音樂增強(qiáng)大腦網(wǎng)絡(luò)小世界特性

何裕嘉，張 瑋，鄭高興，于玉國,2

(1.復(fù)旦大學(xué) 生命科學(xué)學(xué)院 生理學(xué)和生物物理學(xué)系 腦科學(xué)協(xié)同創(chuàng)新中心，上海 200438；2.復(fù)旦大學(xué) 計(jì)算系統(tǒng)生物學(xué)中心，上海 200433)

音樂增強(qiáng)大腦網(wǎng)絡(luò)小世界特性

何裕嘉1，張 瑋1，鄭高興1，于玉國1,2

(1.復(fù)旦大學(xué) 生命科學(xué)學(xué)院 生理學(xué)和生物物理學(xué)系 腦科學(xué)協(xié)同創(chuàng)新中心，上海 200438；2.復(fù)旦大學(xué) 計(jì)算系統(tǒng)生物學(xué)中心，上海 200433)

近年來實(shí)驗(yàn)發(fā)現(xiàn)音樂相比其他機(jī)械噪聲對人腦感知系統(tǒng)更能增強(qiáng)大腦內(nèi)部復(fù)雜網(wǎng)絡(luò)特性．優(yōu)美音樂在頻譜上普遍具有1/f統(tǒng)計(jì)特征．在音樂增強(qiáng)腦電信號記錄分析中，我們發(fā)現(xiàn)對比具有1/f特征的音樂信號，在仍保留1/f特征的隨機(jī)亂樂刺激下，大部分腦皮層區(qū)域的腦功能網(wǎng)絡(luò)連接密度普遍下降，并且增強(qiáng)的腦功能網(wǎng)絡(luò)小世界特性在一定閾值范圍內(nèi)也會有顯著下降．隨機(jī)打亂的音樂雖然仍保留長程相關(guān)特征，但打亂后每分鐘節(jié)拍數(shù)和節(jié)拍清晰度出現(xiàn)了明顯降低．這兩種音樂特性的降低與音樂打亂前后的大腦小世界網(wǎng)絡(luò)統(tǒng)計(jì)指標(biāo)的CMean/LMean降低有顯著關(guān)聯(lián)．說明音樂信號除了1/f長程相關(guān)統(tǒng)計(jì)特征之外的其他有效音樂信息在增強(qiáng)腦功能網(wǎng)絡(luò)方面也起到重要作用．

音樂； 腦電信號； 1/f統(tǒng)計(jì)特性； 功能連接密度； 小世界網(wǎng)絡(luò)特性

人類大腦是自然界通過漫長進(jìn)化而產(chǎn)生的最復(fù)雜和最智能化的器官，具有計(jì)算和信息處理、意識和高級認(rèn)知等功能[1]．解析其工作原理已經(jīng)成為近一個(gè)世紀(jì)以來腦科學(xué)、物理學(xué)、數(shù)學(xué)、計(jì)算機(jī)工程學(xué)和醫(yī)學(xué)等眾多科學(xué)領(lǐng)域的最前沿挑戰(zhàn)課題之一．對腦功能的破譯需要在多個(gè)層次上解析大腦網(wǎng)絡(luò)系統(tǒng)的連接方式、規(guī)則和特性．闡明大腦多層次網(wǎng)絡(luò)復(fù)雜結(jié)構(gòu)及其功能的“線路設(shè)計(jì)圖”，將為解析大腦工作原理開啟一扇門[2-3]．從單個(gè)腦神經(jīng)元層次到皮層神經(jīng)網(wǎng)絡(luò)到跨皮層超級網(wǎng)絡(luò)，是神經(jīng)元的自發(fā)放電活動和受外界輸入信號產(chǎn)生的興奮性或抑制性電化學(xué)活動形成了網(wǎng)絡(luò)之間的功能連接．有效的外界信號會驅(qū)動區(qū)域內(nèi)和區(qū)域間的神經(jīng)元集群產(chǎn)生放電活動．放電活動通過神經(jīng)突觸連接影響神經(jīng)元之間的信息通訊，并形成對外界信號的編碼和表征．這些區(qū)域同步或時(shí)空相關(guān)的腦電活動會將不同空間分布的腦皮層網(wǎng)絡(luò)連接起來，形成隨時(shí)空動態(tài)變化的功能連接網(wǎng)絡(luò)，并產(chǎn)生復(fù)雜的跨時(shí)空尺度的復(fù)雜網(wǎng)絡(luò)動力學(xué)現(xiàn)象．外界環(huán)境的輸入信號可能擁有一些復(fù)雜特征，會增強(qiáng)大腦內(nèi)部神經(jīng)網(wǎng)絡(luò)的放電活動，可以通過對輸入信號和大腦響應(yīng)輸出信號的分析來研究大腦的功能網(wǎng)絡(luò)[4-5]．

長期以來，白噪聲(具有平坦的功率譜密度，信號成分在各個(gè)頻率具有近乎相同的功率，在時(shí)域上缺乏長程相關(guān)性)作為探針信號被廣泛用來探測未知系統(tǒng)如大腦各個(gè)層次神經(jīng)系統(tǒng)的輸入輸出函數(shù)[4]．然而近年來的實(shí)驗(yàn)研究表明，大腦視覺、聽覺和嗅覺等感知系統(tǒng)對自然界信號的響應(yīng)更加敏感和強(qiáng)烈[6-8]．實(shí)驗(yàn)結(jié)果表明，應(yīng)用類自然界信號作為探針、結(jié)合沃泰拉(Volterra)核函數(shù)辨識方法可以更精確地反映神經(jīng)系統(tǒng)的本征功能函數(shù)[9]．自然界的信號在統(tǒng)計(jì)特性上普遍具有長程相關(guān)性(或1/f特征，其中f代表信號頻率，1/f特征表明信號功率譜密度或功率隨頻率呈反冪律下降關(guān)系)[10-13]．最近的實(shí)驗(yàn)和理論揭示，感知神經(jīng)系統(tǒng)可能對具有1/f統(tǒng)計(jì)特征的類自然界信號都具有更強(qiáng)的敏感性[14-16]．這使得應(yīng)用類自然1/f信號來研究神經(jīng)系統(tǒng)網(wǎng)絡(luò)連接和功能特性成為必要．

