基于事件相關(guān)腦網(wǎng)絡(luò)分析的厭惡情緒神經(jīng)機(jī)制研究

摘 要：厭惡情緒作為一種基本的負(fù)性情緒，在人類生活中普遍存在并深刻影響著個(gè)體的認(rèn)知與行為模式.盡管高時(shí)間分辨率的事件相關(guān)電位分析在提取厭惡情緒信息處理進(jìn)程方面展現(xiàn)出優(yōu)勢(shì)，但其在揭示大腦各區(qū)域間交互作用方面的局限性亦不容忽視.本研究在深入分析早期后部負(fù)波（early posterior negativity，EPN）及其神經(jīng)來(lái)源的基礎(chǔ)上，基于時(shí)頻最大信息系數(shù)（TFMIC）方法構(gòu)建EEG（electroencephalogram）腦網(wǎng)絡(luò)，并引入復(fù)雜網(wǎng)絡(luò)分析，探索了圖片刺激誘發(fā)的厭惡情緒的產(chǎn)生與調(diào)制機(jī)制.結(jié)果顯示，相較于中性情緒，厭惡情緒不僅誘發(fā)了更為顯著的EPN波形，還顯示出激活腦區(qū)的差異性.進(jìn)一步的腦網(wǎng)絡(luò)分析表明，厭惡情緒狀態(tài)下的大腦網(wǎng)絡(luò)連接更為緊密，特征路徑長(zhǎng)度顯著縮短，而聚類系數(shù)則顯著增大.結(jié)果表明，結(jié)合事件相關(guān)電位的腦網(wǎng)絡(luò)分析能夠有效揭示厭惡情緒與中性情緒在時(shí)空層面的差異，為深入理解負(fù)性情緒的神經(jīng)機(jī)制提供了新的視角與思路.

關(guān)鍵詞：厭惡; 早期后部負(fù)波; 腦網(wǎng)絡(luò); 源分析; 負(fù)性情緒

中圖分類號(hào)： TP391"" 文獻(xiàn)標(biāo)志碼：A ""文章編號(hào)：10001565（2024）06066607

Neural mechanism of disgust based on event-related brain network analysis

ZANG Qian^1，2， ZHAO Xiaoming^2，3， LI Yongzhi^2，3， LOU Cunguang^2，3， LI Ruichang^2，4

（1. Center for Student Mental Health and Development， Hebei University， Baoding 071002， China; 2. Key Laboratory of Digital Medical Engineering of Hebei Province， Hebei University， Baoding 071002， China;

3. College of Electronic and Information Engineering， Hebei University， Baoding 071002， China; 4. College of Humanity and Management， Fujian University of Traditional Chinese Medicine， Fuzhou 350122，China）

Abstract： Disgust， as a fundamental negative emotion， is universally present in human life and profoundly influences individuals’ cognition and behavioral patterns. While high temporal resolution event-related potential （ERP） analysis has shown advantages in extracting disgust emotion processing， its limitations in revealing interactions between different brain regions should not be overlooked. In this study， through in-depth analysis of early posterior negativity （EPN） and its neural sources， electroencephalogram （EEG） brain networks were constructed based on the time-frequency maximal information coefficient （TFMIC） method， and complex network analysis was introduced to explore the generation and modulation mechanisms of disgust emotion induced by pictures stimuli. The results indicate that compared to neutral emotions， disgust emotion not only elicits more significant EPN waveforms but also demonstrates differences in activating brain areas. Further brain network analysis revealed that under the state of disgust emotion， brain network connections were more tightly linked， with a significantly shortened characteristic path length and an increased clustering coefficient. These findings suggest that combining event-related potential brain network analysis can effectively reveal the spatiotemporal differences between disgust and neutral emotions， providing a new perspective and approach for understanding the neural mechanisms of negative emotions.

