联系：meta分析揭示的人岛功能分化和整合。脑结构功能。2010;214:519–34.pmid：20512376
查看文章PubMed/NCBI谷歌学术搜索
33.Rachidi I， Minotti L， Martin G， Hoffmann D， Bastin J， David O， et al.岛叶：大脑的刺激岛。脑科学. 2021;11.下午：34827532
查看文章PubMed/NCBI谷歌学术搜索
34.Mazzola L，Mauguière F，Isnard J.人类岛叶的功能映射：来自电刺激的数据。Revue Neurologique Elsevier Masson SAS.2019:150–6.pmid：30827578
查看文章PubMed/NCBI谷歌学术搜索
35.Segerdahl AR， Mezue M， Okell TW， Farrar JT， Tracey I.背后岛叶在人类疼痛中起着重要作用。Nat Neurosci.2015;18:499–500.pmid：25751532
查看文章PubMed/NCBI谷歌学术搜索
36.佩龙 R， 福雄 C.后岛-手术皮层：进入热感受和伤害性过程的大脑网络？Neuroscience Letters Elsevier Ireland Ltd. 2019：34–9.pmid：30503920
查看文章PubMed/NCBI谷歌学术搜索
37.Liberati G， Kl?cker A， Safronova MM， Ferr?o Santos S， Ribeiro Vaz J-G， Raftopoulos C， et al. 从人类岛叶记录的伤害感受性局部场电位不是伤害感受的特异性。PLoS Biol. 2016;14：e1002345.pmid：26734726
查看文章PubMed/NCBI谷歌学术搜索
38.Mouraux A， Diukova A， Lee MC， Wise RG， Iannetti GD.对“疼痛矩阵”功能意义的多感官研究。神经影像 2011;54： 2237–2249.下午：20932917
查看文章PubMed/NCBI谷歌学术搜索
39.Liberati G， Mulders D， Algoet M， van den Broeke EN， Santos SF， Ribeiro Vaz JG， et al.使用脑内脑电图记录的对短暂性疼痛和非疼痛性热和机械脊髓丘脑刺激的孤立反应。科学代表2020;10。pmid：33339884
查看文章PubMed/NCBI谷歌学术搜索
40.Garcia-Larrea L，Peyron R.疼痛矩阵和神经性疼痛矩阵：综述。疼痛。2013;154：S29–43.pmid：24021862
查看文章PubMed/NCBI谷歌学术搜索
41.特蕾西一世，曼蒂PW。疼痛感知及其调节的大脑特征。神经元。2007;55:377–91.pmid：17678852
查看文章PubMed/NCBI谷歌学术搜索
42.Mazzola L，Isnard J，Peyron R，Mauguière F.人类皮层的刺激和疼痛的体验：怀尔德·彭菲尔德的观察重新审视。脑。2012;135:631–40.下午：22036962
查看文章PubMed/NCBI谷歌学术搜索
43.Su L， Zulfiqar I， Jamshed F， Fonteneau E， Marslen-Wilson W. 映射人类时间皮层中的通调组织：EMEG源空间中的表征相似性分析。前神经科学。2014;8:368.下午：25429257
查看文章PubMed/NCBI谷歌学术搜索
44.布鲁尔AA，巴顿B.听觉皮层的地图。Annu Rev Neurosci.2016;39:385–407.pmid：27145914
查看文章PubMed/NCBI谷歌学术搜索
45.Bastuji H，Frot M，Perchet C，Hagiwara K，Garcia-Larrea L.感觉和边缘有害输入到前岛叶的收敛以及伤害感受引起的疼痛的出现。科学代表2018;8：13360.下午：30190593