音樂是否可以作為一個(gè)有效探針信號來充分增強(qiáng)腦跨皮層神經(jīng)網(wǎng)絡(luò)的復(fù)雜特性呢？近期已經(jīng)有實(shí)驗(yàn)發(fā)現(xiàn)，優(yōu)美的中國古典音樂可以誘導(dǎo)出復(fù)雜的腦網(wǎng)絡(luò)連接，增強(qiáng)大腦的連通性，提升大腦跨皮層信息流傳輸，使大腦功能網(wǎng)絡(luò)呈現(xiàn)出復(fù)雜的小世界網(wǎng)絡(luò)特性[17-18]．小世界網(wǎng)絡(luò)理論(WS理論)最早由Watts和Strogatz在1998年提出[19]，該理論描述了小世界網(wǎng)絡(luò)(WS網(wǎng)絡(luò))物理結(jié)構(gòu)介于規(guī)則網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)之間，但卻具備了兩種網(wǎng)絡(luò)的優(yōu)點(diǎn)．規(guī)則網(wǎng)絡(luò)即網(wǎng)絡(luò)節(jié)點(diǎn)以特定規(guī)則嚴(yán)格與近鄰相連接，相距較遠(yuǎn)的節(jié)點(diǎn)要通過數(shù)條邊才能建立連接．隨機(jī)網(wǎng)絡(luò)即網(wǎng)絡(luò)節(jié)點(diǎn)完全隨機(jī)建立連接．WS網(wǎng)絡(luò)是在規(guī)則網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上，任意長程節(jié)點(diǎn)之間出現(xiàn)了可以隨機(jī)連接概率，由此WS網(wǎng)絡(luò)具有了較短的網(wǎng)絡(luò)平均路徑長度，以及和規(guī)則網(wǎng)絡(luò)相似的網(wǎng)絡(luò)集聚系數(shù)．現(xiàn)實(shí)世界中的生物網(wǎng)絡(luò)、社會網(wǎng)絡(luò)、交通網(wǎng)絡(luò)、腦神經(jīng)網(wǎng)絡(luò)和傳染疾病傳播網(wǎng)絡(luò)等都具有WS特性．由于WS網(wǎng)絡(luò)通常具有較大的集聚系數(shù)和較小的平均最短路徑長度，這使得信息流在WS網(wǎng)絡(luò)中傳輸比在規(guī)則網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)都更加高效[20-21]．已有數(shù)據(jù)分析發(fā)現(xiàn)大量的人工創(chuàng)作的優(yōu)美音樂在頻譜上都具有1/f統(tǒng)計(jì)特征[10]，為了探究1/f特征以及其他音樂特征是否是音樂增強(qiáng)大腦小世界特征的關(guān)鍵因素，我們設(shè)計(jì)了實(shí)驗(yàn)，研究大腦對正序音樂和被隨機(jī)打亂音樂(時(shí)間序列仍保留1/f特征)的響應(yīng)，以及對增強(qiáng)大腦小世界網(wǎng)絡(luò)特性的差異．我們使用64通道有線腦電圖(Electroencephalogram, EEG)記錄設(shè)備收集數(shù)據(jù)，考察了12名測試者對兩首符合1/f頻譜特征的優(yōu)美音樂和對應(yīng)隨機(jī)亂序音樂的大腦EEG功能網(wǎng)絡(luò)連通性，包括基于時(shí)間偏移的交叉相關(guān)函數(shù)分析，功能連接密度計(jì)算和小世界網(wǎng)絡(luò)統(tǒng)計(jì)特性分析．我們改進(jìn)了之前對腦電EEG信號的預(yù)處理方法和腦網(wǎng)絡(luò)小世界特性的分析方法[22]，希望能更有效地反映出任務(wù)態(tài)下的腦網(wǎng)絡(luò)功能復(fù)雜連接線路和傳輸效率．

1 材料與方法

1.1 被試選取與實(shí)驗(yàn)準(zhǔn)備

腦電實(shí)驗(yàn)被試為12名在校本科生與研究生，其中7名男生，5名女生，均為右利手．平均年齡21.75歲(SD=2.93，年齡范圍從19歲到27歲)．所有的被試都是與音樂無關(guān)專業(yè)的學(xué)生，其中僅有兩位同學(xué)接受過音樂相關(guān)訓(xùn)練．被試均無神經(jīng)系統(tǒng)疾病且矯正視力及聽力均正常．

實(shí)驗(yàn)采用德國Brain Products公司的actiCHamp 64通道有線腦電設(shè)備，參考電極為頂葉中心位置Cz電極處．噪聲聲音播放采用漫步者(EDIFIER)R2000DB 5吋2.0音箱，左右音箱分別位于被試前方左右1m處．聲音播放程序采用Eprime 2.0軟件播放，并與actiCHamp腦電設(shè)備通過并口連接可以自動打標(biāo)記．腦電刺激采集系統(tǒng)包括刺激呈現(xiàn)電腦，帶有接收EEG信號的電極帽，BP放大器以及EEG信號記錄電腦等．刺激呈現(xiàn)電腦用Eprime播放聲音片段，并將每個(gè)播放片段的時(shí)間點(diǎn)標(biāo)記通過放大器傳輸?shù)侥X電記錄電腦.64通道電極帽所采集的腦電信號同樣經(jīng)過放大器傳輸?shù)侥X電記錄電腦．