Key words： disgust; early posterior negativity; brain network; source analysis; negative emotion

收稿日期：20240430;修回日期：20240606

基金項(xiàng)目：

河北省自然科學(xué)基金資助項(xiàng)目（F2021201002）；河北省高等學(xué)校科學(xué)技術(shù)研究項(xiàng)目 （ZD2020146）

第一作者：臧倩（1988—），女，河北大學(xué)講師，主要從事高校心理咨詢以及負(fù)性情緒機(jī)制研究.E-mail：hbuzangqian@163.com

通信作者：李瑞昌（1993—），男，福建中醫(yī)藥大學(xué)講師，主要從事醫(yī)療數(shù)據(jù)處理與分析.E-mail：ruilicary@163.com

厭惡情緒作為一種消極的情緒體驗(yàn)，主要由對(duì)某種事物或情境產(chǎn)生強(qiáng)烈的不快感或反感而引起^［1］.從心理學(xué)和神經(jīng)科學(xué)的角度來(lái)看，厭惡情緒是大腦對(duì)外部刺激的一種負(fù)面反應(yīng)，通常與情感加工和自主神經(jīng)系統(tǒng)的活動(dòng)有關(guān)^［2］.近年來(lái)，越來(lái)越多的研究證實(shí)厭惡情緒與抑郁癥、焦慮癥等相關(guān)的精神類疾病之間存在著一定聯(lián)系^［3-5］.深入了解厭惡情緒背后的神經(jīng)機(jī)制，可以增強(qiáng)對(duì)負(fù)性情緒誘發(fā)及調(diào)節(jié)過(guò)程的理解，有助于促進(jìn)與負(fù)性情緒相關(guān)的精神類疾病診療.因此，對(duì)厭惡情緒神經(jīng)機(jī)制的研究已成為心理學(xué)和神經(jīng)科學(xué)領(lǐng)域的熱點(diǎn).之前基于功能磁共振成像（functional magnetic resonance imaging，fMRI）的研究已證實(shí)厭惡情緒能夠顯著激活大腦特定皮層區(qū)域，如舌回、扣帶和顳葉等區(qū)域^［6-9］.上述研究為厭惡情緒與特定腦區(qū)的激活存在相關(guān)性提供了充分證據(jù).然而情緒的產(chǎn)生是“瞬時(shí)”事件，fMRI在時(shí)間分辨率上的不足限制了在更精細(xì)的時(shí)間過(guò)程中探索厭惡情緒誘發(fā)和處理的神經(jīng)機(jī)制.由于事件相關(guān)電位（event-related potential，ERP）技術(shù)能夠清晰地提取特定事件刺激引發(fā)的大腦活動(dòng)過(guò)程，因此它也成為了當(dāng)前基于EEG（electroencephalogram）信號(hào)開(kāi)展情緒機(jī)制研究的重要方法^［10］.與基本情緒相關(guān)的ERP成分主要有P1成分（P1 component）^［11］、早期后部負(fù)波（early posterior negativity，EPN）^［12］和晚期正電位（late positive potential，LPP）等^［13］.然而，大腦被證實(shí)具有復(fù)雜的網(wǎng)絡(luò)屬性而情緒的產(chǎn)生是一個(gè)復(fù)雜的過(guò)程，涉及到大腦皮層多個(gè)區(qū)域的激活和相互作用^［14］.上述基于ERP的研究主要是通過(guò)傳統(tǒng)疊加平均的方法將由情緒刺激誘發(fā)的神經(jīng)響應(yīng)過(guò)程提取出來(lái)，無(wú)法體現(xiàn)全腦功能的分離和整合，限制了更進(jìn)一步探索情緒的產(chǎn)生和調(diào)制機(jī)制.近年隨著網(wǎng)絡(luò)神經(jīng)科學(xué)的快速發(fā)展，基于EEG信號(hào)構(gòu)建腦網(wǎng)絡(luò)已被廣泛應(yīng)用于研究特定任務(wù)下大腦信息處理機(jī)制中^［15］.通過(guò)引入復(fù)雜網(wǎng)絡(luò)分析，EEG腦網(wǎng)絡(luò)分析方法也被證實(shí)有潛力為探索大腦情緒加工機(jī)制提供有效途徑.

本研究采用不同場(chǎng)景的情緒圖片成功誘發(fā)健康受試者厭惡和中性情緒，并同步記錄EEG信號(hào).隨后，運(yùn)用sLORETA技術(shù)對(duì)EEG信號(hào)執(zhí)行溯源分析，以揭示圖片刺激誘發(fā)的厭惡和中性情緒腦皮層電活動(dòng)差異.在此基礎(chǔ)上，進(jìn)一步利用時(shí)頻最大信息系數(shù)方法構(gòu)建了源層面的腦功能網(wǎng)絡(luò)，并結(jié)合圖論分析方法，探索不同情緒狀態(tài)下的腦網(wǎng)絡(luò)調(diào)節(jié)機(jī)制.本研究為負(fù)性情緒機(jī)制研究提供了新的視角，有望為精神類疾病患者的診療提供重要的理論基礎(chǔ)和臨床價(jià)值.

