享受当下,还是留待未来?一项fMRI与眼动追踪技术的联合研究

摘要

时间贴现(temporal discount)是指个体对奖励的估计会随着时间流逝而下降的心理现象。具体而言,当获得奖励的时间以日期(日期条件;例如,2023年6月8日)而不是延迟(延迟条件;例如,30天)呈现时,贴现率较低,这通常被称为日期/延迟效应。然而,这种效应的认知和神经机制尚不清楚。本研究通过分析31名参与者在延迟条件和日期条件下完成时间贴现任务的fMRI和眼动数据来检验该效应。结果不仅证实了日期/延迟效应,并且揭示了日期条件导致参与者对时间属性的注视持续时间更长,楔前叶/PCC和角回等区域(与情景思维相关的区域)的活动更高。此外,与延迟条件相比,参与者在日期条件下进行了更多的比较眼球运动。在日期>延迟对比中,较低的日期/延迟效应与较高的前额叶活动(额上回/额中回,后内侧前额叶皮层,扣带回)相关,这表明更高的认知控制或算术运算可能会降低日期/延迟效应。

引言

在时间较早收益较小和时间较晚收益较大之间做出选择被称为跨期选择。在做出这样的选择时,人们通常更喜欢较小但较早的奖励,而未来的奖励会随着时间的推移而贬值,这种现象被称为时间贴现。

跨期选择过程中的神经活动模式已被广泛研究。Frost和McNaughton(2017)推导出了一个包含五个大脑系统的跨期决策认知模型,即(i)负责传递感觉信息的物体表征系统(枕叶)、(ii)获取与收益相关信息的记忆驱动系统(记忆相关区域,如内侧前额叶皮层[mPFC]、楔前叶、内侧颞叶、外侧颞叶和外侧顶叶皮层)、(iii)主观价值(SV)计算系统(例如,mPFC、腹侧纹状体[vS])、(iv)比较系统(涉及评估选择难度的区域,如纹状体和前额叶区域、杏仁核及其连接)以及(v)产生和抑制反应的运动系统(运动区)。在本研究中,我们并没有针对跨期选择过程中的某个特定部分进行评估,而是考察了整个跨期选择过程中日期和延迟条件之间的差异。本研究感兴趣的点在于日期和延迟条件中的活动模式是否在记忆驱动、SV计算或比较系统中存在差异。

目前,已有研究提出了关于日期/延迟效应的不同认知机制,包括差异时间估算假说、注意力聚焦或奖励权重假说以及选择策略假说。差异时间估算假说认为,以日期形式呈现的时间间隔主观估计要短于以延迟单位呈现的时间间隔。因此,与延迟条件相比,在日期条件下低估等待延迟奖励的时间可能导致时间贴现程度减少。注意力聚焦或奖励权重假说认为,当时间以延迟单位给出时,注意力会集中在等待时间上,而日期会引起对奖励接收时间和该时间点上奖励的关注。选择策略假说认为,在具有延迟单位的传统跨期选择任务中,奖励值和延迟单位可以结合以估计选择选项的SVs(整合策略)。然而,这种效应的个体间差异因素在很大程度上尚不清楚。因此,本研究对日期/延迟条件下的神经活动进行了比较,探讨了日期/延迟效应的认知神经机制以及跨期决策中的时间加工机制。

材料与方法

本研究中的学习材料、行为数据、分析脚本和补充材料可在https://osf.io/td5gf/上获取。

参与者

共32名健康右利手参与者(16名男性,16名女性)参与了本次研究。此外,为了进行有效的眼动追踪测量,他们需要拥有正常或矫正至正常的视力(隐形眼镜)。排除标准包括:当前被诊断出患有精神障碍、神经系统疾病、精神病性障碍、学习障碍、意识丧失历史超过5分钟、过去12个月内滥用酒精或药物、严重身体疾病或在检查前3天服用过处方药或非处方药物。如果参与者有任何不适合进行fMRI的情况(如幽闭恐惧症、金属植入物、内耳损伤或听力丧失等),也被排除。此外,在进行fMRI扫描之前,在实验室筛查中实施了一项跨期选择任务,以估计个体的贴现率,确保贴现率的95%置信区间不完全低于0,不包括0或不完全高于2。没有参与者因以上排除标准而被排除。但有一名男性参与者数据由于头动较大被剔除,因此最终样本包括N=31名年龄在19-29岁之间的参与者(15名男性,16名女性)(M=23.26,SD=3.19)。