實(shí)驗(yàn)所采用的音樂文件均下載于網(wǎng)易云音樂軟件，2首原始音樂片段分別為“Castle in the Sky”(天空之城)鋼琴版，選擇時(shí)長1min 56.892s和“The Blue Danube”(藍(lán)色多瑙河)，時(shí)長1min 42.263s．對應(yīng)打亂音樂的片段由每段原始音樂片段先以1s為間隔分別切割成117段和103段(最后多出的0.892s和0.263s是單獨(dú)的一段)，再完全隨機(jī)排列這些1s的小切片合成新的噪聲音樂序列．對應(yīng)打亂的音樂片段保證每個(gè)1s的小片段出現(xiàn)且僅出現(xiàn)1次，所以順序打亂的音樂與相對應(yīng)的原始音樂時(shí)長相等，且功率譜分析顯示其高頻成分(≥1Hz)基本保留了1/f特征．所有音頻的截取、切割、隨機(jī)排序等處理均用MATLAB完成．

1.2 實(shí)驗(yàn)流程

被試與刺激系統(tǒng)均會處于聲音屏蔽房間中，被試穿戴有線64通道電極帽，并先確保接地電極和頭頂Cz電極位置正確，接著確保其他電極位置正確．主試用平頭針向電極注射導(dǎo)電膏優(yōu)化EEG采集導(dǎo)聯(lián)性，并觀測檢測軟件界面，確保每個(gè)電極導(dǎo)聯(lián)的阻抗最終穩(wěn)定在10kΩ以下．

實(shí)驗(yàn)開始前要進(jìn)一步測試腦電導(dǎo)聯(lián)情況來預(yù)判數(shù)據(jù)是否可靠，被試會被要求分別閉眼一分鐘和睜眼一分鐘．主試根據(jù)屏幕顯示的腦電波是否在閉眼時(shí)會出現(xiàn)明顯呈鋸齒狀的α波(約10Hz)，以及在睜眼時(shí)會出現(xiàn)明顯的α波阻斷來判斷實(shí)驗(yàn)受試者和實(shí)驗(yàn)設(shè)備是否符合數(shù)據(jù)采集標(biāo)準(zhǔn)．未出現(xiàn)α波明顯阻斷的受試者數(shù)據(jù)會被拋棄不用．

實(shí)驗(yàn)過程如下．在實(shí)驗(yàn)前，主試將調(diào)整室內(nèi)燈光到適宜，讓被試注意觀看刺激呈現(xiàn)電腦屏幕顯示的提示信息．被試將看到實(shí)驗(yàn)流程示意圖．當(dāng)被試認(rèn)為調(diào)整到實(shí)驗(yàn)狀態(tài)后，可按下Enter鍵開始實(shí)驗(yàn)．實(shí)驗(yàn)刺激程序按照次序分為閉眼靜息1min，睜眼靜息1min，播放第1段音樂原始片段，中間間隔1min，再播放第1段音樂打亂片段；然后閉眼靜息1min，睜眼靜息1min，播放第2段音樂原始片段，中間間隔1min，播放第2段音樂打亂片段，閉眼靜息1min，睜眼靜息1min．其中，每段音樂刺激時(shí)，被試是睜眼收聽，但在實(shí)驗(yàn)開始前，被試將會被提示盡量減少眼球運(yùn)動．每段刺激結(jié)束后刺激呈現(xiàn)電腦屏幕均有提示文字，另外，在閉眼靜息1min結(jié)束后被試會聽到‘滴’地一聲結(jié)束提示音．每段刺激過程之間的間隙被試均可以做適當(dāng)調(diào)整和放松，然后確認(rèn)狀態(tài)后再依據(jù)提示按下回車Enter鍵進(jìn)行下一段實(shí)驗(yàn)．除此之外，被試無需做任何操作，只要求被試保持心態(tài)平靜，身體盡可能保持不動，注意聆聽所播放的音樂即可．每次被試按下回車鍵后EEG信號記錄電腦將會自動打下標(biāo)記，由于靜息和聽音樂的時(shí)間都是固定的，所以由開始的標(biāo)記就可以推算出每段刺激結(jié)束的時(shí)間點(diǎn)．

1.3 數(shù)據(jù)分析

預(yù)處理采用MATLAB中的EEGLAB工具箱，依次進(jìn)行： 基線校正；49～51Hz陷波，去除50Hz工頻干擾；0.1～100Hz濾波；數(shù)據(jù)分段，按照標(biāo)記時(shí)間信息，將數(shù)據(jù)切分出來；利用獨(dú)立分量分析(Independent Component Analysis, ICA)算法配合Adjust 1.1插件[23]，去除肌電、眼電和眼動等偽跡．

為評估EEG功能連接，我們首先計(jì)算EEG相關(guān)情況[24]，即計(jì)算兩兩電極間EEG信號的互相關(guān)．對于信號長度為N的任意兩段EEG信號xn和yn，互相關(guān)函數(shù)為一個(gè)2N-1的向量：

(1)

接著將互相關(guān)函數(shù)歸一化，使得所有序列在0延時(shí)的自相關(guān)均為1．

網(wǎng)絡(luò)分析方法部分．首先我們遍歷計(jì)算出63個(gè)通道EEG信號所有兩兩互相關(guān)函數(shù)序列，并取各個(gè)最大值繪制成鄰接矩陣．鄰接矩陣中第i行表示第i號電極與其他電極的相關(guān)值，即為功能連接強(qiáng)度．那么我們將第i號電極與其他所有電極(除自身以外)功能連接強(qiáng)度的平均值記為第i號電極的功能連接密度．從而我們可以依次求出每一根電極所確定的功能連接密度．進(jìn)一步，計(jì)算小世界網(wǎng)絡(luò)[19]統(tǒng)計(jì)特性，即分析平均集聚系數(shù)(clustering coefficient)來評定網(wǎng)絡(luò)的功能分隔性和分析平均最短路徑(shortest path length)來評定網(wǎng)絡(luò)的功能整合性[25]，其中最短路徑的計(jì)算采用Floyd算法[26]，并將需要比較的系數(shù)對完全隨機(jī)網(wǎng)絡(luò)對應(yīng)系數(shù)進(jìn)行歸一化．網(wǎng)絡(luò)的平均最短路徑可以較好的描述網(wǎng)絡(luò)的連通性．網(wǎng)絡(luò)中節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的距離dij,即是連接兩節(jié)點(diǎn)最短路徑邊數(shù)．平均最短路徑長度L，為網(wǎng)絡(luò)中任意兩點(diǎn)間最短路徑的平均值,即