1 材料與方法

1.1 實(shí)驗(yàn)被試與刺激材料

20名健康成年被試（男女各10人，平均年齡（22.7±2.2）歲），所有被試均為右利手，無(wú)精神類疾病，視力或矯正視力正常，所有被試此前均未參加過(guò)類似實(shí)驗(yàn).實(shí)驗(yàn)開(kāi)始前，所有被試均被明確告知實(shí)驗(yàn)流程和注意事項(xiàng)，自愿簽署了知情同意書(shū).該試驗(yàn)符合《赫爾辛基宣言》，并已得到河北大學(xué)附屬醫(yī)院倫理審查委員會(huì)的批準(zhǔn)（HDFY- KY-2023-179）.

所選刺激材料均選自國(guó)際情緒圖片庫(kù)（international affective picture system，IAPS）^［16］.首先，在負(fù)性圖片中由被試選取30張厭惡圖片（效價(jià)為2.59±0.57，喚醒度為5.31±0.54）用于正式實(shí)驗(yàn)，同時(shí)為避免厭惡圖片連續(xù)多次出現(xiàn)而引起的信息加工異化，研究中又選取了60張中性圖片（效價(jià)為5.44±0.37，喚醒度為3.84±0.51）.

1.2 實(shí)驗(yàn)范式設(shè)計(jì)

所有圖片隨機(jī)呈現(xiàn)于屏幕中央，且只出現(xiàn)1次.每次實(shí)驗(yàn)開(kāi)始時(shí)，黑色屏幕中央出現(xiàn)紅色注視點(diǎn)，持續(xù)1 000 ms，之后呈現(xiàn)圖片，每個(gè)圖片的持續(xù)時(shí)間為3 000 ms.實(shí)驗(yàn)中要求被試自然注視圖片，當(dāng)圖片消失后需執(zhí)行2次按鍵操作：第1次按鍵操作為判斷圖片類型，1為厭惡，2為其他；

第2次按鍵操作為對(duì)圖片喚醒度進(jìn)行1～9等級(jí)評(píng)分，評(píng)分越高負(fù)性程度越強(qiáng).實(shí)驗(yàn)范式如圖1所示.

每名被試完成120次實(shí)驗(yàn)，每進(jìn)行30次休息5 min.為了使被試者熟悉實(shí)驗(yàn)過(guò)程，在正式實(shí)驗(yàn)開(kāi)始之前需進(jìn)行一次簡(jiǎn)單的預(yù)實(shí)驗(yàn).預(yù)實(shí)驗(yàn)使用了來(lái)自IAPS的刺激圖片，其中包括10張中性圖片和10張令人厭惡的圖片，實(shí)驗(yàn)流程與正式實(shí)驗(yàn)保持一致.實(shí)驗(yàn)在安靜、光線昏暗的屏蔽室內(nèi)進(jìn)行，要求被試者確保身心放松，并避免過(guò)多的動(dòng)作.

1.3 數(shù)據(jù)采集與預(yù)處理

本研究利用64通道腦電放大系統(tǒng)（neuroscan，Australia）依據(jù)國(guó)際10～20標(biāo)準(zhǔn)采集被試實(shí)驗(yàn)過(guò)程中EEG信號(hào)，采樣率設(shè)置為500 Hz.實(shí)驗(yàn)過(guò)程中確保所有電極阻抗小于5 kΩ.

EEG數(shù)據(jù)經(jīng)過(guò)0.01～50 Hz的帶通濾波處理，并消除50 Hz的工頻干擾.隨后，獨(dú)立成分分析（independent component analysis，ICA）被用于去除眼電、心電和肌電等偽跡.單次EEG有效數(shù)據(jù)的時(shí)間跨度設(shè)定為-200～3 000 ms（將刺激圖片呈現(xiàn)瞬間標(biāo)記為0，-200 ms表示該刺激圖片出現(xiàn)之前的200 ms）.此外，被試判斷錯(cuò)誤的試次被排除，經(jīng)預(yù)處理后保留了80%的有效試次，以確保每個(gè)被試在每種條件下可供ERP分析的試次不少于25次.在進(jìn)行ERP分析時(shí)，M1和M2雙側(cè)乳突被選為參考電極；而在進(jìn)行腦網(wǎng)絡(luò)分析時(shí)，參考電極改為全腦平均參考.EEG離線數(shù)據(jù)預(yù)處理通過(guò)EEGLAB插件（swartz center for computational neuroscience，美國(guó)）執(zhí)行.