跨期选择任务

采用金钱选择问卷(MCQ)来研究跨期选择任务。该问卷由27个项目组成,要求参与者在较小的即时奖励(SIR)和较大的延时奖励(LLR)之间做出决定。该任务使用Experiment Builder软件(SR Research Ltd.,版本2.3.38)进行编程,并显示在32英寸LCD显示器上(NordicNeuroLab,1920×1080px,高:392.85mm;宽:698.4mm;刷新率:120Hz)。显示器位于MR扫描仪的头部,距离参与者的眼睛约190cm。

在任务开始之前,要求参与者使用左手和右手的食指进行按键反应,以选择左侧或右侧选项。每个试次都以一个固定十字开始。在一个block中,该block的第一个试次固定持续时间为6000ms,其余试次的持续时间则取决于上一个试次的决策时间和偏差。然后呈现决策界面,决策界面显示了四种选择属性(两种金额、两个时间属性)。参与者必须在6000ms内选择其中一个选项;否则,任务将继续到下一个试次(没有任何错误提示)。然后,再次呈现一个固定十字(持续时间:6000ms—试次响应时间+试次间隔[4000-8000ms])。平均试次持续时间约为12000ms。示例试次如图1所示。

图片

图1.跨期选择任务图示。

眼动追踪

眼动数据采集使用了MR兼容的EyeLink 1000系统(SR Research Ltd., Kanata, ON, Canada),该系统结合了基于视频的瞳孔和角膜反射式眼动追踪技术,采样率为1000Hz。EyeLink 1000的端到端采样延迟平均低于1.8ms(SR Research Ltd.,2010)。它测量了右眼在屏幕上的水平和垂直注视位置数据(以像素表示),其中(0,0)对应于屏幕左上角。眼动追踪仪放置在扫描仪的头端,通过第一表面反射镜记录瞳孔和角膜反射信号,参与者也通过该镜看到任务。为了减少头动,参与者的头部被头部线圈和垫子固定。在任务期间关闭灯光,以确保参与者之间背景光线的一致性。使用水平-垂直3×3网格对眼动仪进行校准和验证(中间带有黑点的圆形白色目标,以随机顺序显示;坐标为:[960,540],[960,92],[960,988],[115,540],[1805,540],[115,92],[1805,92],[115,988],[1805,988];校准刺激的视角分别为水平9.19°、垂直4.90°和对角线10.38°)。根据SR Research Ltd提供的内置程序和设置进行校准和验证。在任务中,刺激位置和大小的视角如下:注视十字位于屏幕中央(0°,0°),宽1.11°,高0.83°。奖励和时间属性的中心始终呈现在距离屏幕中心6.93°的位置。金额的宽度为1.98°,时间宽度范围为1.75°(例如,“0天”)~5.05°(例如,“2022年9月1日”)。所有任务刺激的高度均为0.52°。为了确定参与者是否看过某一特定属性,本研究预先定义了围绕属性中心的感兴趣区域(AOI宽度:9.76°,AOI高度:2.46°)。除非另有说明,否则眼动追踪事件使用EyeLink Host软件(版本4.56)的默认设置进行预处理。使用Data Viewer软件(SR Research Ltd.,版本4.2.1)对数据进行目视检查和生成数据报告。所有其他预处理工作均在R(版本4.2.2)中使用RStudio(版本2022.07.2)完成。