(2)

其中N為網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)．聚類系數(shù)是來表征網(wǎng)絡(luò)節(jié)點(diǎn)聚類特性的，正常情況下，假設(shè)網(wǎng)絡(luò)中的節(jié)點(diǎn)i與ki條邊相關(guān)聯(lián)，很明顯，在這ki個(gè)節(jié)點(diǎn)之間，最多有ki(ki-1)/2條邊，而這ki個(gè)節(jié)點(diǎn)間存在的邊數(shù)實(shí)際為EI．則這ki個(gè)節(jié)點(diǎn)之間存在的實(shí)際邊數(shù)EI與總的最大的可能邊數(shù)ki(ki-1)/2之比，定義為節(jié)點(diǎn)i的聚類系數(shù)Ci，即

(3)

再對網(wǎng)絡(luò)中所有節(jié)點(diǎn)的聚類系數(shù)Ci取平均值，得到的就是整個(gè)網(wǎng)絡(luò)的聚類系數(shù)CMean,即

(4)

其中N為網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)．由于對比隨機(jī)網(wǎng)絡(luò)，小世界網(wǎng)絡(luò)的CMean較大，而LMean會較小，因此本文中將用CMean/LMean來表征小世界特性．

另外本文研究腦功能網(wǎng)絡(luò)屬于無權(quán)重網(wǎng)絡(luò)，所記錄任何兩個(gè)電極之間的腦電信號之間的互相關(guān)系數(shù)的最大值在歸一化后分布在0～1之間．網(wǎng)絡(luò)中任意兩節(jié)點(diǎn)之間有兩種狀態(tài)，一種是有連接，另一種是無連接，而我們定義閾值就是為了考察網(wǎng)絡(luò)中有連接的節(jié)點(diǎn)之間的網(wǎng)絡(luò)特性．為了區(qū)分有連接和無連接，我們需要定義閾值．當(dāng)兩節(jié)點(diǎn)之間的連接強(qiáng)度大于等于這個(gè)閾值時(shí)，劃分為兩節(jié)點(diǎn)有連接，小于這個(gè)閾值時(shí)，劃分為兩節(jié)點(diǎn)沒有連接．在腦電中，63個(gè)電極兩兩之間的相關(guān)系數(shù)大于等于某個(gè)閾值時(shí)認(rèn)為這兩個(gè)電極之間存在連接，這樣就能建立起腦網(wǎng)絡(luò)，研究小世界特性．

2 結(jié) 果

2.1 預(yù)處理后腦電圖示意

預(yù)處理過后的腦電圖去除了肌電、眼電和眼動等偽跡和工頻干擾，沒有漂移和巨幅震蕩等情況，通常較為穩(wěn)定的處于-80～100μV之間，且清醒狀態(tài)下，認(rèn)知過程會呈現(xiàn)一定周期性的震蕩，如(圖1)所示，為第1位被試在接收第1段正序音樂刺激時(shí)AFz和O2兩個(gè)電極的電壓時(shí)間序列圖節(jié)選(采樣率： 1000Hz)．

2.2 功能連接密度

接著，計(jì)算每位被試EEG在時(shí)域下兩兩電極間相關(guān)函數(shù)的最大值，并按照每根電極匯總制作不同音樂刺激條件下功能連接密度腦地形圖(圖2)，整體范圍為0.3～0.6，得到描述性統(tǒng)計(jì)(均值±均方誤差)如下： 0.4345±0.0123(a1)；0.4307±0.0112(b1)；0.4357±0.0125(a2)；0.4145±0.0106(b2)，均為12名被試的疊加平均．這說明亂樂刺激下EEG的功能連接密度會下降，我們對兩首音樂以及其對應(yīng)亂樂刺激下疊加平均的功能連接密度腦地形圖，分別做基于電極功能連接密度的配對t檢驗(yàn)，得到兩首音樂的亂序情況刺激下，功能連接密度均是顯著下降的，對應(yīng)P值分別為P=0.018和P=1.81×10-16．

2.3 小世界網(wǎng)絡(luò)統(tǒng)計(jì)特性

然后，分析EEG信號對應(yīng)的跨皮層腦區(qū)小世界網(wǎng)絡(luò)統(tǒng)計(jì)特征，計(jì)算平均網(wǎng)絡(luò)集聚系數(shù)(CMean)和平均最短路徑(LMean)，圖3給出了不同閾值(0.01～0.99)下小世界特性的變化曲線CMean/LMean(圖3)．其中，為了區(qū)分兩個(gè)節(jié)點(diǎn)之間是否存在網(wǎng)絡(luò)連接和無連接，我們需要定義閾值．當(dāng)兩節(jié)點(diǎn)之間的交叉相關(guān)強(qiáng)度大于等于這個(gè)閾值時(shí)，定義為兩節(jié)點(diǎn)有連接，小于這個(gè)閾值時(shí)，定義為兩節(jié)點(diǎn)沒有連接．我們使用雙因素方差分析(two-way ANOVA)，分別對在兩首音樂以及其對應(yīng)亂樂刺激下的EEG活動的小世界網(wǎng)絡(luò)進(jìn)行統(tǒng)計(jì)檢驗(yàn)．我們發(fā)現(xiàn)在較廣闊的閾值范圍內(nèi)，音樂刺激下EEG網(wǎng)絡(luò)均比對應(yīng)度數(shù)的隨機(jī)網(wǎng)絡(luò)擁有更好的小世界特性．其中音樂1與其對應(yīng)隨機(jī)音樂白譜序列在閾值范圍(0.25～0.93)內(nèi)有顯著性差異P<0.05(b1)，音樂2與其對應(yīng)隨機(jī)音樂白譜序列在閾值范圍(0.28～0.93)內(nèi)有顯著性差異P<0.05(b2)，這也側(cè)面印證EEG本身具備一些小世界網(wǎng)絡(luò)統(tǒng)計(jì)特性．另外我們發(fā)現(xiàn)，當(dāng)音樂2被打亂后，EEG網(wǎng)絡(luò)的小世界特性在一定閾值范圍(0.34～0.39)內(nèi)會顯著(P<0.05)下降(b2)．然而，對于被打亂的音樂1刺激，EEG網(wǎng)絡(luò)的小世界網(wǎng)絡(luò)特性在一定閾值范圍內(nèi)在均值層面有所下降(a1)，盡管差值在統(tǒng)計(jì)上還不顯著(b1)．