2 數(shù)據(jù)分析

2.1 事件相關(guān)電位分析

-200～800 ms的EEG數(shù)據(jù)被截取用于執(zhí)行ERP分析.以刺激圖片出現(xiàn)為0點(diǎn)，基線為圖片呈現(xiàn)前200 ms.執(zhí)行基線校正后分別對(duì)厭惡和中性情緒刺激下的ERP活動(dòng)進(jìn)行疊加平均.本研究ERP總平均波形圖選取的感興趣腦區(qū)為：顳-頂區(qū)（左側(cè)：CP3、P3、T7、TP7；中間：CPz、Pz；右側(cè)：CP4、P4、T8、TP8）和頂-枕區(qū)（左側(cè)：O1、PO7；中間：Oz、POz；右側(cè)：O2、PO8）.考慮到之前研究已證實(shí)EPN成分對(duì)厭惡情緒的敏感性，本研究主要針對(duì)不同情緒狀態(tài)下每個(gè)ROI的EPN（250～450 ms）平均波幅進(jìn)行統(tǒng)計(jì)分析.

2.2 腦功能網(wǎng)絡(luò)分析

為了進(jìn)一步探索不同情緒下EPN成分的腦區(qū)連通性，本研究在完成EEG信號(hào)可靠溯源的基礎(chǔ)上采用時(shí)頻最大信息系數(shù)（time-frequency maximal information coefficient，TFMIC）方法構(gòu)建EEG腦網(wǎng)絡(luò).TFMIC方法具有公平性、普適性的優(yōu)點(diǎn)，且能夠在低信噪比條件下準(zhǔn)確捕獲2個(gè)神經(jīng)生理信號(hào)之間線性和非線性的相關(guān)性，本團(tuán)隊(duì)在之前的研究中提出該方法并將其成功運(yùn)用于腦肌網(wǎng)絡(luò)的構(gòu)建，方法的詳細(xì)介紹見(jiàn)文獻(xiàn)［17-18］.

首先利用sLORETA執(zhí)行EEG源分析，將結(jié)果依據(jù)DKT（desikan-killiany-tourville，DKT）模板映射至68個(gè)腦區(qū)，各腦區(qū)的平均源信號(hào)作為該腦區(qū)代表信號(hào).隨后，以68個(gè)腦區(qū)為網(wǎng)絡(luò)節(jié)點(diǎn)，利用TFMIC方法計(jì)算成對(duì)平均源信號(hào)間的連接強(qiáng)度作為網(wǎng)絡(luò)的邊構(gòu)建腦網(wǎng)絡(luò).

研究分別在theta（4～8 Hz）、alpha（8～13 Hz）、beta（13～30 Hz）和gamma（30～35 Hz）4個(gè)頻段內(nèi)計(jì)算平均源信號(hào)之間的TFMIC值.采用排列檢驗(yàn)來(lái)檢驗(yàn)TFMIC數(shù)值的統(tǒng)計(jì)學(xué)意義.BrainNet Viewer工具箱被用于對(duì)閾值化后的連接矩陣進(jìn)行可視化^［19］.為量化不同腦網(wǎng)絡(luò)的差異，基于特定頻段的68×68鄰接矩陣計(jì)算腦網(wǎng)絡(luò)平均特征路徑長(zhǎng)度和平均聚類系數(shù).相關(guān)網(wǎng)絡(luò)屬性的計(jì)算在BCT（brain connectivity toolbox，BCT）工具箱執(zhí)行^［20］.

3 結(jié)果與討論

3.1 實(shí)驗(yàn)結(jié)果

對(duì)于ERP結(jié)果，與中性情緒相比，厭惡情緒誘發(fā)的EPN波幅顯著更高（Plt; 0.05），如圖2所示.圖2中典型電極位置主要位于顳頂葉和枕葉區(qū)域，根據(jù)之前研究證實(shí)這些區(qū)域視覺(jué)刺激下EPN波形相對(duì)明顯.