功能磁共振成像

使用32通道头部线圈在3T MRI扫描仪(西门子Magnetom Trio)上收集成像数据。在完成MCQ的过程中,使用功能性T2*加权EPI序列来测量BOLD fMRI数据(TR=2500ms,TE=30ms,翻转角=90°,视场=192mm,矩阵大小=96×96,层数=37,体素大小=2×2×3mm,层间隙=0.3mm)。使用磁化制备快速梯度回波采集(MPRAGE)获得三维T1加权高分辨率结构扫描(TR=1660ms,TE=2.54ms,翻转角=9°,视场=256mm,矩阵大小=320×320,层数=208,体素大小=0.8×0.8×0.8mm)。

使用SPM12在Matlab 2022b中对BOLD数据进行预处理。首先对功能图像进行时间层校正,然后使用最小二乘法和六参数刚体变换将功能图像与时间序列的第一幅图像进行配准。将个体结构T1加权图像分割为灰质、白质和脑脊液,并将分割后的图像用于解剖图像和功能图像的共配准。将配准后的功能图像归一化到蒙特利尔神经学研究所(MNI)的标准空间,并使用8mm半高全宽(FWHM)高斯核进行平滑处理。

结果

行为分析

在实验室和fMRI之间的标准延迟条件下,对数变换贴现率估计值的重测信度为r(29)=.70。当排除一个异常值时,这个相关性增加到r(28)=.81。对数变换贴现率后验分布的95% HDI在日期条件下为(−6.19;−5.28),在延迟条件下为(−5.89;−4.75)。它们的点估计的均值配对差异为−0.43,95% HDI为(−0.66;−0.20)。同样,配对t检验显示,与延迟条件相比,日期条件下的时间贴现减少(p<.001)。每种条件的描述性数值显示,大多数参与者呈现了预期方向的日期/延迟效应,但这种效应在参与者之间的大小不同。

此外,本研究发现参与者在日期条件下的反应时长于延迟条件(p<.001)。鉴于参与者的反应时呈现右偏态分布,参与者内的平均偏度为0.94(SE=0.08),本研究通过对反应时进行对数变换并比较其均值来检验该效应是否稳健。先前的分析结果进一步得到证实(p<.001)。

在眼动追踪方面,本研究发现参与者在日期条件下对AOIs的扫视次数显著多于延迟条件(p<.001),但在AOIs之间的扫视次数没有显著差异(p=.470)。针对AOIs内垂直和水平扫视次数之间的差异(图2a),配对t检验结果显示,日期条件下的Payne指数(即垂直扫视相对于水平扫视的比例)低于延迟条件下(p=.007)。事后Bonferroni-Holm校正显示,参与者在日期条件下进行的水平扫视明显多于延迟条件(padj<.001),而垂直扫视次数在不同条件之间无显著差异(padj=.341)。

图片

图2.感兴趣区域(AOIs)之间的扫视次数和AOIs内的注视持续时间。

采用2条件(延迟vs.日期)×2属性类型(奖励vs.时间)重复测量ANOVA(图2c)分析AOIs内的注视持续时间。结果发现,两者的交互作用显著(p<.001),并且条件和属性的主效应显著(均为p<.001)。事后t检验显示,参与者在日期条件下对时间属性的注视持续时间显著长于延迟条件(padj<.001),而在日期条件下对奖励属性的注视持续时间显著短于延迟条件(padj=.020)。为了区分所有四个AOIs,本研究进行了一项2×2×2的重复测量ANOVA,其中加入了选择(即时奖励(SIR)vs.延时奖励(LLR))因素(图2d)。重要的是,本研究发现条件和属性类型之间存在显著的双向交互作用(p<.001)。事后t检验表明,SIR和LLR都出现了这种效应(均为p<.001)。因此,本研究发现参与者在日期条件下对SIR和LLR时间属性的注视持续时间都显著长于延迟条件,而对奖励属性的注视没有显著差异。在分析AOIs内的扫视次数和注视次数时,也出现了类似的结果。

fMRI分析

延迟和日期条件下的BOLD激活

与基线条件相比,延迟和日期条件的激活区域大致相似(图3)。具体来说,与基线相比,这两个条件在枕叶皮层(包括V1、V3区域)、前/中扣带回(ACC、MCC)、岛叶和额下回的激活增加。延迟条件还激活了尾状核和壳核中的小部分区域。