圖3 腦電小世界網(wǎng)絡(luò)統(tǒng)計(jì)Fig.3 EEG small-world network statisticsEEG網(wǎng)絡(luò)小世界特性(定義為平均集聚系數(shù)除以平均最短路徑)在不同閾值下的取值．a(chǎn)1： 原始音樂1以及其對應(yīng)的亂序版本刺激；a2： 原始音樂2以及其對應(yīng)的亂序版本刺激．圖中還增加了EEG網(wǎng)絡(luò)對應(yīng)拓?fù)湫再|(zhì)(度數(shù)相同，孤立點(diǎn)數(shù)相同)的隨機(jī)網(wǎng)絡(luò)作為參考．誤差棒代表均方誤差．使用雙因素方差分析，對a1及a2做檢驗(yàn)，分別得到b1和b2(依閾值對應(yīng)分析，b1和b2中虛線代表P=0.05)．

圖4 腦電小世界網(wǎng)絡(luò)的進(jìn)一步統(tǒng)計(jì)驗(yàn)證Fig.4 Further statistical validation of EEG small-world network圖中虛線代表P=0.05．

進(jìn)一步，我們再使用雙因素方差分析(two-way ANOVA)，重點(diǎn)考察兩首音樂間差異，以及音樂與對應(yīng)亂樂的差異這2個(gè)因素的統(tǒng)計(jì)顯著性．發(fā)現(xiàn)接受亂樂刺激這個(gè)因素后，EEG網(wǎng)絡(luò)的小世界網(wǎng)絡(luò)特性在前述(圖3，b2)相同閾值范圍(0.34～0.39)內(nèi)會顯著(P<0.05)下降(圖4)．從而可以得出結(jié)論，接收亂序音樂刺激相比正序音樂刺激，會弱化EEG網(wǎng)絡(luò)小世界特性形成，宏觀上也會降低人腦信息傳遞與整合效率．

事實(shí)上，正常播放音樂增強(qiáng)到較高水平的小世界網(wǎng)絡(luò)特性是通過增強(qiáng)的網(wǎng)絡(luò)集聚系數(shù)和降低了網(wǎng)絡(luò)最短路徑來實(shí)現(xiàn)的(圖5，圖6)．我們使用雙因素方差分析(two-way ANOVA)，分別對在兩首音樂以及其對應(yīng)亂樂刺激下的EEG活動的小世界網(wǎng)絡(luò)進(jìn)行統(tǒng)計(jì)檢驗(yàn)．我們發(fā)現(xiàn)在較廣闊的閾值范圍內(nèi)，音樂刺激下EEG網(wǎng)絡(luò)均比對應(yīng)度數(shù)的隨機(jī)網(wǎng)絡(luò)擁有更大的平均集聚系數(shù)(圖5(b)，圖6(b))．其中音樂1與其對應(yīng)亂樂在閾值范圍(0.2～0.88)內(nèi)對應(yīng)的腦電小世界網(wǎng)絡(luò)有顯著性差異P<0.05(圖5(d))，音樂2與其對應(yīng)亂樂在閾值范圍(0.2～0.91)內(nèi)有顯著性差異P<0.05(圖6(d))，這也側(cè)面印證信號增強(qiáng)的腦電呈現(xiàn)出較突出的小世界網(wǎng)絡(luò)特性，同已有報(bào)道相符[2]．由于我們的構(gòu)造保證了對應(yīng)隨機(jī)網(wǎng)絡(luò)的度數(shù)和拓?fù)湫再|(zhì)(孤立點(diǎn)數(shù))與實(shí)際EEG網(wǎng)絡(luò)相同，所以平均最短路徑無差異(圖5(a)，圖6(a))．另外我們發(fā)現(xiàn)，當(dāng)音樂1被打亂后，EEG網(wǎng)絡(luò)的平均最短路徑在一定閾值范圍(0.36～0.37)內(nèi)會顯著(P<0.05)上升(圖5(c))．當(dāng)音樂2被打亂后，EEG網(wǎng)絡(luò)的平均最短路徑在一定閾值范圍(0.31～0.39)內(nèi)會顯著(P<0.05)上升(圖6(c))．然而，對于被打亂的音樂刺激，EEG網(wǎng)絡(luò)的平均集聚系數(shù)在一定閾值范圍內(nèi)在均值層面有所下降(圖5(b)，圖6(b))，雖然差異并不顯著(圖5(d)，圖6(d))．我們計(jì)劃在接下來的實(shí)驗(yàn)中研究閉眼聽音樂和白噪聲亂序音樂的差異，以及測試更多的樂曲來檢驗(yàn)音樂所包含的對增強(qiáng)人腦功能網(wǎng)絡(luò)的關(guān)鍵因素．

圖5 音樂1腦電小世界網(wǎng)絡(luò)統(tǒng)計(jì)Fig.5 EEG small-world network statistics of music 1原始音樂1以及其對應(yīng)的亂序版本刺激下，不同閾值內(nèi)EEG網(wǎng)絡(luò)小世界特性統(tǒng)計(jì)圖．a(chǎn)1： 平均最短路徑；a2： 平均集聚系數(shù)．圖中還增加了EEG網(wǎng)絡(luò)對應(yīng)拓?fù)湫再|(zhì)(度數(shù)相同，孤立點(diǎn)數(shù)相同)的隨機(jī)網(wǎng)絡(luò)作為參考．誤差棒代表均方誤差．使用雙因素方差分析，對a1及a2做檢驗(yàn)，分別得到b1和b2(依閾值對應(yīng)分析，b1和b2中虛線代表P=0.05)．

