Cerebral Cortex:静息态fMRI功能连接可以预测男女关系的相容性

即使在信息技术显著发展的情况下,基于自我报告的特征和偏好来预测异性恋个体最初的相容性也并不成功。为了克服自我报告测量和预测相容性的局限性,我们使用了来自静息状态功能磁共振成像(fMRI)数据的功能连接,这些数据携带丰富的个体特异性信息,足以预测社会认知任务中的心理构建和激活模式。在从静息态功能磁共振成像(fmri)中收集数据的几天后,参与者进行了一个快速约会实验,在这个实验中,他们与其他所有异性参与者进行3分钟的快速约会。我们的机器学习算法成功地预测了实验中的成对是否兼容,使用实验前获得的功能连接的(不)相似性。个体之间功能连接的相似性和差异性以及这些多元关系有助于预测,因此表明了互补性(观察到的差异性)的重要性,以及个体与潜在伴侣在最初吸引阶段的相似性。结果表明,突显网络、边缘区域和小脑对相容感尤为重要。这项研究强调了神经信息在社会环境中预测复杂现象的效用,而单凭行为测量是无法预测的。

1 简介
找到一个合适的浪漫伴侣是具有挑战性的,这就是为什么婚恋服务有一个强大的经济市场。为了帮助人们找到他们的灵魂伴侣,一些配对服务利用算法,旨在根据自我报告的数据,在用户开始交流之前预测他们潜在的合适伴侣。然而,目前这种算法的性能非常有限。在这些算法中,在社会关系研究之后,人格的相似性和互补性都被认为对相容性很重要。人们更喜欢和具有相同性格类型和互补的依恋不安全感(焦虑型或回避型)的人约会。他们也喜欢与人际关系风格互补(主导或顺从)的伴侣进行二元互动。因此,这种心理构念可以帮助预测个体的相容性。

然而,最近的一项研究显示,预测相容性的结果是负面的。参与者首先完成了超过100份心理调查表。随后,他们参加了一个速配活动,在这个活动中,他们与每个参与者的异性进行了4分钟的谈话,被称为速配。在每一次快速约会之后,参与者填写了他们对潜在伴侣的浪漫欲望的三个项目。研究结果表明,即使有100多个心理构念,机器学习算法也无法预测个体对彼此的渴望程度。这可能是由于个人的行为在快速约会的背景下,时间是有限的。此外,在大多数关系开始的情况下,不熟悉的情况并不一定会引发与自我报告的心理构念相一致的行为,这些心理构念反映了一般的行为倾向。另一项研究也表明,在二人互动中感知到的相似性,而不是在见面前收集的自我报告测量的相似性,对预测最初的吸引力很重要。在见面前对伴侣特定品质的主观偏好和被选中的伴侣相应的品质之间还有一个差异。因此,要预测两个人在关系开始阶段的相容性,预测变量需要反映两个人在二元互动中实际表现出的行为倾向。

在过去的二十年里,人们对无任务的自发大脑活动进行了密集的研究,因为它携带的信息非常宝贵,而且数据收集非常简单。通过功能磁共振成像(fMRI)扫描不超过10分钟的无任务静息状态,可以获得跨区域时间序列的相关模式(即功能连通性),并识别功能组织(即:大规模的大脑网络)与各种任务诱发的激活模式相对应。静息状态的功能连接不仅可以预测代表一般行为和思想倾向的各种心理构念(例如,大五人格特征),还可以预测各种社会认知任务中的激活模式,这需要二元互动所必需的能力(例如,情绪处理、语言和社会认知)。研究还发现,两个个体之间功能连接概况的(不同)相似性代表着心理构念或行为倾向的(不同)相似性。此外,最近的研究根据静息状态功能连接的相似性成功地预测了现实社会网络中的邻近性,这表明功能连接可能捕捉到朋友之间潜在的人际相似性,通常使用的人口统计学或人格测量方法无法完全捕捉到这些信息。基于这些发现,很可能一个人与潜在浪漫伴侣的功能连接概况的(不同)相似性,对应着在二元互动中行为倾向的(不同)相似性。这将使我们能够预测这种互动的结果,即关系开始时的相容性。

在本研究中,我们使用快速约会范式和功能磁共振成像(fMRI),旨在证明男女关系的相容性可以通过收集的个人功能连接档案来预测。本研究利用功能连通性相似度指标,利用机器学习算法预测相容性。Hyon等人(2020)使用的可比指数是会前静息态fmri功能连接性差的绝对值。