图片

图3.跨期选择中的血氧水平依赖(BOLD)信号。

在比较这两个条件时,本研究发现在延迟>日期对比中没有任何显著差异。然而,在对比日期>延迟中,视觉区域、左侧后扣带回(PCC)、右侧楔前叶、左侧额中/上回(MFG/SFG)和双侧角回的激活更高(图4,表1)。

图片

图4.日期>延迟中的BOLD信号。

表1.日期>延迟中的BOLD信号。

图片

主观价值信号分析

首先,在主观价值(SV)信号的全脑分析中,并未发现不同条件之间存在显著激活差异。接下来,在针对腹侧纹状体(vS)和腹内侧前额叶皮层(vmPFC)的ROI分析中,结果显示SIR和LLR的SVs总和较高与延迟条件下vS的激活强度呈显著正相关(p=.014),但在日期条件下则不然(p=.674)。当比较这两个条件时,延迟条件下的关联显著高于日期条件(p=.037)。本研究在vmPFC中并未发现任何显著效应(所有p>.05)。虽然当使用所选选项的SV作为回归因子时出现了类似的结果,但当使用SIR和LLR的SV差异或比率时,相关性并不显著。然而,每当出现显著效应时,SV仅与延迟条件下的神经活动相关,而与日期条件无关,这表明延迟条件下的SV信号更稳健。以奖励和时间作为参数调节因子的模型显示,奖励差异和时间差异较大均与延迟条件下vS活动增加相关(分别为p=.006;p=.030),而在日期条件下的差异不显著。

日期和延迟条件下激活差异的协变量

本研究探索了个体贴现率是否与对比延迟>基线和日期>基线的激活有关。使用每个条件下的个体贴现率作为协变量,并未发现任何显著相关性。然而,使用日期/延迟效应作为日期>延迟对比中的协变量,结果显示较低的日期/延迟效应与较高的双侧枕区、小脑、右侧SFG、双侧MFG、双侧后内侧前额叶皮层(pMFC)以及左侧ACC和MCC活动相关(图5)。也就是说,那些具有不太明显的日期/延迟效应或存在相反效应(即,相比于延迟条件,在日期条件下表现出更高的贴现率)的个体,在与视觉信息处理、注意力和眼球运动以及认知控制相关的脑区表现出更强烈的活动差异。

图片

图5.行为日期/延迟效应与神经日期/延迟效应之间的关联。

结论

本研究是首个使用fMRI来检查日期/延迟效应的研究,将fMRI与眼动跟踪技术相结合,发现了支持差异时间估算假说和选择策略假说的证据。首先,与延迟条件相比,日期条件不仅导致在时间与奖励属性上的注视持续时间更长,而且在楔前叶/PCC和角回等区域的活动也更高。其次,在日期条件下,本研究发现时间属性之间的比较眼动更多,并且在具有较低日期/延迟效应的个体中,日期>延迟对比中的前额叶活动更高,这表明具有较高日期/延迟效应的个体在日期条件下的认知控制更少,计算量也相对较少。总的来说,本研究表明,日期/延迟效应受到了决策过程中的差异时间估算和启发式方法的影响。未来的研究应更仔细地探究这种启发式是否体现在其他认知过程中。

参考文献:Keidel, K., Schröder, R., Trautner, P., Radbruch, A., Murawski, C., & Ettinger, U. (2024). The date/delay effect in intertemporal choice: A combined fMRI and eye-tracking study. Human Brain Mapping, 45(3), e26585. https://doi.org/10.1002/hbm.26585

小伙伴们关注茗创科技,将第一时间收到精彩内容推送哦~

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/653058.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

(二刷)代码随想录第15天|层序遍历 226.翻转二叉树 101.对称二叉树2

层序遍历 10 102. 二叉树的层序遍历 - 力扣&#xff08;LeetCode&#xff09; 代码随想录 (programmercarl.com) 综合代码&#xff1a; class Solution{public List<List<Integer>> resList new ArrayList<List<Integer>>();public List<List<…

springboot项目部署到linux服务器

springboot后端 修改前 修改后 重新生成war包 war上传到linux的tomcat的webapps下 其他环境配置和macOS大差不差 Tomcat安装使用与部署Web项目的三种方法_tomcat部署web项目-CSDN博客