查看文章PubMed/NCBI谷歌学术搜索
46.Seeley WW， Menon V， Schatzberg AF， Keller J， Glover GH， Kenna H， et al.用于显著性处理和执行控制的可分离的固有连接网络。J 神经科学.2007;27:2349–56.下午：17329432
查看文章PubMed/NCBI谷歌学术搜索
47.Uddin LQ， Yeo BTT， Spreng RN.迈向宏观尺度功能性人脑网络的通用分类。脑托波格。2019;32:926.pmid：31707621
查看文章PubMed/NCBI谷歌学术搜索
48.Allman JM， Tetreault NA， Hakeem AY， Manaye KF， Semendeferi K， Erwin JM， et al.在类人猿和人类中，额叶和前扣带中的von Economo神经元是皮层。脑结构功能。2010;214:495–517.pmid：20512377
查看文章PubMed/NCBI谷歌学术搜索
49.克雷格·你现在感觉如何？前岛叶和人类意识。Nat Rev Neurosci 2009;10： 59–70.pmid：19096369
查看文章PubMed/NCBI谷歌学术搜索
50.Ferraro S， Klugah-Brown B， Christopher |， Tench R， Yao S， Nigri A， et al.前岛叶反应性失调作为慢性疼痛的强大功能生物标志物——来自神经影像学研究的荟萃分析证据。嗡嗡脑马普。2021年[引用于2021年11月17日]。pmid：34734458
查看文章PubMed/NCBI谷歌学术搜索
51.Veréb D， Kincses B， Spisák T， Schlitt F， Szabó N， Faragó P， et al.右岛叶的静息状态功能异质性有助于疼痛敏感性。科学报告 2021 111.2021;11: 1–8.pmid：34824347
查看文章PubMed/NCBI谷歌学术搜索
52.Wiech K，Jbabdi S，Lin CS，Andersson J，Tracey I.岛屿细分和其他疼痛相关大脑区域之间的差异结构和静息状态连接。疼痛。2014;155:2047–55.pmid：25047781
查看文章PubMed/NCBI谷歌学术搜索
53.Wiech K，Lin CS，Brodersen KH，Bingel U，Ploner M，Tracey I.前岛叶将有关显着性的信息整合到有关疼痛的感知决策中。J 神经科学.2010;30:16324–31.下午：21123578
查看文章PubMed/NCBI谷歌学术搜索
54.De Ridder D， Adhia D， Vanneste S.大脑中疼痛和痛苦的解剖学及其临床意义。Neuroscience and Biobehavioral Review Elsevier Ltd. 2021：125–46.pmid：34411559
查看文章PubMed/NCBI谷歌学术搜索
55.Baliki MN，Geha PY，Fields HL，Apkarian AV.预测疼痛和镇痛的价值：伏隔核在慢性疼痛存在下对有害刺激变化的反应。神经元。2010;66:149–60.pmid：20399736
查看文章PubMed/NCBI谷歌学术搜索
56.苏璋， 秦伟， 杨QQ， 于CS， 钱泰， 穆罗A， 等.大脑区域优先对短暂性和等强度的疼痛或触觉刺激做出反应。神经图像。2019;192:52–65.下午：30669009
查看文章PubMed/NCBI谷歌学术搜索
57.Jepma M，Roy M，Ramlakhan K，Velzen M van，Dahan A.不同的大脑系统支持人类避免疼痛学习的厌恶和开胃的一面。bioRxiv 2021;2021.10.18.464769.
