本发明涉及一种通过大脑血氧信号预测特定人际关系的方法，同时也涉及用于实施该方法的预测系统，属于认知神经科学领域。
背景技术：
人际关系是构成人类社会的基础，它反映在人类社会的方方面面。研究人际关系对于人类个体及群体都有至关重要的意义。近年来，新发展起来的功能性近红外光谱成像技术(functionalnear-infraredspectroscopy，简称为fnirs)可以在无侵入的情况下测量大脑皮层氧合血红蛋白和脱氧血红蛋白的浓度变化，从而间接探测大脑的神经活动模式和该活动出现的脑区。另外，fnirs具有实验过程中研究对象可以自由移动的高灵活特性，对运动伪迹有更高容忍度低，对信号有更高采样率，并且使用和维护成本更低，从而可以对现实生活中的真实人际关系开展研究。
人际关系包括人际合作和人际冲突。人际合作是两个或多个人或群体为达到共同目的，自觉或不自觉地在行动上相互配合的一种互动方式；人际冲突则指人与人、群体与群体对于一个共同目标的争夺。近年来，有人采用fnirs技术对人际合作行为进行了研究，并对面对面交流和其他交流方式的脑机制进行探讨。有关研究结果表明：在人际合作过程中，脑间同步(interpersonalneuralsynchronization，简称为ins)增强的区域包括前额叶、眶额叶皮层、左侧顶岛盖、前扣带回等脑区。研究研究对象的脑间同步主要由面对面交流中的交互行为引起，而不只是简单的口语信息传递；另外，通过脑间同步性可以精确地预测交流行为。
在现有技术中，基于脑数据预测未来人际关系状态的方法主要有以下两种：一种是通过第一年看对方照片时所激活的脑数据来与第二年他们所报告的关系愉悦度进行相关，结果发现第一年看照片激活的膝下扣带回及额上回与18个月后个体所评价的关系愉悦度呈正相关；另一种是通过对关系进行为追踪以获取其关系状态，进而探讨脑激活模式的差异。但是，上述现有方法存在一些局限：第一，现有方法基于非实时互动的实验范式，然而交互式的实时交流能更加有效地触发特定人际关系的神经生物学特征，引起脑间同步，因此有必要探讨出在更加自然的交互情境中对未来关系状态进行预测的方法。第二，现有方法只是从脑激活的角度在未来关系状态和脑活动之间建立相关关系，而近些年发展起来的脑间同步指标可以在生态学效度较高的环境下，从双方脑活动相似性的角度对关系质量进行预测，目前尚未有基于脑间同步指标对未来人际关系状态进行预测的方法。第三，现有方法没有使用判别分析的手段对未来关系状态进行定量的描述，没有将数据刻画和独立验证分开。
技术实现要素：
本申请所要解决的首要技术问题在于提供一种通过大脑血氧信号预测特定人际关系的方法。
本申请所要解决的另一技术问题在于提供一种通过大脑血氧信号预测特定人际关系的系统。
为实现上述目的，本申请采用下述的技术方案：
根据本发明实施例的第一方面，提供一种通过大脑血氧信号预测特定人际关系的方法，包括如下步骤：
步骤1：选择反映特定人际关系的话题；
步骤2：使用功能性近红外光谱成像技术对双方大脑的血氧信号进行测量；
步骤3：利用相关性算法对双方的血氧信号进行脑间同步计算；
步骤4：利用模式识别算法找到可以预测未来关系状态的脑区，并结合单变量方差分析进行验证；
步骤5：挖掘脑间同步模式所代表的心理意义。
其中较优地，所述步骤2中，采用基于功能性近红外光谱成像的多脑同时成像技术同时测量互动中的每对研究对象的大脑活动。
其中较优地，所述步骤3中，所述相关性算法为小波变换相干算法，同时结合皮尔逊相关算法、斯皮尔曼相关算法、相位锁定值算法中的任意一种进行重复验证。
其中较优地，所述步骤3中，利用所述小波变换相干算法评估每对研究对象生成的两个功能性近红外光谱成像的时间序列之间的同步关系。
其中较优地，对于每对研究对象，得到两个具有相同时间长度的氧合血红蛋白的时间序列，并通过小波变换相干算法寻找两个时间序列共变的时频空间区域，产生小波平方相干性的二维矩阵；在所述二维矩阵中每一行对应一个特定的频率点，每一列对应一个特定的时间点。
其中较优地，将任务态与静息态的脑间同步差异作为脑间同步指标。
其中较优地，所述特定人际关系为正向、可选择型的人际合作关系。
其中较优地，所述特定人际关系为情侣关系。
其中较优地，所述步骤4中，可以预测未来关系状态的脑区是男性的感觉运动皮层(smc)和女性的颞顶联合皮层(tpj)。
根据本发明实施例的第二方面，提供一种通过大脑血氧信号预测特定人际关系的系统，包括处理器、存储器及功能性近红外光谱成像组件，所述处理器分别连接所述存储器和所述功能性近红外光谱成像组件，其中：
所述存储器中存储有计算机程序，该计算机程序被所述处理器执行时，用于实施上述的方法。
与现有技术相比较，本发明所提供的通过大脑血氧信号预测特定人际关系的方法及系统，可以根据人群在自然情景中互动的脑功能活动模式来预测他们未来的特定人际关系状态，为认知神经科学服务于日常生活提供了有益的科学尝试。
附图说明
图1为本发明所提供的预测方法的流程图；
图2为实施本预测方法的实验状态示意图；
图3为实施本预测方法的实验过程示意图；
图4为实施本预测方法时，光极的放置状态示意图；
图5为男性的感觉运动皮层(smc)和女性的颞顶联合皮层(tpj)的脑间同步增长值示意图；
图6为感觉运动皮层(smc)-颞顶联合皮层(tpj)的脑间同步与女性所评估的关系强度(即承诺强度,commitmentofwomen)呈正相关的示意图；