我们假设相容性可以通过功能连接profile的(不同的)相似性成功地预测。考虑到相容性不仅取决于相似性,还取决于特征的互补性,例如支配/顺从和依恋焦虑/回避时,有助于相容性分类的特征值既为正(表示相似性),也为负(表示差异性或互补性)。这种由分类贡献的特征将使我们能够探索相容性的神经基础。

2 方法简述
由于目前的研究,据我们所知,是第一个在神经影像学研究中使用功能连接相似性指数作为特征值的研究(尽管在社会心理学的问卷数据中使用了类似的方法),我们首先使用来自人类连接组项目(HCP)的公开数据评估了指数的效用。在这个指标评估中,我们试图使用相同的协议对在不同时间点从一个给定的个体(自我对)和不同个体(自我-他人对)收集的成对数据进行分类。然后我们确认了指数代表了特定于配对的信息,使我们能够区分具有不同属性的配对。虽然传统的静息态fMRI研究只使用低频(< 0.1 Hz)数据,但最近的研究发现揭示了频率相关信息的重要性以及高频数据与复杂信息处理之间的联系。因此,我们使用来自四个不同频段的数据对信息进行分类。在使用HCP数据集进行指标评估时,对数据分类的有效频带也进行了标记。

2.1 基于功能连通性对比的个性分类
2.1.1 数据和预处理

被试来自于HCP的test-retest数据集。数据用DPARSF预处理。

2.1.2 将数据分解为多个频带

为了确保标识和相容性分类使用相同的频带,本程序使用相容性分类的数据进行,如相容性分类的“将信号分解为多个频带”部分所述。四个频段(0.109-0.199、0.055- 0.109、0.027 -0.055和0.014- 0.027 Hz)与以前的研究相似的定义用于后续分析;这些频带分别称为F1、F2、F3和F4。

2.1.3 个性识别

两组数据的个性取决于它们是否来自同一个人。一双自-自对包含两组收集的数据从一个个体在不同的时间点(例如,被试A在时间1和被试A在时间2)。一个自-他对包含两组在不同时间点收集的数据来自两个个人编号(例如,被试A在时间1和被试B在时间2 )。因此,我们得到了44对自-自对和44对自-他对。

考虑到自-自对数据被认为比自-他对数据更相似,如果特征值确实代表个体特定的信息,那么机器学习算法应该能够区分自-自对和自-他对。此外,用于分类的特征值(将在下一节解释)应该具有正系数,因为作为自-自对的高概率应该与连接方面的高度相似(而不是不同)有关。因此,我们证实,该程序可以根据个体特定的信息正确地对配对进行分类,评估哪些频带的个体信息特别丰富,并可能预测相容性。

2.1.4 成对数据的特征

需要适当的特征值来构造机器学习分类器并对个性标签进行分类。通过功能连通性计算可能代表两组数据一致性的特征值,即区域平均时间序列数据的Pearson相关性。感兴趣区域(roi)是通过自动解剖标记(AAL)定义的,它将大脑划分为116个感兴趣区域。每个数据点得到6670个功能连通性向量。然后得到两个向量的绝对差向量,作为每个频段一对特征值的集合。下面,我们将这些特征值称为功能连接性对比。

2.1.5 连接模式的相似性

除了特征值准备,我们还比较了两组(即自-自对vs.自-他对)之间成对内的相似性(功能连接向量的Pearson相关性)作为初始分析。

2.1.6 来自于功能连接性对比的个性分类

我们根据功能连接向量的对比对个性进行分类。在分类方面,我们使用Python中的scikit-learn包,使用了一种机器学习算法,称为带弹性网络正则化(SLR-EN)的稀疏逻辑回归。弹性网络是一种正则化方法,可以进行特征选择(即功能连通性的不同向量),并防止分类器的过拟合,与参与者数量相比,分类器包含大量参数。因此,弹性网络和逻辑回归的组合使提取一组功能连接,其相似性以一种更一般化的方式区分从众多参数的个性,而不是通过独立应用逻辑回归评估每个参数的重要性。

2.2基于功能连接性对比的相容性分类
2.2.1被试和实验设计

相容性分类的参与者包括42名没有神经系统疾病史的健康青年志愿者。参与者进行了为期4天的实验,包括三个阶段:1)快速约会前的任务/休息fMRI测试,2)三次快速约会事件,3)快速约会后的fMRI测试。实验范式如图1.

