站在臨界點上的全腦影像
複雜的神經網路包含了興奮型、抑制型神經元，其動態必須被精細地調控。一個太「穩定」的神經網路可說是很笨的，因為所有的訊號都將石沉大海；一個太興奮的網路則會把所有訊號和雜訊一起放大，一點點刺激便星火燎原，癲癇便是這種情況。因此一顆正常運作的大腦應該位於「臨界點(Criticality)」上，才能有彈性又能反應各種變化。實驗上已發現神經系統的許多行為的確符合臨界點的數學特性，這個月發表在期刊NeuroImage上的研究分析了大腦在休息狀態下的腦磁圖(Magneto-encephalography，以下稱MEG)全腦影像，也進一步支持了這個論點。
所以「臨界點」到底是什麼？最簡單的例子是水的沸點——在固態與液態下，水／水氣的體積隨著溫度增高而有緩和的變化，但在沸點水一下子變成水氣，體積膨脹的速度幾乎是無限大的。統計物理處理由非常多單元構成的系統，此時我們已無法完整地呈現各個單元的行為，因此描述整個系統須引入一些巨觀的物理量，例如上述的溫度、體積。當其中一個物理量在某些條件下忽然劇烈地改變，這便是「相變化（phase transition）」，臨界點就是相變產生的點。系統在同一個相之內的變化通常是連續的，而在經過不連續的相變化之後，在另一個相之下的行為會呈現另一種很不同的連續的行為，比如液態和氣態、穩定或興奮的大腦。
臨界點的另一個特色是：物理量在臨界點附近會遵循冪次定律（power law），即指數變化。指數變化又被稱為「無尺度的（scale-free）」––試以log-log scale畫出指數函數y=x^a，我們會得到一條斜率是a的斜直線，這代表不管在什麼尺度下，這個函數的行為都長得差不多（無論大尺度或小尺度，斜率都是a）；換句話說，這個函數的變化範圍，並沒有侷限、偏好特定的尺度，因此稱為scale-free。神經科學中，科學家在大腦上量測到各種符合power law訊號分佈，以此來佐證腦網路工作狀態應是在臨界點的猜測。
以往相關的的實驗分析多侷限於局部腦區，或是擷取網路中的部分節點做分析，這篇研究的賣點在於他分析了全腦訊號，展示了全腦活動的平均強度與同步相位都呈現指數分佈。他們還發現平均強度和同步相位的指數分別有特定數值，可能代表了它們對應到不同的認知功能，不過具體是什麼功能有待進一步的詮釋與驗證。
另一個亮點是MEG數據。MEG早在1960年代就被發明，但直至近年才因電腦運算能力的進步逐漸顯露優勢。相較於他的兄弟腦電圖（Electroencephalographic, EEG），MEG使用磁場的訊號，較電訊號不容易受到頭骨和頭皮等軟組織的干擾；相較於近年來可謂人盡皆知的功能性核磁造影（functional magnetic resonance, fMRI），MEG能夠直接量測神經訊號（fMRI量測血氧濃度），並擁有更高的時間解析度。已有許多研究使用EEG或fMRI數據，以類似的方法顯示大腦的工作狀態可能是在臨界點，這篇研究提供了更進一步的證據。值得注意的是：雖然指數分佈是臨界點附近的一個特色，但有指數分佈不一定就是臨界點，也可能是其他狀態。而本篇研究之所以偏好臨界點的詮釋，仍是因其符合大量EEG和fMRI研究更多分析的結果。
原始論文： Daffertshofer et al. (2018). Distinct criticality of phase and amplitude dynamics in the resting brain. NeuroImage.
https://www.sciencedirect.com/science/article/pii/S1053811918301873
撰稿：李宛儒
所以「臨界點」到底是什麼？最簡單的例子是水的沸點——在固態與液態下，水／水氣的體積隨著溫度增高而有緩和的變化，但在沸點水一下子變成水氣，體積膨脹的速度幾乎是無限大的。統計物理處理由非常多單元構成的系統，此時我們已無法完整地呈現各個單元的行為，因此描述整個系統須引入一些巨觀的物理量，例如上述的溫度、體積。當其中一個物理量在某些條件下忽然劇烈地改變，這便是「相變化（phase transition）」，臨界點就是相變產生的點。系統在同一個相之內的變化通常是連續的，而在經過不連續的相變化之後，在另一個相之下的行為會呈現另一種很不同的連續的行為，比如液態和氣態、穩定或興奮的大腦。
臨界點的另一個特色是：物理量在臨界點附近會遵循冪次定律（power law），即指數變化。指數變化又被稱為「無尺度的（scale-free）」––試以log-log scale畫出指數函數y=x^a，我們會得到一條斜率是a的斜直線，這代表不管在什麼尺度下，這個函數的行為都長得差不多（無論大尺度或小尺度，斜率都是a）；換句話說，這個函數的變化範圍，並沒有侷限、偏好特定的尺度，因此稱為scale-free。神經科學中，科學家在大腦上量測到各種符合power law訊號分佈，以此來佐證腦網路工作狀態應是在臨界點的猜測。
以往相關的的實驗分析多侷限於局部腦區，或是擷取網路中的部分節點做分析，這篇研究的賣點在於他分析了全腦訊號，展示了全腦活動的平均強度與同步相位都呈現指數分佈。他們還發現平均強度和同步相位的指數分別有特定數值，可能代表了它們對應到不同的認知功能，不過具體是什麼功能有待進一步的詮釋與驗證。
另一個亮點是MEG數據。MEG早在1960年代就被發明，但直至近年才因電腦運算能力的進步逐漸顯露優勢。相較於他的兄弟腦電圖（Electroencephalographic, EEG），MEG使用磁場的訊號，較電訊號不容易受到頭骨和頭皮等軟組織的干擾；相較於近年來可謂人盡皆知的功能性核磁造影（functional magnetic resonance, fMRI），MEG能夠直接量測神經訊號（fMRI量測血氧濃度），並擁有更高的時間解析度。已有許多研究使用EEG或fMRI數據，以類似的方法顯示大腦的工作狀態可能是在臨界點，這篇研究提供了更進一步的證據。值得注意的是：雖然指數分佈是臨界點附近的一個特色，但有指數分佈不一定就是臨界點，也可能是其他狀態。而本篇研究之所以偏好臨界點的詮釋，仍是因其符合大量EEG和fMRI研究更多分析的結果。
原始論文： Daffertshofer et al. (2018). Distinct criticality of phase and amplitude dynamics in the resting brain. NeuroImage.
https://www.sciencedirect.com/science/article/pii/S1053811918301873
撰稿：李宛儒
留言
張貼留言