如何高效测试防火墙的NAT64与ALG应用协议转换能力

在本文开始介绍如何去验证防火墙&#xff08;DUT&#xff09;支持NAT64 ALG应用协议转换能力之前&#xff0c;我们先要简单了解2个比较重要的知识点&#xff0c;即&#xff0c;NAT64和ALG这两个家伙到底是什么&#xff1f; 网络世界中的“翻译官” - NAT64技术 简而言之&…

紫光展锐前沿探索 | 满足未来6G多差异化应用场景的技术体系思考

在6G架构/系统设计中&#xff0c;紫光展锐提出了未来6G空口“一体多翼”的技术体系概念&#xff0c;即“Big-Lite Multi-RAT”。本文将详细对该技术体系展开介绍。 “一体多翼”技术体系通过 “体”&#xff08;Big RAT&#xff09;和“翼”&#xff08;Lite RAT&#xff09;的…

Visual Studio中调试信息格式参数:/Z7、/Zi、/ZI参数

一般的调试信息都保存在pdb文件中。 Z7参数表示这些调试信息保存到OBJ目标文件中&#xff0c;这样的好处是不需要单独分发PDB文件给下游。Zi就是把所有的调试信息都保存在pdb文件中&#xff0c;以缩小发布文件的大小。ZI和Zi类似&#xff0c;但是增加了热重载的能力&#xff1…

电火灶是燃气灶吗?这“火”又是怎么回事?

电火灶并非传统的燃气灶&#xff0c;它们在能源使用和工作原理上有着显著的区别。电火灶&#xff0c;又名电焰灶或电燃灶&#xff0c;属于新能源厨房灶具行列&#xff0c;它使用清洁的电能作为唯一能源&#xff0c;而不是依赖天然气或液化气等燃料。 具体来说&#xff0c;电火灶…

本地部署Whisper实现语言转文字

文章目录 本地部署Whisper实现语言转文字1.前置条件2.安装chocolatey3.安装ffmpeg4.安装whisper5.测试用例6.命令行用法7.本地硬件受限&#xff0c;借用hugging face资源进行转译 本地部署Whisper实现语言转文字 1.前置条件 环境windows10 64位 2.安装chocolatey 安装chocol…

力扣刷题--1528. 重新排列字符串【简单】

题目描述 给你一个字符串 s 和一个 长度相同 的整数数组 indices 。 请你重新排列字符串 s &#xff0c;其中第 i 个字符需要移动到 indices[i] 指示的位置。 返回重新排列后的字符串。 示例 1&#xff1a; 输入&#xff1a;s “codeleet”, indices [4,5,6,7,0,2,1,3] 输…

创建你的RedTeam基础架构

随着RedTeaming行业的发展&#xff0c;我们对构建可靠环境的需求也越来越高。至关重要的是要拥有维护健壮的基础架构的能力&#xff0c;该基础架构要保证一旦出现问题就可以重新创建&#xff0c;更重要的是&#xff0c;我们需要确保环境在部署时不会出现问题。 今天&#xff0c…

2024最新版本激活Typora,1.8.10.0版本可用

​实测可用日期为&#xff1a;2024-05-28 目前最新版本 1.8.10.0 也是可以实现激活的 注&#xff1a;免修改注册表、不用修改时间&#xff0c;更不需要破解补丁 01、下载&安装 Typora 文件 从官网下载最新版本的 Typora&#xff0c;并安装 或者阿里云盘&#xff1a; htt…