由圖3可見(jiàn)，厭惡情緒下EPN成分的激活區(qū)域在右側(cè)枕葉外側(cè)、頂葉下回、右側(cè)額中回下部、左側(cè)顳葉后部、右側(cè)顳葉、扣帶回峽部和旁中央小葉被觀察到，且右側(cè)頂葉的電流密度高于左側(cè).中性情緒下EPN成分的激活區(qū)域主要為右枕葉外側(cè)、右側(cè)頂葉下回、左側(cè)額中回下部、右側(cè)額下回和額上回等區(qū)域.相比于厭惡情緒，中性情緒狀態(tài)下激活區(qū)域主要集中在右腦，左腦激活更少.

進(jìn)而，分析了不同情緒下皮層活動(dòng)差異的腦區(qū).厭惡情緒和中性情緒的EPN源差異在右側(cè)頂葉、左側(cè)顳上回、左側(cè)顳下回、右側(cè)顳葉和扣帶回后部等區(qū)域被觀察到.

對(duì)于EEG腦網(wǎng)絡(luò)，本研究?jī)H在alpha頻段觀察到厭惡和中性情緒具有顯著性差異（P＜0.05），如圖4所示.中性情緒下腦網(wǎng)絡(luò)中連接邊數(shù)量相對(duì)較少，主要集中在額頂葉.相比之下，厭惡情緒狀態(tài)下腦網(wǎng)絡(luò)連接邊數(shù)量顯著更多，主要集中在顳-頂葉.

進(jìn)一步，分別統(tǒng)計(jì)分析了2種情緒狀態(tài)下腦網(wǎng)絡(luò)的平均特征路徑長(zhǎng)度和平均聚類系數(shù)，如圖5所示.與中性情緒相比，厭惡情緒有著更小的特征路徑長(zhǎng)度和更高的聚類系數(shù).

3.2 結(jié)果討論

厭惡情緒是一種強(qiáng)烈的自主情緒體驗(yàn)，普遍存在于人類日常生活中.深入研究厭惡情緒的神經(jīng)機(jī)制對(duì)于理解負(fù)性情緒產(chǎn)生和加工機(jī)制有著重要意義.本研究將事件相關(guān)電位分析與源層面EEG腦網(wǎng)絡(luò)結(jié)合，從時(shí)-空角度探索了圖片刺激誘發(fā)的厭惡和中性情緒的神經(jīng)機(jī)制.

作為與基礎(chǔ)情緒緊密相關(guān)的ERP成分之一，EPN成分在視覺(jué)任務(wù)的研究中比較常見(jiàn)，尤其是在探討注意和情緒加工機(jī)制時(shí)^［21］.EPN成分通常在視覺(jué)刺激呈現(xiàn)后的150～300 ms內(nèi)顯現(xiàn)，表現(xiàn)為明顯的負(fù)向波形.這一波形是大腦對(duì)刺激早期注意和情緒加工的重要反應(yīng)，而其幅度和波形特征則能夠揭示大腦對(duì)情緒性刺激的敏感程度以及注意資源的分配情況^［22］.之前研究發(fā)現(xiàn)，與中性圖片內(nèi)容相比，EPN幅值會(huì)因情緒的產(chǎn)生而顯著地增加^［23］.Wheaton等^［24］發(fā)現(xiàn)厭惡情緒圖片引起了更大的EPN幅值，證實(shí)了EPN對(duì)引起厭惡情緒的圖片十分敏感.在本研究中，觀察到EPN幅值的結(jié)果與前人的研究相吻合，這可能暗示厭惡情緒圖片在視覺(jué)加工中更易于吸引早期的注意力.這一結(jié)果進(jìn)一步證實(shí)了EPN成分可以作為有效指標(biāo)，用于反映圖片刺激所引發(fā)的厭惡情緒加工過(guò)程.

