Summary
使用功能磁共振成像和行为方式的主观价值在人类大脑中的风险和不明确的选项,以确定神经表示。
Abstract
我们作出的选择有不确定的后果。在某些情况下,不同的可能结果的概率是精确已知的,称为“高风险”的条件。在其他情况下无法估计概率,这是一个条件描述为“暧昧”。虽然大多数人都厌恶风险和歧义1,2,那些厌恶的程度有很大的不同个人,这样的主观价值的相同风险或不明确的选项,可以为不同的个体有很大的不同。我们结合了功能性磁共振成像(fMRI)技术与基于实验经济学方法来评估神经代表性的主观价值风险和不明确的选项4。这种技术可以用来研究神经表征在不同的人群,如不同年龄组和不同的患者人群。
在我们的实验中,受试者作出相应的选择between两种选择,而他们的神经激活使用功能磁共振成像跟踪。在每个试验中,受试者选择不同的彩票,在他们的货币量,无论是在与获奖相关的概率赢得该金额的或歧义水平的。我们的参数化设计,使我们能够利用每个人的选择行为,估计其对风险和模糊的态度,并以此估计,每一个方案为他们举行的主观价值。设计的另一个重要特征是所选择的彩票,结果没有透露在实验过程中,让没有学习的地方,和模棱两可的选项仍然是不明确的,风险的态度是稳定的。相反,在一个或几个试验结束扫描会话随机选择和演奏为真正的金钱。由于受试者事先不知道将选择的试验,他们必须认真对待每一个试验如果它是一个试验,他们将支付。这种设计的连接确保我们可以估算出每个选项的主观价值的每个主题。然后,我们看的区域在大脑中的激活相关的风险选项的主观价值和地区的激活相关的主观价值模棱两可的选项。
Protocol
1。准备实验
- 第一步是设计代表将呈现在屏幕上在扫描仪中的风险和模糊的选择的视觉刺激。我们使用的图像,如在图1来表示袋充满了筹码,我们称之为“彩票袋”。从图形上看,这些图像可以被认为是成堆的筹码之前,它们被放置在一个袋子里。更重要的是,这些图片代表真正的容器,在我们的例子信封,充满了100红色和蓝色的筹码,这个问题将在实验开始前。这将确保受试者都明白,他们将面临认为,计算机显示屏准确地介绍这些彩票的彩票。对于风险的彩票中奖概率,在一个给定的包络线,比红色蓝筹股恰恰是表示同时使用数字和图形的刺激( 图1A)。对于暧昧彩票的资料n关于概率丢失( 图1B),例如,可能比红到蓝的芯片是有界的,但是没有被指定,渲染部分暧昧的中奖概率。
- 对风险彩票各图像的红色和蓝色的区域是在信封中的红色和蓝色的芯片的数量成正比。我们建议使用最低的3个结果的概率( 图1A)。使用的确切概率可以根据不同的具体要求的实验,但实验人员应持谨慎态度非常高和非常低的概率。它是已知的人类受试者通常误传概率低于10%或高于90%5。除非打算研究这个系统的失实陈述,应避免这些极端。
- 为了传达歧义的计算机显示器中的堆栈的芯片的中央部分带有灰色的封堵器的( 图1B)遮蔽。在灰色地带的num误码率的每种颜色的芯片将是未知的,并且因此概率绘制一个红色或蓝色的芯片将不能精确地知道。例如,在图1B中的中间包封堵器覆盖的袋子的50%,从而红筹股的数目可以是25(如后面的封堵器的所有的芯片是蓝色的)和75之间的任意位置(如果所有的芯片背后封堵器是红色的)。当然,蓝色芯片的数目也可以是这两个值之间的任何地方。
- 提高封堵器的大小,增加了模糊水平(可能的概率绘制一个红色或蓝色的芯片)。我们建议使用至少有3个级别的闭塞,覆盖50〜25袋或75%( 图1B)。
- 当受试者在电脑上执行任务,我们提出了一系列可能的结果量的每一个中奖概率/歧义。我们建议使用5薪酬水平4,涵盖了广泛的款项,例如:5,9.5,18,34和65 DOLLARS。我们目前的结果显示,胜负彩金额,并显示“0”的其他颜色。例如,在图2中绘制一个红色的芯片会导致赢取$ 18,而绘制蓝筹股将导致一个零的结果。
- 更重要的是,每个受试者会选择两个彩票。为简单起见,我们保持一个恒定的整个实验过程中的选项(在这个例子中有50%的机会赢得5美元),唯一不同的另一种选择。这有两个好处。首先,恒定的选项并没有出现在屏幕上,简化的视觉显示(虽然现在提醒每一个,然后可能会有所帮助)。第二,永远不会改变,因为一个选项,基于回归分析的fMRI信号,可以有效地忽略此参数。请注意,为了有一个“共同货币”的主观价值的参考选项是相同的,这两种类型的试验的风险和含糊不清的彩票。