Linux漏洞SSL/TLS协议信息泄露漏洞(CVE-2016-2183) - 非常危险(7.5分) 解决办法!升级openssl

漏洞情况 详细描述 TLS是安全传输层协议&#xff0c;用于在两个通信应用程序之间提供保密性和数据完整性。 TLS, SSH, IPSec协商及其他产品中使用的IDEA、DES及Triple DES密码或者3DES及 Triple 3DES存在大约四十亿块的生日界&#xff0c;这可使远程攻击者通过Sweet32攻击&…

如何更好进行多媒体展厅设计

1、明确设计目标 在展厅之前要明确设计目标&#xff0c;这包括了展厅的主题、目的和受众等&#xff0c;以及希望通过展厅传达的信息和形象。只有明确了设计目标&#xff0c;才能有针对性地进行设计&#xff0c;确保展厅的效果符合预期。 2、合理规划空间布局 空间布局要合理规划…

Android Service 启动流程

在早些年学习Android的时候&#xff0c;对Service有过总结&#xff0c;但是主要是如何去使用&#xff0c;注意事项&#xff0c;startService和bindService的区别。 Android Service_public int onstartcommand(intent intent, int flags-CSDN博客 但是今天从源码来总结下fram…

六西格玛培训的讲师应该具备哪些能力?

六西格玛培训的讲师作为专业知识的传授者和实践经验的分享者&#xff0c;其能力水平的高低直接决定了培训效果的好坏。那么&#xff0c;一个优秀的六西格玛培训讲师应该具备哪些能力呢&#xff1f;深圳天行健企业管理咨询公司解析如下&#xff1a; 首先&#xff0c;六西格玛培训…

HT46R002 贴片 SOP8 经济型AD型OTP MCU单片机芯片

HT46R002在智能家居中的具体应用案例可以包括以下几个方面&#xff1a; 1. 智能照明控制&#xff1a;可以用于控制LED灯的亮度和色温&#xff0c;甚至可以通过手机APP远程控制开关和调节灯光效果。 2. 环境监测&#xff1a;用于监测室内温度、湿度、空气质量等&#xff0c;当检…

四川易点慧电商抖音小店:引领潮流,打造电商新标杆

在数字化浪潮席卷全球的今天&#xff0c;电子商务以其独特的魅力和优势&#xff0c;正逐渐成为推动经济发展的重要力量。四川易点慧电子商务有限公司抖音小店&#xff0c;作为电商领域的一股新生力量&#xff0c;以其创新的经营理念和卓越的服务品质&#xff0c;迅速赢得了市场…

解析智慧物流园区系统的多方位优势

智慧物流园区系统是基于物联网、大数据、人工智能等先进技术的应用系统&#xff0c;旨在实现物流园区的高效、智能化管理。随着物流行业的快速发展&#xff0c;传统物流园区已经无法满足日益增长的需求。智慧物流园区系统的出现填补了现有物流园区管理的空白&#xff0c;带来了…

香橙派AI Pro测评--ROS及激光SLAM

文章目录 前言一、外形与质感二、软件测评1. 系统界面2. ROS安装3. ROS节点测试4. SLAM算法测试 总结 前言 今天刚收到了官方寄来的“香橙派 AI Pro”开发板&#xff0c;这篇文章将会对香橙派 AI Pro的外形、质感、运行速度进行一个测评&#xff0c;然后我会在这个开发板上安装…

0基础学习小红书博主IP特训营,37天 教你从小白到KOL(13节)

课程内容&#xff1a; 1 第一课:如何做好博主账号定位 .mp4 2 第一课作业,html 3 第二课:如何打造小红书爆款笔记(一)_.mp4 4 第二课:如何打造小红书爆款笔记(二).mp4 5 第二课作业,html 6 第三课:如何高效搭建选题库 .mp4 7 第三课作业,html 8 第四课:破解流量玄学&am…

新零售数据中台:打造智能商业运营的核心引擎_光点科技

随着数字化转型的浪潮席卷全球&#xff0c;新零售行业正在经历一场前所未有的革新。在这一过程中&#xff0c;“新零售数据中台”逐渐成为企业构建智能商业运营的核心引擎。本文将重点介绍新零售数据中台的概念、其在新零售中的作用&#xff0c;以及如何通过数据中台实现商业价…