圖6 音樂2腦電小世界網(wǎng)絡(luò)統(tǒng)計(jì)Fig.6 EEG small-world network statistics of music 2原始音樂2以及其對應(yīng)的亂序版本刺激下，不同閾值內(nèi)EEG網(wǎng)絡(luò)小世界特性統(tǒng)計(jì)圖．a(chǎn)1： 平均最短路徑；a2： 平均集聚系數(shù)．圖中還增加了EEG網(wǎng)絡(luò)對應(yīng)拓?fù)湫再|(zhì)(度數(shù)相同，孤立點(diǎn)數(shù)相同)的隨機(jī)網(wǎng)絡(luò)作為參考．誤差棒代表均方誤差．使用雙因素方差分析，對a1及a2做檢驗(yàn)，分別得到b1和b2(依閾值對應(yīng)分析，b1和b2中虛線代表P=0.05)．

我們分析了兩首音樂在打亂前和打亂后的音樂屬性，我們發(fā)現(xiàn)有2個(gè)音樂指標(biāo)： 每分鐘節(jié)拍數(shù)(通常范圍為40～250)和節(jié)拍清晰度(取值范圍0～1)出現(xiàn)了明顯降低．音樂1的每分鐘節(jié)拍數(shù)從136降低到了打亂后的128，降低了5.88%(以未打亂前100%為標(biāo)準(zhǔn))；音樂2的每分鐘節(jié)拍數(shù)從112降低到了打亂后的107，降低了4.46%(以未打亂前100%為標(biāo)準(zhǔn))，見圖7(a)．音樂1的節(jié)拍清晰度則從正常的0.3887降低到了0.316(降低18.7%)，音樂2的節(jié)拍清晰度則從正常的0.2595降低到了0.231(降低10.09%)，見圖7(b)．我們進(jìn)而將這兩種音樂特性的降低與音樂打亂前后的大腦小世界網(wǎng)絡(luò)統(tǒng)計(jì)指標(biāo)的CMean/LMean降低做了關(guān)聯(lián)性分析(圖7)．圖中可以看出，對于2首音樂，打亂前后兩個(gè)音樂節(jié)奏屬性(每分鐘節(jié)拍數(shù)和節(jié)拍清晰度)的降低與小世界特性的降低是直接相關(guān)的．

圖7 音樂節(jié)奏屬性與腦電小世界統(tǒng)計(jì)指標(biāo)比例圖Fig.7 Scale map of music rhythm property with EEG small-world network statistics index(a) 兩首音樂及其亂樂下每分鐘節(jié)拍數(shù)與腦電小世界網(wǎng)絡(luò)指標(biāo)CMean/LMean的比例圖；(b) 兩首音樂及其亂樂下節(jié)拍清晰度與腦電小世界網(wǎng)絡(luò)指標(biāo)CMean/LMean的比例圖；對于任意一首音樂，以其音樂節(jié)奏屬性與腦電小世界統(tǒng)計(jì)指標(biāo)為基準(zhǔn)(100%)，計(jì)算出其對應(yīng)亂序音樂下的音樂節(jié)奏屬性與腦電小世界統(tǒng)計(jì)指標(biāo)所占的比例．

3 討 論

音樂是一種非常優(yōu)美和特殊的人工創(chuàng)作的信號,它的音頻、節(jié)拍和有規(guī)律的聲波振動，能產(chǎn)生一種物理能量作用于人的聽覺系統(tǒng)，產(chǎn)生美妙的共鳴，并驅(qū)使身體生理、心理和大腦神經(jīng)系統(tǒng)產(chǎn)生輕松、愉悅(或傷感)和安寧(或激動)等情感[27]．這使得古今中外的醫(yī)學(xué)家們開創(chuàng)了音樂治療這個(gè)方向，嘗試使用音樂對那些有心理抑郁、情緒低落、生理疼痛、甚至精神紊亂的患者進(jìn)行心理和生理調(diào)節(jié)、甚至達(dá)到治療的目的．近年來著名的醫(yī)學(xué)期刊柳葉刀雜志綜述了大量臨床實(shí)驗(yàn)研究表明[28-29]，音樂的確能有效改善受試者的疼痛、消極心態(tài)、睡眠質(zhì)量和生活態(tài)度．因此研究音樂對大腦神經(jīng)網(wǎng)絡(luò)的作用效果和增強(qiáng)復(fù)雜網(wǎng)絡(luò)的特性可能會提供音樂治療方面的機(jī)制，尤其值得深入和系統(tǒng)的研究．

在過去幾十年中，通過腦功能成像等技術(shù)臨床研究音樂感知對其神經(jīng)相關(guān)性機(jī)制已經(jīng)引起了極大關(guān)注．這些研究中的大多數(shù)主要基于音樂處理模塊化的概念[30]，其中模塊對應(yīng)于特定腦區(qū)，包括音樂特征分析，聽覺記憶，聽覺場景分析，以及音樂語法和語義的處理[31]．在本研究中，我們嘗試從另外的角度來觀察音樂對大腦網(wǎng)絡(luò)的作用．音樂因其節(jié)律和旋律具備了時(shí)間上的長時(shí)程關(guān)聯(lián)性質(zhì)，在頻域空間具有和自然信號相似的高階統(tǒng)計(jì)特性．我們之前的研究發(fā)現(xiàn)自然界信號中的1/f特征可能是增強(qiáng)腦認(rèn)知反應(yīng)的關(guān)鍵因素．優(yōu)美的音樂不僅僅具備了同自然信號相似的1/f特征，可能還包含了非常豐富的文化、節(jié)拍、旋律等關(guān)鍵因素，會增強(qiáng)人腦的反應(yīng)．因此，本研究選擇了在我們?nèi)粘Ｉ钪新牭降囊魳纷鳛槁犛X刺激以重建實(shí)驗(yàn)室環(huán)境中的類自然信號．通過被試者聆聽音樂增強(qiáng)跨皮層區(qū)域的功能信號活動，來研究不同腦皮層區(qū)域的時(shí)空有序相關(guān)動力學(xué)行為，尤其研究是否除1/f特征之外，還有其他對增強(qiáng)腦功能網(wǎng)絡(luò)重要的因素．我們采用標(biāo)準(zhǔn)64通道EEG記錄技術(shù)、獨(dú)立分析變量和復(fù)雜網(wǎng)絡(luò)方法分析了EEG數(shù)據(jù)，在實(shí)驗(yàn)中通過間隙和靜息弱化了累積效應(yīng)，在分析時(shí)通過截去每段音樂的前后2秒規(guī)避了過度效應(yīng)．