图片

图1 实验设计

2.2.2图像采集和预处理

采集BOLD成像和T1结构像。预处理与上一节一致。

2.2.3信号分解

将小波变换方法应用于从AAL定义的116个roi中提取的区域平均时间序列数据。这一步将信号分解为7个波形,其频带根据波形、roi和对象不同而不同。因此,每个受试者在每个频段的波形频率下限有116个最小值。这些最小值的中值设为各频带的下限,各频带的上限设为以下各频带的下限。低于0.010 Hz的频段由于信息值较低而被丢弃,后续使用0.109-0.199、0.055-0.109、0.027-0.055、0.014 -0.027 Hz 4个频段的数据进行分析;这些波段分别称为F1、F2、F3和F4。

2.2.4 相容性定义

两个人的相容性是由他们对每个异性参与者的印象来定义的。如果两个人都选择对方作为他们想要再次交谈的潜在伴侣,那么他们就会被标记为“兼容”。否则,一对被标记为不兼容。根据这个定义,有158对兼容,282对不兼容。

2.2.5 配对数据特征值

与上一节定义相同。

2.2.6 连接模式相似性

对兼容组和不兼容组之间的相似性进行比较,按照连接模式相似性部分中描述的程序进行个性分类。

2.2.7 从功能连接对比的相容性分类

在主要的分析中,我们从功能连接向量的对比中对快速约会后的相容性进行分类。这是使用来自功能连接对比的个性分类章节中描述的方法完成的,并附加了过采样。

3 结果
3.1 用HCP数据集的个性分类结果

如图2A所示,在所有频带中,自-自对的功能连接模式相似性显著高于自-他对。这意味着功能连接表示特定于个人的模式。

图片

图2 个性分类结果
个性分类中功能连通性对比的负系数应该是过拟合的成果。因此,我们对每个频带使用二项式检验来检验正系数的数量是否显著大于负系数的数量。在有助于个性分类的前1%系数(6670/100 67)中(图3),大多数系数在F1中 (67个中有53个)和F2 (52 / 67) 为正。这些结果证实,这些频带的功能连通性的对比反映了自-自对与自-他对之间的连通性模式的差异。相比之下,F3没有表现出显著差异(67人中有33人),表明该频带的显著分类可能不是通过使用个体特异性信息,而是通过过拟合实现的。关于脑网络中与分类有关的连接比例,研究发现小脑的功能连接对比在所有显著频带中对个性分类都很重要(图4)。

图片

图3 前100个特征值,即各频段功能连通性差异的绝对值,有助于识别分类

图片

图4 在大脑网络中由分类贡献的连接性的比例

综上所述,指数评估证实了配对数据中功能连通性的对比,尤其是较高频带(F1和F2),代表了配对的特异性信息,使不同属性的配对得以区分。结果还表明,较低频率(即F3和F4)所代表的信息是不可靠的。

3.2 相容性分类结果

相容性分类的结果与同一性分类的结果有显著差异。首先,如图5A所示,兼容对与不兼容对的功能连接模式整体相似性无显著差异)。这表明男女关系的相容性并不一定由功能连接模式的相似性来表示。

其次,也是最重要的,对F1(高于机会水平5.47%±2.10%)和F2(高于机会水平4.95%±2.28%)进行了精度显著的相容性分类,如图5B所示。这意味着,这些频带的功能连接对比具有特定的信息,能够预测给定的对是否兼容。

与个性分类不同,相容性分类是由特征的相当大的负系数支持的(图6A, B)。

图片

图5 相容性分类结果

图片

图6 显著促进相容性分类的特性

ROI对分类的贡献由ROI所属的具有分类贡献的功能连接对比数来表示。图6C, E显示,分类贡献的roi倾向于属于特定的网络(而不是视觉和感觉运动网络),并具有侧性差异(小脑对比)。

对于每个网络组合的比例贡献(图6D, F),小脑在F1中表现出显著的整体正贡献,显著网络对F2的整体贡献显著。

关于网络内横向性的总对比(图6C, E),我们没有发现任何显著结果。

4 讨论

在本研究中,我们试图通过静息态功能磁共振成像数据来预测快速约会后男女关系的相容性。HCP测试重测数据集(个性分类)的指标评估结果表明,通过对比高频波段(即F1和F2)的功能连通性,可以对关系的相容性进行分类。研究发现,兼容对的整体功能连接性概要的相似性并不高于不兼容对,相容性分类支持功能连接性与个性分类相当大的差异。可能反映了这样一个事实:相容性取决于个人和潜在伴侣之间的相似性和互补性。据我们所知,这是第一个阐明了相容感的神经基础,并强调了静息态fMRI在预测人际交往结果方面的潜力的研究。