- 每一个组合重刑的可能性或歧义的水平和数量提出了一个总的至少4倍,且优选,以确保有足够的统计权力的行为和功能磁共振成像分析。一半的重复红色应与一个非零的结果相关联,并在另一半蓝色,避免色彩偏差,以确保在模糊的对称性。
- 我们选择使用一个缓慢的事件相关设计( 图3),其中的血流动力学反应不同的试验是在时间上相隔。在这样的设计中,每个彩票刺激,简单地说,在我们的情况下为2秒的延迟时间(在我们的例子中,6秒),允许时间的决定相关的神经活动,建立。响应应在一个短暂的时间窗口(1-2秒)。使用的图像,如在图3中所示的一个,作为一个简短的反馈,以使拍摄对象知道已经记录他们的反应。长的休息时间(10秒或铁道部分离试验。E),以便回到基线的血流动力学反应。可以使用更短的休息时间,合适的抖动。高达30次的块组的试验,但千万不要让块需要更长的时间约10分钟。这使得在扫描仪的休息时间,最大限度地提高性能和最大限度地减少受疲劳。为了允许每个概率/模糊性和量的组合中的至少4个重复试验的总数将是至少120, 即 4个街区。
- 准备物理袋(在我们的例子中信封),所以他们在执行任务之前,可以显示他们的主题。它们将被用于以后播放随机选择的试验(s)为还清。准备在实验中使用的图像的每个彩票的袋。填写每包共100扑克/宾果红色和蓝色的芯片,绘制每种颜色的芯片,在显示屏上显示的包的概率相对应的比例。暧昧袋使用一个随机数生成器决定上红色和蓝色芯片的实际数字,对应于每个歧义水平。准备参照袋50个红色和50个蓝色的芯片。准备物理袋,并显示他们的主题是特别重要的受试者招募心理学系。这些科目可能怀疑某种欺骗手段,他们怀疑欺骗他们的反应将是无法解释的。
2。准备主题
- 每个主题必须填写一份同意书和筛选问卷。筛选形式验证的主题没有任何金属在他们的身上,他们不怀孕或幽闭恐惧症,他们可以安全地扫描。的主题也必须从他们身上所有的金属,在扫描仪的环境,以确保安全。这是至关重要的。
- 为主题的实验有详细的说明。问几个简单的问题,以确保他们了解如何概率伊蒂埃斯及金额在每幅图像传送,并确保他们了解自己的任务。确保不向外界透露任何信息,可能会影响他们的选择。例如,不要帧的选择问题,他们面临的这样一种方式,对特定的风险态度偏差的主题 。他们在实验中每幅图像是指一个单一的特定的物理包,你不能和不会篡改的物理包和压力。还解释说,一半的试验将是胜负彩蓝色,并在半红。说明支付机制,使被摄对象的理解,他们将支付他们的选择。鼓励科目要求任何他们不明白的问题。这是一个关键时期,正在建立有关实验的受试者的信仰。至关重要的是,主题是信心的实验不涉及任何类型的欺骗的行为和神经的结果将是无法解释的。
- 密封袋,并有主题,在封口处签上自己的名字。解释说,这将使他们验证的实验,在实验过程中并没有改变内容的包包。这有助于安抚的主题,他们是在玩一个完全公平的游戏。也解释后的彩票的玩法,在实验结束后,他们将被允许看,成袋的内容,以确保它们符合规定的可能性或歧义水平。
3。扫描
- 我们使用的3T MRI扫描仪,头部线圈(4通道或以上),以获得全脑血氧水平依赖(BOLD)信号。
- 使用的是2键的响应框,记录受试者的选择。
- 解剖扫描:,我们使用T1加权MPRAGE的序列,以获得清晰的高清晰度(1x1x1毫米),可用于三维重建的主体的大脑图像。任何高分辩率的序列可以用于此purpose。
- 功能的扫描:使用T2 *加权EPI序列,2秒,3×3×3毫米体素的TR。确保定位片,它们包括你的大脑区域是最感兴趣的,通常是前额叶皮质,顶叶皮质和基底神经节。为特定的扫描仪扫描参数进行优化,我们使用:TE 30毫秒,翻转角75°,36 3毫米片,用无片间的差距,AC-PC线平行,在平面分辨率的3x3 mm,FOV 192毫米。其他的研究表明,在30℃的AC-PC线定位片,可减少信号丢失的眶额皮层6。
4。付款程序
- 后从扫描仪中取出的主题,检索数据从电脑上记录拍摄对象的反应行为。
- 随机选择一个或几个试验付款。最好是让拍摄对象的选择,例如,绘制一个带编号的扑克筹码从一个不透明的袋子,包含所有的试验编号的芯片。这将确保选择的主题的确是随机的。
- 对于每个选定的试验表明所提出的选项,选择该试验的主题。问他们画一个芯片上选择该试验从包里,并支付他们根据绘制的颜色和量的试验。
例如,如果在选定的试验提出的彩票描绘在图2(一个模糊的彩票,提供18美元如果一家红筹被画)和在主题选择这种彩票,而不是在参考彩票,那么这个问题应该画一个芯片出彩票图像对应的物理袋。如果红筹画的主题将获得$ 18,如果蓝筹股绘制,他们将什么也得不到。