查看文章谷歌学术搜索
58.Pessiglione M， Seymour B， Flandin G， Dolan RJ， Frith CD.多巴胺依赖性预测错误是人类寻求奖励行为的基础。自然界。2006;442:1042–5.下午：16929307
View ArticlePubMed/NCBIGoogle Scholar
59.Palminteri S， Justo D， Jauffret C， Pavlicek B， Dauta A， Delmaire C， et al. 前叶和背纹状体在基于惩罚的回避学习中的关键作用。神经元。2012;76:998–1009.pmid：23217747
查看文章PubMed/NCBI谷歌学术搜索
60.Atlas LY， Bolger N， Lindquist MA， Wager TD.预测线索对感知疼痛的影响的大脑中介。J 神经科学.2010;30:12964–77.pmid：20881115
查看文章PubMed/NCBI谷歌学术搜索
61.尼奥什。推荐标准标准：职业噪声暴露。1998年修订标准。可供应： https://www.cdc.gov/niosh/docs/98-126/pdfs/98-126.pdf
查看文章谷歌学术搜索
62.麦高JL。记忆巩固的情绪唤起调节。行为科学的当前观点。爱思唯尔有限公司 2018：55–60.pmid：31106256
查看文章PubMed/NCBI谷歌学术搜索
63.布拉德利MM，Codispoti M，Cuthbert BN，Lang PJ。情感和动机I：图片处理中的防御性和开胃反应。情感。2001;1:276–98.下午：12934687
查看文章PubMed/NCBI谷歌学术搜索
64.Lang PJ， Greenwald MK， Bradley MM， Hamm AO.看图片：情感，面部，内脏和行为反应。心理生理学。1993;30:261–73.pmid：8497555
查看文章PubMed/NCBI谷歌学术搜索
65.Mumford JA， Poline JB， Poldrack RA.fMRI模型中回归子的正交化。普洛斯一号。2015;10.pmid：25919488
查看文章PubMed/NCBI谷歌学术搜索
66.Hemington KS， Wu Q， Kucyi A， Inman RD， Davis KD.慢性疼痛中跨网络功能连接异常及其与临床症状的关联。脑结构功能。2016;221:4203–19.pmid：26669874
查看文章PubMed/NCBI谷歌学术搜索-厦门杂志期刊论文发表
67.Beck AT， Steer RA， Brown GK.贝克萧条库存手册-II.德克萨斯州圣安东尼奥：心理公司出版社;1996.
68.Kroenke K， Spitzer RL， Williams JBW.PHQ-15：用于评估躯体症状严重程度的新措施的有效性。Psychosom Med. 2002;64：258–66.pmid：11914441
查看文章PubMed/NCBI谷歌学术搜索
69.Rolke R， Magerl W， Campbell KA， Schalber C， Caspari S， Birklein F， et al.定量感官测试：临床试验的综合方案。欧元J疼痛。2006;10:77–88.下午：16291301
查看文章PubMed/NCBI谷歌学术搜索
70.贝内德克M，凯恩巴赫C.相位皮肤电活性的连续测量。J 神经科学方法。2010;190:80–91.pmid：20451556
查看文章PubMed/NCBI谷歌学术搜索
71.D'Hondt F， Lassonde M， Collignon O， Dubarry A-S， Robert M， Rigoulot S， et al.情绪唤起的早期脑体影响。前哼神经科学。2010;4:33.pmid：20428514
查看文章PubMed/NCBI谷歌学术搜索
72.Critchley HD. 评论：皮肤电反应：大脑中发生了什么。神经。2002;8:132–42.pmid：11954558
查看文章PubMed/NCBI谷歌学术搜索
73.Loggia ML，Juneau M，Bushnell MC.自主神经对热痛的反应：心率，皮肤电导率及其与言语评分和刺激强度的关系。疼痛。2011;152:592–8.下午：21215519
查看文章PubMed/NCBI谷歌学术搜索
74.巴赫DR，弗兰丁G，弗里斯顿KJ，多兰RJ。模拟事件相关的皮肤电导反应。Int J Psychophysiol.2010;75:349–56.pmid：20093150
查看文章PubMed/NCBI谷歌学术搜索
75.Cousineau D，O'Brien F.受试者内设计中的误差条：对Baguley的评论（2012），行为研究方法。行为方法;2014：1149–51.pmid：24477859
查看文章PubMed/NCBI谷歌学术搜索
76.[10] 范磊， 李华， 卓军， 张勇， 王军， 陈磊， 等.人类脑网图集：基于连接结构的新脑图集。大脑皮层。2016;26:3508–26.pmid：27230218
查看文章PubMed/NCBI谷歌学术搜索-厦门杂志期刊论文发表