我们的研究引出了四个有价值的未来方向。首先,为了促进我们对相容性和人际吸引或交配行为的神经基础的理解,我们应该检查静息状态功能连接相似性、双元交互过程中的脑-脑耦合和感知相似性之间的缺失环节。其次,利用基于任务的功能连接可以提高相容性预测性能。第三,本研究强调了频率特定功能在社会关系中的重要性。第四,静息状态的功能连接对基于相似性的成对心理构念的预测是有益的。

综上所述,本研究表明,异性恋个体的初始相容性,不能通过自我报告的心理构形来预测,可以通过静息态fMRI数据的功能连接来预测。个体间功能联系的相似性和差异性的贡献以及这些多元关系表明了互补性和个体与潜在伴侣之间相似性的重要性。我们的研究强调神经影像学在社会环境中检查复杂现象的效用。

参考文献:Brain Knows Who Is on the Same Wavelength: Resting-State Connectivity Can Predict Compatibility of a Female–Male Relationship

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:http://www.rhkb.cn/news/39925.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

被讨厌的勇气:目的论

目录 1. 弗洛伊德式的决定论2. 决定我们的不是过去的经历&#xff0c;而是赋予这些经历的意义。2.1. 场景&#xff1a;闭门不出的男子2.2. 场景&#xff1a;愤怒2.3. 场景&#xff1a;梦想小说家2.4. 生活方式 3. 要勇于改变 我们的生活方式3.1. 拒绝改变3.2. 千里之行&#xf…

解析后人类时代类人机器人的优越性

如今&#xff0c;机器人在我们的日常生活和社会中已无处不在。新型机器人亦是层出不穷&#xff0c;比如可以替代人类从事迎宾、安保、保洁等工作的服务机器人以及行为举止如家人或宠物般的陪伴机器人等等。而使这些新型机器人动作自然流畅的便是配置在其主体的电机与传感器的组…

心理学与生活 - 发展与教育

文章目录 延迟满足婴儿气质情感依恋咿呀学语性别认同游戏人间学习方式行为塑造 延迟满足 延迟满足的能力对孩子的人格形成和未来能够获得的成就非常重要如果孩子们意识到学会转移注意力和思想就能够实现自我控制&#xff0c;那么他们就成功了一大步“冷”系统是认知的策略性的…

怎样摆脱焦虑型依恋?

转载&#xff1a;远叔https://www.zhihu.com/question/21126414/answer/1346533425 来源&#xff1a;知乎 著作权归作者所有。商业转载请联系作者获得授权&#xff0c;非商业转载请注明出处。 心理学上通常将人类的人格特性分为三种&#xff1a;安全型&#xff0c;焦虑型以及…

chatgpt赋能python:用Python做游戏辅助指南

用Python做游戏辅助指南 随着游戏越来越受欢迎&#xff0c;越来越多的玩家开始使用各种辅助工具来提高自己的游戏技能和竞争力。Python是一个非常强大的编程语言&#xff0c;可以用于处理和分析大量的游戏数据&#xff0c;同时也可以用于编写游戏辅助脚本和软件。在这篇文章中…

广告流量反作弊风控中的模型应用

作者&#xff1a;vivo 互联网安全团队- Duan Yunxin 商业化广告流量变现&#xff0c;媒体侧和广告主侧的作弊现象严重&#xff0c;损害各方的利益&#xff0c;基于策略和算法模型的业务风控&#xff0c;有效保证各方的利益&#xff1b;算法模型可有效识别策略无法实现的复杂作弊…

Microsoft Edge 大规模崩溃,这是又跟谷歌搜索互掐了?

昨天&#xff0c;有部分网友反馈微软的 Edge 浏览器似乎出了问题&#xff0c;在地址栏输入任何字符时浏览器都会发生崩溃&#xff0c;即使关闭重启也依然无法正常使用。但是把微软必应设置为默认浏览器后&#xff0c;就可以修复… 图源&#xff1a;Reddit 谷歌回应了&#xff…

“不要用 Edge 默认的必应,我被骗了”

整理 | 郑丽媛 出品 | CSDN&#xff08;ID&#xff1a;CSDNnews&#xff09; 在搜索引擎中输入关键词&#xff0c;我们可以很快捷地找到所需信息——一般来说&#xff0c;的确是这样的。 然而最近&#xff0c;国外有一位网友 derekantrican 发现&#xff0c;同一个关键词&…

快捷指令快速调用

快捷指令快速调用 今天在玩手机的时候&#xff0c;随便翻到 辅助功能&#xff0c;在里面发现了一个轻点背面的功能&#xff0c;以前听过感觉很鸡肋&#xff0c;没想到点进去一看发现大有门道&#xff0c;居然还能调用快捷指令&#xff0c;那不就很方便了吗 在添加快捷指令之后…