通過(guò)溯源分析，本研究發(fā)現(xiàn)厭惡和中性情緒EPN源差異在右側(cè)頂葉、顳葉和扣帶皮層等區(qū)域附近被觀察到.之前相關(guān)研究表明，大腦中的右側(cè)頂葉上回和扣帶回皮層在厭惡情緒中發(fā)揮了重要作用，當(dāng)被試面對(duì)不愉快的味道刺激時(shí)，扣帶回皮層的活動(dòng)會(huì)增加，并且和厭惡體驗(yàn)強(qiáng)度呈正相關(guān)^［25-26］.此外，有研究發(fā)現(xiàn)雙側(cè)顳葉也參與了厭惡情緒的調(diào)節(jié)和表達(dá)^［27-28］.本研究結(jié)果與上述研究觀察到的現(xiàn)象保持一致，為特定情緒下不同功能腦區(qū)激活提供了證據(jù).

在溯源基礎(chǔ)上，通過(guò)構(gòu)建EEG源層面腦網(wǎng)絡(luò)，研究觀察到厭惡和中性情緒的alpha頻段腦網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)存在顯著差異.相比中性情緒，厭惡情緒條件下腦網(wǎng)絡(luò)連接更多，且主要集中于顳頂葉區(qū)域.這一方面表明情緒的誘發(fā)和處理能夠顯著改變腦功能網(wǎng)絡(luò)，另一方面也表明上述皮層區(qū)域的連接增強(qiáng)促進(jìn)了厭惡情緒的信息處理.Lim等^［29］的之前一項(xiàng)研究也證實(shí)了額-顳功能連接與厭惡情緒存在相關(guān)性.通過(guò)計(jì)算腦網(wǎng)絡(luò)屬性，相比中性情緒狀態(tài)下，本研究觀察到在面對(duì)厭惡情緒時(shí)，腦網(wǎng)絡(luò)的平均特征路徑長(zhǎng)度顯著更低，而平均聚類系數(shù)顯著更高.特征路徑長(zhǎng)度通常用來(lái)衡量腦網(wǎng)絡(luò)的整體連接效率和信息傳遞速度，而聚類系數(shù)則被用來(lái)評(píng)估腦網(wǎng)絡(luò)中局部腦區(qū)處理信息的效率^［30］.本研究結(jié)果表明，當(dāng)面對(duì)厭惡情緒的刺激時(shí)，大腦可能會(huì)采取兩方面策略進(jìn)行調(diào)整.一方面，大腦可能會(huì)調(diào)整其局部功能網(wǎng)絡(luò)的alpha頻段連接方式，以增強(qiáng)對(duì)特定信息的感知和應(yīng)對(duì)能力.另一方面，大腦可能會(huì)提高各功能腦區(qū)間的整體連接效率和信息處理效率，以更有效地協(xié)調(diào)和處理情緒相關(guān)的信息，這種調(diào)整可能有助于大腦更有效地應(yīng)對(duì)厭惡情緒的刺激，并維持情緒穩(wěn)定.這一發(fā)現(xiàn)不僅深化了對(duì)厭惡情緒如何影響大腦功能的理解，還揭示了大腦在情緒刺激下的自適應(yīng)調(diào)節(jié)機(jī)制，為未來(lái)的研究提供了寶貴的啟示.本研究只針對(duì)健康志愿者開(kāi)展了研究，考慮到抑郁癥患者普遍存在負(fù)性情緒，后續(xù)研究將招募該類型患者，進(jìn)一步開(kāi)展基于EEG腦網(wǎng)絡(luò)的抑郁癥患者負(fù)性情緒機(jī)制研究.

4 結(jié)語(yǔ)

為深入研究圖片刺激誘發(fā)厭惡情緒的神經(jīng)機(jī)制，本研究在開(kāi)展事件相關(guān)電位分析基礎(chǔ)上，基于時(shí)頻最大信息系數(shù)方法構(gòu)建了EEG源層面的腦網(wǎng)絡(luò).研究發(fā)現(xiàn)，與中性情緒圖片刺激相比，厭惡情緒圖片刺激所誘發(fā)的EPN幅值顯著增高.通過(guò)EEG溯源分析，進(jìn)一步發(fā)現(xiàn)厭惡情緒與中性情緒刺激在激活腦區(qū)方面存在顯著差異.更進(jìn)一步地，研究發(fā)現(xiàn)alpha頻段的腦網(wǎng)絡(luò)在面對(duì)不同情緒刺激時(shí)，其連接狀態(tài)存在顯著的區(qū)別.與中性情緒相比，厭惡情緒下的特征路徑長(zhǎng)度明顯縮短，而聚類系數(shù)則顯著增大.這些發(fā)現(xiàn)不僅有助于更深入地理解大腦在面對(duì)厭惡圖片刺激時(shí)的情緒處理機(jī)制，同時(shí)也為探索負(fù)性情緒的神經(jīng)機(jī)制提供了新的視角和思路.