在網(wǎng)絡(luò)分析中，我們發(fā)現(xiàn)音樂信號被隨機(jī)打亂后，大部分腦皮層區(qū)域的腦功能網(wǎng)絡(luò)連接密度普遍下降(圖2)，并且增強(qiáng)的腦小世界網(wǎng)絡(luò)特性CMean/LMean在一定閾值范圍內(nèi)也會有顯著下降(圖3，圖4)．雖然不能簡單地認(rèn)為其是網(wǎng)絡(luò)組織中的結(jié)構(gòu)變化，至少我們從功能連接層面印證了在1/f特征之外還有其他音樂信息，如音樂序列中的節(jié)拍數(shù)和節(jié)拍清晰度等信息會增強(qiáng)大腦網(wǎng)絡(luò)的小世界特性．圖7指出兩首音樂在打亂前和打亂后每分鐘節(jié)拍數(shù)和節(jié)拍清晰度出現(xiàn)了明顯降低．這兩種音樂特性的降低與音樂打亂前后的大腦小世界網(wǎng)絡(luò)統(tǒng)計(jì)指標(biāo)的CMean/LMean降低有顯著關(guān)聯(lián)．因此音樂作為輸入信號，在以1s為單位進(jìn)行全部碎片化打亂，即使保留了大于1Hz頻率的1/f長程相關(guān)高級統(tǒng)計(jì)特性，但由于其他音樂有效信息的降低，這里尤其是節(jié)拍和節(jié)拍清晰度兩個(gè)變量，人腦所感知的有效信息發(fā)生了變化，有可能也導(dǎo)致了人腦跨腦區(qū)小世界網(wǎng)絡(luò)特性的降低．事實(shí)上，早期研究也指出[17-18]，即使都是同種類型的音樂，鋼琴演奏比起古琴演奏會更加增強(qiáng)受試者的小世界特性．因此音樂對人腦帶來的影響可能是多個(gè)變量的貢獻(xiàn)，值得更加深入的研究．當(dāng)隨機(jī)打亂之后，節(jié)拍等有效音樂信息降低，可能是導(dǎo)致腦功能連接密度下降、小世界特性降低的一個(gè)因素．大腦組織響應(yīng)音樂的變化類似于工作記憶任務(wù)的表現(xiàn)[32]．這種相似性表明，對具有豐富內(nèi)涵信息的音樂信號收聽任務(wù)可能會激活更高效的信息處理和認(rèn)知能力，而失去節(jié)拍等有效信息的亂序音樂也在增強(qiáng)大腦網(wǎng)絡(luò)小世界特性方面的能力會明顯降低．本研究的另一目的是尋找在音樂片段之間的網(wǎng)絡(luò)組織中可能的差異．我們的結(jié)果分析顯示在音樂刺激之間腦網(wǎng)絡(luò)特性沒有發(fā)現(xiàn)差異，但這可能是所選音樂片段的風(fēng)格相似的緣故．很有可能選擇風(fēng)格迥異的音樂會增強(qiáng)不同性質(zhì)的小世界網(wǎng)絡(luò)特性，值得我們將來設(shè)計(jì)實(shí)驗(yàn)進(jìn)行深入研究．

總之，我們的研究提供了人類大腦功能網(wǎng)絡(luò)在聽正序與亂序音樂時(shí)重新配置的宏觀證據(jù)．我們發(fā)現(xiàn)正序音樂認(rèn)知活動引起皮層區(qū)域更能增強(qiáng)大腦跨皮層活動呈現(xiàn)小世界網(wǎng)絡(luò)特性，說明皮層網(wǎng)絡(luò)在大腦傾聽音樂狀態(tài)具有優(yōu)化的功能連接特性，可能會有益于高效的認(rèn)知信息傳輸．

[1] KANDEL E R, SCHWARTZ J H, JESSELL T M. Principles of neural science [M]. New York： McGraw-Hill, Health Professions Division, 2000.

[2] FAN L, LI H, ZHUO J,etal. The human brainnetome atlas： A new brain atlas based on connectional architecture [J].CerebralCortex, 2016,26(8) ： 3508.

[3] PARK H-J, FRISTON K. Structural and functional brain networks： From connections to cognition [J].Science, 2013,342(6158)： 1238411.

[4] MARMARELIS P Z, MARMARELIS V Z. Analysis of physiological systems： The white-noise approach [M].KluwerAcademicPub, 1978.

[5] VAN HATEREN J H. A theory of maximizing sensory information [J].BiolCybern, 1992,68(1)： 23-29.

[6] RIEKE F, BODNAR D A, BIALEK W. Naturalistic stimuli increase the rate and efficiency of information transmission by primary auditory afferents [J].ProcBiolSci, 1995,262(1365)： 259-265.

[7] LEWEN G D, BIALEK W, DE RUYTER VAN STEVENINCK R R. Neural coding of naturalistic motion stimuli [J].Network, 2001,12(3)： 317-329.

[8] GARCIA-LAZARO J, AHMED B, SCHNUPP J. Tuning to natural stimulus dynamics in primary auditory cortex [J].CurrentBiology, 2006,16(3)： 264-271.

[9] THEUNISSEN F E, DAVID S V, SINGH N C,etal. Estimating spatio-temporal receptive fields of auditory and visual neurons from their responses to natural stimuli [J].Network, 2001,12(3)： 289-316.