OpenAI CEO:ChatGPT比想象的更有用 但不会取代传统搜索

雷递网 乐天 2月5日 ChatGPT激发了全世界的想象力&#xff0c;从教授到广告商、黑客和法官&#xff0c;每个人都在思考如何最好地利用其功能。但是这一切背后的人是怎么想的呢&#xff1f; 对开发人工智能聊天机器人的公司OpenAI的首席执行官Sam Altman来说&#xff0c;ChatGPT…

浏览器如何截全屏的图

1.进入F12调试模式 2.快捷键&#xff1a; window:Ctrl Shift P mac:command Shift P 3.输入指令full&#xff0c;会提示有一个选项,该选项即为截取全屏&#xff0c;如下图&#xff1a; 此外&#xff0c;还有&#xff1a;node 模式以及当前范围&#xff0c;输入指令 captu…

解决验证码乱码

问题&#xff1a;在测试环境正常,但是发到线上服务器就乱码 经过检查发现是代码中设置的字体服务器中没有对应字体 Graphics2D g2 image.createGraphics();[图 片] 在服务器加上 Algerian字体(字体从windows中复制到服务器),重启服务就好了。

亚马逊测评系统有哪些?

本人做了3年测评&#xff0c;用遍了市面上的各种系统网络环境有些经验想和大家分享一下&#xff0c;我也是踩了坑多坑&#xff0c;被割过很多次韭菜&#xff0c;今天给大家分享下&#xff0c;希望能的让大家少走一些弯路&#xff0c;避免一些坑。 现在市面上的网络环境有非常多…

浏览器主流内核分析,浏览器版本过低升级方法

我们在工作生活中几乎每天都需要用到浏览器&#xff0c;但是&#xff0c;尽管用了这么多年的浏览器&#xff0c;仍然有很多人对浏览器内核不是很了解。比如&#xff0c;常见的浏览器内核有几种吗&#xff0c;浏览器版本过低怎么办&#xff0c;我们应如何升级浏览器版本&#xf…

候鸟浏览器cookie登录教程

1.下载一个候鸟浏览器&#xff08;下载链接&#xff1a; https://www.mbbrowser.com &#xff09;&#xff0c;随便找个邮箱注册个候鸟账号&#xff0c;候鸟浏览器里面是谷歌浏览器&#xff0c;可能需要梯子&#xff08;v.p.n&#xff09;才能打开&#xff0c;建议用香港IP 2.…

不用插件!教你一键显示浏览器自动保存的密码

本文转自&#xff1a;https://pcedu.pconline.com.cn/1114/11141924.html 现在的浏览器大多都有智能填表功能&#xff0c;通俗点说&#xff0c;就是当你在一个网站填写好账号密码并登录后&#xff0c;浏览器会自动保存下来&#xff0c;然后在下次打开该网站时自动填好上次保存的…

那个超级浏览器好(跨境浏览器哪个好)

什么是超级浏览器? 什么是跨境浏览器&#xff1f; 超级浏览器是一款可以进行多任务的最佳网页浏览器。 也有人说&#xff0c;超级浏览器是一款专门为跨境电商卖家们打造的多账号防关联的工具&#xff0c;是一个能够为卖家们搭建安全稳定的登录环境&#xff0c;来方便卖家们的…

基于java控制台的商城管理系统(一)

最近参加了一个培训班&#xff0c;暂时还没有开课&#xff0c;闲着无聊&#xff0c;就想用自己仅有的一点java基础做一个小项目练练手&#xff0c;巩固一下基础&#xff0c;补充一下知识。 需求&#xff1a; 1.登录页面&#xff1b; 2.用户&#xff08;父类&#xff09;User…

用python爬取店铺信息,并生成json文件

一、json简单介绍 JSON是用于存储和交换数据的语法&#xff0c;是一种轻量级的数据交换格式。经常用于接口数据传输、序列化、配置文件等 json的形式有2种&#xff1a;键值对形式&#xff09;、数组形式 python可以通过json库&#xff0c;解析字符串或文件中的内容转为json字符…

cookie的工作原理、cookie的重要性

首先需要了解一下cookie 通俗的来说&#xff1a;cookie是浏览器端用来验证网页的标识比如&#xff1a;你经常在浏览器上登录某些网页平台&#xff0c;比如CSDN博客&#xff0c;登录账号密码进去之后进入了主页 当你想再浏览器个人信息页面的时候&#xff0c;这个时候请求个人信…