參 考 文 獻(xiàn)：

［1］ 李招賢.厭惡的神經(jīng)基礎(chǔ)：來(lái)自大腦誘發(fā)和自發(fā)神經(jīng)活動(dòng)模式的證據(jù)［D］.新鄉(xiāng)： 新鄉(xiāng)醫(yī)學(xué)院， 2021.

［2］ 黃好，羅禹，馮廷勇，等.厭惡加工的神經(jīng)基礎(chǔ)［J］.心理科學(xué)進(jìn)展， 2010， 18（9）： 1449-1457.

［3］ 肖婷煒，董潔，梁飛，等.厭惡情緒與自殺行為的關(guān)系［J］.心理科學(xué)進(jìn)展， 2023， 31（1）： 87-98. DOI： 10.3724/SP.J.1042.2023.00087.

［4］ OLATUNJI B O， KIM J. Examining reciprocal relations between disgust proneness and OCD symptoms： a four-wave longitudinal study［J］. J Behav Ther Exp Psychiatry， 2024， 82： 101907. DOI： 10.1016/j.jbtep.2023.101907.

［5］ CULICETTO L， FERRAIOLI F， LUCIFORA C， et al. Disgust as a transdiagnostic index of mental illness： a narrative review of clinical populations［J］. Bull Menninger Clin， 2023， 87（Supplement A）： 53-91. DOI： 10.1521/bumc.2023.87.suppA.53.

［6］ STARK R， SCHIENLE A， WALTER B， et al. Hemodynamic responses to fear and disgust-inducing pictures： an fMRI study［J］. Int J Psychophysiol， 2003， 50（3）： 225-234. DOI： 10.1016/s0167-8760（03）00169-7.

［7］ MCCABE C， ROCHA-REGO V. Investigating the predictive value of functional MRI to appetitive and aversive stimuli： a pattern classification approach［J］. PLoS One， 2016， 11（11）： e0165295. DOI： 10.1371/journal.pone.0165295.

［8］ MOSCARELLO J M， MAREN S. Flexibility in the face of fear： hippocampal-prefrontal regulation of fear and avoidance［J］. Curr Opin Behav Sci， 2018， 19： 44-49. DOI： 10.1016/j.cobeha.2017.09.010.

［9］ GARRETT A S， MADDOCK R J. Time course of the subjective emotional response to aversive pictures： relevance to fMRI studies［J］. Psychiatry Res， 2001， 108（1）： 39-48. DOI： 10.1016/s0925-4927（01）00110-x.

［10］ 曾慶，鄭希付.高低厭惡敏感性個(gè)體對(duì)不同情緒刺激的注意時(shí)程： 來(lái)自ERP研究的證據(jù)［J］.心理與行為研究， 2019， 17（6）： 743-749. DOI： 10.3969/j.issn.1672-0628.2019.06.004.

［11］ YAO Y J， XU D. Unconscious cognitive reappraisal and unconscious expression suppression regulate emotional responses： an ERP study［J］. Curr Psychol， 2024， 43（9）： 7772-7784. DOI： 10.1007/s12144-023-04943-0.

［12］ ALDUNATE N， LóPEZ V， BOSMAN C A. Early influence of affective context on emotion perception： EPN or early-N400？［J］. Front Neurosci， 2018， 12： 708. DOI： 10.3389/fnins.2018.00708.

［13］ 魏玲，李穎潔，姚旭峰.恐懼和悲傷情緒認(rèn)知重評(píng)過(guò)程中的腦電活動(dòng)差異［J］.中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)， 2021， 40（1）： 44-52. DOI： 10.3969/j.issn.0258-8021.2021.01.05.

［14］ ZHOU F， ZHAO W H， QI Z Y， et al. A distributed fMRI-based signature for the subjective experience of fear［J］. Nat Commun， 2021， 12（1）： 6643. DOI： 10.1038/s41467-021-26977-3.