5。分析行为数据
- 利用最大似然,我们的后勤适合每个科目的选择数据函数的形式:
Pv是该主体的概率选择的可变的彩票,SV F和SV V的固定和可变的选项的主观值分别和γ是物流函数的斜率,这是特定的被摄体的参数。另一种方法是使用一个概率分布。
- 每个选项的主观价值模型为每个主题,你可以使用一些模型,考虑到帐户的金额,概率和模糊性的选项和个人主体对风险和模糊的态度。我们选择使用电源功能5,其中包括一个线性效果的模糊性上感知的概率7:
其中,p为目标的概率能力(暧昧的彩票类定义0.5),A是模糊水平(分数的总概率是未知的,危险的彩票为0),V是的金额,和α和βare的特定主题的风险和模糊性姿态参数。几种可供选择的方法之一是有歧义指数的影响:
因此,选择适合的选择功能,提供了对风险的态度(α)和模糊性的态度(β)为每个主题的估计。
6。分析的神经数据
- 执行标准预处理的数据,包括:1)切片的扫描时间校正考虑到不同的片扫描时间的细微差异; 2)区域内和跨经营主体运动的运动校正; 3)拆除低频率,通常ŕ兴高采烈的生理噪声和扫描仪漂移。
- 注册的功能数据,每个受他们的解剖数据。
- 在单一主体的活动,每个体素模型作为一个持续的反应,在整个审判(在我们的例子10秒),卷积,一个标准的血流动力学响应函数9的分析。使用广义线性模型的以下预测:
- 主观价值的预测(SV),高风险试验,和一个暧昧试验的。使用式(2)和来自行为拟合计算SV的每个彩票的单独被摄体的特定参数。由于参考彩票是一样的,对于所有的试验中,我们可以使用单独的SV的变量彩票在每一次试验。对于风险SV预测的插入SV每一个危险的试验,每个易混淆的试验,暧昧的预测,反之亦然。
- 两个虚拟的预测,一个危险的试验,一个暧昧试验,上限未来的总激活,如视觉和运动激活。
- 看为在其中的系数的SV下的风险和/或下歧义是显着的体素。显着性的测试,应采取考虑到执行的多重比较。我们所用的方法是限制最小的簇大小6个连续体素10。另外,其它的方法,如假发现率(FDR),11,可用于纠正多个修正。
7。代表性的成果
行为
图4给出了三个有代表性的对象的行为结果。每个面板提供选择的数据和模型的拟合结果为一个主题下风险(左)或含糊不清(右)。该图描绘的主题选择的试验中,量的函数的变量彩票的比例,分别为每个级别的概率能力或歧义。从图中可以看出,主体可能会在他们对风险和模糊的态度有很大的差异。
要检查善良的契合,R 2,理想情况下应该超过0.5,也视觉检查的曲线。虽然我们所有的三个例子有合法的行为,使合理的配合,注意,2个月几乎没有选择的变量选择的概率最低(0.13)的风险状况。这表明,扩大的范围内的量和/或使用更高的概率可能会提供更好的结果,因为这将确保受试者选择试验中的至少一些上的可变的选项。另一种选择是每个科目测试就广泛的款项,并选择那些金额,以确保一个相当数量的参考变量为每个选项选择。
功能磁共振成像
图5给出了成像效果的一名代表的主题。突出显示的体素的模糊预测下的主观价值(顶部)或风险(底部)的系数是显着不同,从0。在这个典型的问题,显着的相关性,发现在两种情况下内侧前额叶皮层(MPFC)和纹状体。这些区域是最一致的跨学科,但显着的相关性也可以预期在内侧和外侧的顶叶皮质,以及杏仁核地区。在这种类型的任务活动通常是脆弱的和嘈杂的,你应该期望与许多学科中的一个子领域具有显著的相关性,跨学科的高变异性。
图1。风险和含糊不清的刺激冒险的刺激。A)在每个图像在屏幕上的红色和蓝色区域是在信封的红色和蓝色的芯片的数量成正比。三种结果的概率瓦特ERE用在这里:0.13,0.25和0.38。 B)在不明刺激的图像的中央部分被遮住带有灰色的封堵器。的灰色区域中的每种颜色的数目的芯片是未知的,因而是不知道精确的概率的某一种颜色绘制一个芯片。三个层次的歧义用在这里,25日,50%或75%被遮挡的图像。
图2。一个彩票的例子。这是一个暧昧的彩票,在50%的歧义。至少有25个在信封上的芯片是红色的,至少有25个是蓝色的。如果红筹画的主题将获得18元,同时他们也将赢得什么,如果蓝筹股绘制。
图3。试验结构。彩票是简要介绍,随后的延迟时间。的响应提示,然后提示的主题,以指示在屏幕上,参考彩票彩票(在这种情况下,50%的机会赢得5美元)的红外之间做出选择。试验交错的长的休息时间。