[10] VOSS R F, CLARKE J. “1/fnoise” in music： Music from 1/fnoise [J].TheJournaloftheAcousticalSocietyofAmerica, 1978,63(1)： 258-263.

[11] GILDEN D L, THORNTON T, MALLON M W. 1/fnoise in human cognition [J].Science, 1995,267(5205)： 1837-1839.

[12] MUSHA T, YAMAMOTO M. 1/ffluctuations in biological systems [C]∥Proceedings of the 19th Annual International Conference of the IEEE. Chicago, USA： IEEE Press, 1997,6： 2692-2697.

[13] DE COENSEL B, BOTTELDOOREN D, DE MUER T. 1/fnoise in rural and urban soundscapes [J].Actaacusticaunitedwithacustica, 2003,89(2)： 287-295.

[14] YU Y, ROMERO R, LEE T S. Preference of sensory neural coding for 1/fsignals [J].PhysRevLett, 2005,94(10)： 108-103.

[15] SOBIE C, BABUL A, DE SOUSA R. Neuron dynamics in the presence of 1/fnoise [J].PhysicalReviewE, 2011,83(5)： 051912.

[16] GAL A, MAROM S. Entrainment of the intrinsic dynamics of single isolated neurons by natural-like input [J].JournalofNeuroscience, 2013,33(18)： 7912-7918.

[17] WU J, ZHANG J, DING X,etal. The effects of music on brain functional networks： A network analysis [J].Neuroscience, 2013,250： 49-59.

[18] WU J, ZHANG J, LIU C,etal. Graph theoretical analysis of EEG functional connectivity during music perception [J].BrainRes, 2012,1483： 71-81.

[19] WATTS D J, STROGATZ S H. Collective dynamics of ‘small-world’ networks [J].Nature, 1998,393(6684)： 440-442.

[20] HONEY C J, SPORNS O, CAMMOUN L,etal. Predicting human resting-state functional connectivity from structural connectivity [J].ProcNatlAcadSciUSA, 2009, 106(6)： 2035-2040.

[21] YU S, HUANG D, SINGER W,etal. A small world of neuronal synchrony [J].CerebralCortex, 2008,18(12)： 2891-2901.

[22] CHEN Z, HE Y, YU Y. Enhanced functional connectivity properties of human brains during in-situ nature experience [J].PeerJ, 2016,4： e2210.

[23] MOGNON A, JOVICICH J, BRUZZONE L,etal. ADJUST： An automatic EEG artifact detector based on the joint use of spatial and temporal features [J].Psychophysiology, 2011,48(2)： 229-240.

[24] GUEVARA M A, CORSI-CABRERA M. EEG coherence or EEG correlation? [J].IntJPsychophysiol, 1996,23(3)： 145-153.

[25] RUBINOV M, SPORNS O. Complex network measures of brain connectivity： Uses and interpretations [J].Neuroimage, 2010,52(3)： 1059-1069.

[26] FLOYD R W. ALGORITHM-97-SHORTEST PATH [J].CommunicationsoftheACM, 1962,5(6)： 345-345.

[27] PATEL A D. Music, language, and the brain [M]. Oxford, UK： Oxford University Press, 2010.

[28] HOLE J, HIRSCH M, BALL E,etal. Music as an aid for postoperative recovery in adults： A systematic review and meta-analysis [J].TheLancet, 2015,386(10004)： 1659-1671.

[29] GLASZIOU P. Music in hospital [J]. The Lancet, 2015, 386(10004)： 1609-1610.

[30] PERETZ I, COLTHEART M. Modularity of music processing [J].NatNeurosci, 2003,6(7)： 688-691.

[31] BASAR E, BASAR-EROGLU C, KARAKAS S,etal. Gamma, alpha, delta, and theta oscillations govern cognitive processes [J].IntJPsychophysiol, 2001,39(2-3)： 241-248.

[32] ADRIAN R H, CHANDLER W K, HODGKIN A L. Voltage clamp experiments in striated muscle fibres [J].TheJournalofPhysiology, 1970,208(3)： 607-644.

MusicEnhancesSmallWorldCharacteristicsofHumanBrainFunctionalNetwork

HEYujia,ZHANGWei,ZHENGGaoxing,YUYuguo

(1.TheCollaborativeInnovationCenterforBrainScience,DepartmentofPhysiologyandBiophysics,SchoolofLifeSciences,FudanUniversity,Shanghai200438,China;2.CenterforComputationalSystemsBiology,FudanUniversity,Shanghai200433,China)

In recent years, experiments have found that music compared with other mechanical noise on the human brain perception system can enhance a more complex network characteristics. Beautiful music generally have 1/fstatistical characteristics in the spectrum. Here we designed experiment to compare the human brain EEG response to normal music (NM) (has 1/fproperty) and randomly shuffled music sequences (RSMS) (1/fproperty is kept). In the music-induced EEG signal analysis, we found that the brain network displays a degraded small-world network property and lower brain functional connectivity density to RSMS signal than to NM. RSMS signal although retains long-term correlations, but the beat rate per min and clarity of the pulsation decrease. The degeneration of the two music parameter is correlated with the small network property, suggesting that the additional music parameters may contain rich information which also plays an important role in enhancing the brain function network.

music; EEG signal; 1/fstatistical characteristics; functional connectivity density; small world network characteristics

0427-7104(2017)06-0692-09

2017-03-07

國家自然科學(xué)基金(31571070),國家高級術(shù)研究發(fā)展計(jì)劃(2015AA020508),上海市“東方學(xué)者”和國家癲癇精準(zhǔn)醫(yī)學(xué)(2016YFC0904400)項(xiàng)目

何裕嘉(1991—)，男，碩士研究生；張 瑋(1986—)，男，科研助理；鄭高興(1994—)，男，碩士研究生；于玉國，男，研究員，通信聯(lián)系人；E-mail： yuyuguo@fudan.edu.cn.

Q42

A