［15］ SI Y J， JIANG L， TAO Q， et al. Predicting individual decision-making responses based on the functional connectivity of resting-state EEG［J］. J Neural Eng， 2019， 16（6）： 066025. DOI： 10.1088/1741-2552/ab39ce.

［16］ BRANCO D， GON ALVES ó F， BADIA S B. A systematic review of international affective picture system （iaps） around the world［J］. Sensors， 2023， 23（8）： 3866. DOI： 10.3390/s23083866.

［17］ 梁鐵，張清愉，洪磊，等.一種改進(jìn)的最大信息系數(shù)算法在腦卒中患者的皮質(zhì)肌功能耦合分析中的應(yīng)用［J］.生物醫(yī)學(xué)工程學(xué)雜志， 2021， 38（6）： 1154-1162. DOI： 10.7507/1001-5515.202106062.

［18］ LIANG T， ZHANG Q Y， LIU X G， et al. Time-frequency maximal information coefficient method and its application to functional corticomuscular coupling［J］. IEEE Trans Neural Syst Rehabil Eng， 2020， 28（11）： 2515-2524. DOI： 10.1109/TNSRE.2020.3028199.

［19］ XIA M， WANG J， HE Y. BrainNet Viewer： a network visualization tool for human brain connectomics［J］. PloS one， 2013， 8（7）： e68910. DOI： 10.1371/journal.pone.0068910.

［20］ RUBINOV M， K TTER R， HAGMANN P， et al. Brain connectivity toolbox： a collection of complex network measurements and brain connectivity datasets［J］. NeuroImage， 2009， 47： S169. DOI： 10.1016/S1053-8119（09）71822-1.

［21］ SCHUPP H， CUTHBERT B， BRADLEY M， et al. Brain processes in emotional perception： motivated attention［J］. Cogn Emot， 2004， 18（5）： 593-611. DOI： 10.1080/02699930341000239.

［22］ ALDUNATE N， LóPEZ V， BOSMAN C A. Early influence of affective context on emotion perception： EPN or early-N400？［J］. Front Neurosci， 2018， 12： 708. DOI： 10.3389/fnins.2018.00708.

［23］ SCHINDLER S， BRUCHMANN M， STRAUBE T. Feature-based attention interacts with emotional picture content during mid-latency and late ERP processing stages［J］. Biol Psychol， 2022， 170： 108310. DOI： 10.1016/j.biopsycho.2022.108310.

［24］ WHEATON M G， HOLMAN A， RABINAK C A， et al. Danger and disease： electrocortical responses to threat- and disgust-eliciting images［J］. Int J Psychophysiol， 2013， 90（2）： 235-239. DOI： 10.1016/j.ijpsycho.2013.08.001.

［25］ MCCABE C， ROCHA-REGO V. Investigating the predictive value of functional MRI to appetitive and aversive stimuli： a pattern classification approach［J］. PloS One， 2016， 11（11）： e0165295. DOI： 10.1371/journal.pone.0165295.

［26］ LI Z， LI Y， LI X， et al. The spontaneous brain activity of disgust： perspective from resting state fMRI and resting state EEG［J］. Behav Brain Res， 2021， 403： 113135. DOI： 10.1016/j.bbr.2021.113135.

［27］ MOSCARELLO J M， MAREN S. Flexibility in the face of fear： hippocampal-prefrontal regulation of fear and avoidance［J］. Curr Opin Behav Sci， 2018， 19： 44-49. DOI： 10.1016/j.cobeha.2017.09.010.

［28］ SHAHABI H， MOGHIMI S. Toward automatic detection of brain responses to emotional music through analysis of EEG effective connectivity［J］. Comput Hum Behav， 2016， 58： 231-239. DOI： 10.1016/j.chb.2016.01.005.

［29］ LIM J， KURNIANINGSIH Y A， ONG H H， et al. Moral judgment modulation by disgust priming via altered fronto-temporal functional connectivity［J］. Sci Rep， 2017， 7（1）： 10887. DOI： 10.1038/s41598-017-11147-7.

［30］ RUBINOV M， SPORNS O. Complex network measures of brain connectivity： Uses and interpretations［J］. Neuroimage， 2010， 52（3）： 1059-1069. DOI： 10.1016/j.neuroimage.2009.10.003.

（責(zé)任編輯：孟素蘭）