图4。单一主体选择行为的例子。的图表呈现的试验中,每个主题选择参考的变量选择权的比例,所提供的量的函数,在危险的(左)和的暧昧(右)试验。不同的曲线是不同的风险或含糊不清的水平。 α,风险态度参数β,模棱两可的态度参数;ŕ2,麦克法登的伪R平方,一个衡量适合的行为模式的善良,相等于该部分的差异,是解释的模型;Ň,数试验中,反应共(满分180)。
<BR /> 图5。单科激活地图的例子。激活地图在高分辨率的解剖图像。突出显示的区域是这些风险(顶部)或模棱两可(底部)与主观价值下,其活性显着相关。在大多数科目内侧前额叶皮层(MPFC)和纹状体的主观价值下风险和歧义。校正P值是基于最低的簇大小为6个功能体素。 点击此处查看大图 。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
我们使用了从实验经济学的方法来描述主体的行为,并估计个人对风险和模糊的态度。然后,我们用这些估计神经的数据进行分析。
8,12已使用过的其他方法检查功能磁共振成像活动,而主题下做出选择风险和模糊性。我们的做法,但是,结合了几个重要的特点。首先,它采用了参数化设计,在不同的参数(数量,概率和模糊性水平)系统的变化。这使我们能够量化的个人风险和模棱两可的态度,并计算每个选项每个学科的主观价值。二,个人行为的措施,让我们去寻找与措施相关的脑区的激活,分别为风险和模糊性,在内受水平。这是一个干净的方式来检查的神经编码的一个参数(主观价值)U各州不同的条件(风险和模糊性),同时控制这些条件(如选择行为)的可能存在的差异。第三,通过随机选择一个试验在实验结束后,玩了真钱,我们鼓励学科透露自己的真实偏好13。
在行为层面上,这种方法使我们能够总结各学科的唯一选择行为,只有两个数字,代表个人主体的风险和模棱两可的态度。标准的经济理论表明,挑肥拣瘦的表现一贯的,这些都是必要的和足够的刻画自己的喜好。换句话说,可以证明:1)没有其他可能的表征可以较完整或较紧凑,2),所有的更复杂的特征曲线都是冗余的。在神经层面上,该方法允许我们确定的主观价值的神经表示,个别科目ascri是选项,让他们遇到这种必要和足够的特性。当然,其他的刻画行为是可能的,但使用的“风险性”的临时措施,不能与一个完整的行为或神经信号可能会引起更多的问题比它解决了。
我们描述了本地化领域,其活动与主观价值的具体方法。还有其他的,互补的方法来分析的神经在一个试探性的方式,不需要事先假设的数据。聚类方法和独立成分分析(ICA)这样的方法,可以显示其他的风险和含糊相关的激活。
结果显示,大量的行为跨学科的变化,提出几种可能的扩展的方法,可用于未来的风险和模糊性的研究。首先,该方法可以用来探测不同在个人之间的分配办法的行为,并确定这些差异的神经相关的,在不同的学科群。特别令人感兴趣的是研究假设的患者表现出极端的冒险行为,例如那些正在接受治疗的药物滥用。区分这种行为的风险和模糊的态度所作出的贡献,并描绘他们的神经相关性是重要的,了解这种病态的行为的根本原因,为制定行为和药物干预。其他有趣的活动场所将研究来自不同文化背景的人或不同年龄组的人。这种方式能够识别特定的价值活动有潜力透露,在现实生活中观察到的差异为核心的组间差异。
其次,该方法可用于检查的具体经验的影响的态度单独的S风险和模糊ubjects向。的实验范式,例如,之前和之后的行为进行操作的,如教育干预,压力处理,或改变生活的事件或自然事件发生。
第三,类似的范例,可以使用不同的结果和你想解决的问题是适当的概率范围。例如,研究对象可以提出不同的损失,而不是收益之间的选择,更直接地与实验设置的冒险行为在现实生活中,其可能的结果,往往是负面的( 例如鲁莽驾驶,或滥用药物)。第四,非货币性成果可用于探索不同的领域,如食品的选择和社会偏好的风险和模糊的态度。
这种方法的关键特征是,它提供了一个紧凑和逻辑Çomplete的方式来表征行为方面完全完全的喜好一致的被摄体的特征的指定的基础变量。紧密联系在一起的理论,将远远超出专案特性,从而提供了一种强大的方法。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
没有利益冲突的声明。
Acknowledgments
我们感谢Rustichini阿尔的设计富有成果的讨论和意见。
IL和PWG由NIA授予R01-AG033406资助。
Materials
Name | Company | Catalog Number | Comments |
Allegra Head Only 3.0 T MRI Scanner | Siemens AG | A whole body scanner can also be used | |
NM-011 transmit head coil | Nova Medical | ||
E-prime | Psychology Software Tools | Stimuli presentation software | |
Matlab | Mathworks |
References
- Glimcher, P. W. Understanding risk: a guide for the perplexed. Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).
- Camerer, C., Weber, M. Recent Developments in Modeling Preferences - Uncertainty and Ambiguity. Journal of Risk and Uncertainty. 5, 325-370 (1992).
- Holt, C. A., Laury, S. K. Risk aversion and incentive effects. Am. Econ. Rev. 92, 1644-1655 (2002).
- Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. J. Neurophysiol. 103, 1036-1047 (2010).
- Kahneman, D., Tversky, A. Prospect Theory - Analysis of Decision under Risk. Econometrica. 47, 263-291 (1979).
- Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. Optimized EPI for fMRI studies of the orbitofrontal cortex. Neuroimage. 19, 430-441 (2003).
- Gilboa, I., Schmeidler, D. Maxmin Expected Utility with Non-Unique Prior. J. Math Econ. 18, 141-153 (1989).
- Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., Camerer, C. F. Neural systems responding to degrees of uncertainty in human decision-making. Science. 310, 1680-1683 (2005).
- Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. J Neurosci. 16, 4207-4221 (1996).
- Forman, S. D. Improved Assessment of Significant Activation in Functional Magnetic-Resonance-Imaging (Fmri) - Use of a Cluster-Size Threshold. Magnetic Resonance in Medicine. 33, 636-647 (1995).
- Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15, 870-878 (2002).
- Huettel, S. A., Stowe, C. J., Gordon, E. M., Warner, B. T., Platt, M. L. Neural signatures of economic preferences for risk and ambiguity. Neuron. 49, 765-775 (2006).
- Smith, V. L. Papers in experimental economics. , Cambridge University Press. (1991).