图7为女性认知维度的换位思考(perspectivetakingofwomen)通过影响感觉运动皮层(smc)-颞顶联合皮层(tpj)的脑间同步进而影响女性所感知到的关系承诺(commitmentofwomen)的示意图；
图8为本发明所提供的预测系统的结构示例图。
具体实施方式
下面结合附图和具体实施例对本申请的技术内容做进一步的详细说明。
在本发明的实施例中，所说的特定人际关系包括但不限于情侣关系、夫妻关系、商业合作关系等正向、可选择型的人际合作关系等。本发明所提供的预测方法及系统根据人群在自然情景中互动的神经活动模式来预测他们未来的特定人际关系状态。
图1显示了本发明所提供的预测方法的流程图。该预测方法可以包括如下5个步骤：
步骤1：选择反映特定人际关系的话题；
步骤2：使用功能性近红外光谱成像技术对双方大脑的血氧信号进行测量；
步骤3：利用相关性算法对双方的血氧信号进行脑间同步计算；
步骤4：利用模式识别算法找到可以预测未来关系状态的脑区，并结合单变量方差分析进行验证；
步骤5：挖掘脑间同步模式所代表的心理意义。
考虑到情侣关系在上述可选择型的人际合作关系中具有典型意义，在本发明的一个实施例中，以情侣关系为例对本发明所提供的预测方法及预测系统的具体实施过程进行说明。
在该实施例中，首先选择反映情侣关系、体现情侣互动的话题。
现有研究结果表明：交互式的实时交流能够有效触发爱情相关的神经生物学特征。并且，支持性(supportive)情境和冲突性情境都是情侣之间互动的典型情境，有助于他们相互理解。因此，发明人要求每对参与测试的情侣(即研究对象，下同)在不同的情境中(包括支持性的、中性(neutral)的和冲突性(conflict)的)进行自由交流和互动。每个情境的互动持续10分钟，三种情境的顺序在研究对象之间进行平衡(counterbalanced)。此外，在进行话题讨论前研究对象还进行了5分钟的静息态(rest)作为基线。
为了确保互动主题可以有效地诱发出每对参与测试的情侣相应的预期情境，发明人对每对参与测试的情侣都执行以下步骤：
第一，在实验之前，每对参与测试的情侣需要提供两个主题列表，一个可有效地诱发出支持性情境，另一个可有效地诱发出日常生活中他们之间的冲突情境。具体地说，对于支持性的话题，每对参与测试的情侣都被要求报告1～3个她/他最近遇到的难题，此外，这个话题的讨论不应该引起她/他和搭档之间的冲突，由于这类话题往往可以诱发出对方的支持性行为，因此发明人把这类话题称作支持性话题。对于冲突性话题，每对参与测试的情侣需要报告1～3个会导致他们之间的冲突或可能危及他们的关系的话题。第二，两名参与测试的情侣使用里克特7点量表(1分代表最低水平，7分代表最高水平)对每个话题可能引发的支持程度(问题为：“你多想改变或解决这个难题”)或冲突程度进行打分。第三，发明人根据评分对每个研究对象提出的主题列表进行排序并选择出排位第一的主题。由于男性和女性都有一个列表，最终为每对参与测试的情侣选择了4个主题(2个支持主题，2个冲突主题)，然后每对参与测试的情侣随机选择男性或女性的话题作为支持性话题或冲突性话题。典型的支持性话题为“我不能及时完成我的作业”或“我担心找工作的相关事情”，冲突性话题为“我不认为他/她真正关心我”和“他/她要做自己的事情却不陪我”。第四，所有参与测试的情侣都使用了相同的中性主题，即“请对北京的空气质量进行讨论”。
接下来，使用功能性近红外光谱成像技术对双方大脑的血氧信号进行测量。
在该实施例中，发明人采用了基于fnirs的多脑同时成像(hyperscanning)技术来同时测量互动中情侣的大脑活动。fnirs可对局部脑血流动力学效应进行测量，并具有很强的便携性、对运动伪影耐受性也较高，因此它适合研究自由社交互动中的大脑活动。
参见图2所示的实施例，发明人使用日本岛津公司的功能近红外光谱系统(shimadzu，labnirs)对血氧信号进行测量。其中，实验中的两名参与者面对面坐着，并同时采集他们的fnirs信号。如图3所示，参与测试的情侣首先进行5分钟的静息态(rest)以作为基线，随后需要进行三种话题(包括支持性的、中性(neutral)的和冲突性(conflict)的)的讨论，每种话题持续10分钟。在每一次讨论结束后，参与测试的情侣需要立即对他们的互动过程进行评分。话题的顺序在参与测试的情侣之间是平衡的(counterbalanced)。如图4所示，光极放置在参与者头部双侧的额叶、颞叶和顶叶。每侧包括13个测量通道(5个发射器(source)和5个探测器(detector))，测量通道(channel，简称为ch)11位于国际标准10-20系统中的t3，ch25位于t4。脉冲激光发出780、805以及830nm三个波长的光，探测器测量氧合血红蛋白(oxyhb)和脱氧血红蛋白(deoxyhb)浓度的变化。对于每个通道，分别测量处的近红外光吸收，根据修正后的bill-lambert定律(公式1、2)将吸光度(absorbance，简称为abs)的改变转换为oxyhb、deoxyhb的浓度变化。相应的大脑图像可以使用免费软件brainnetviewer151自动生成。
δoxyhb＝-1.4887×δabs780 0.5970×δabs805 1.4847×δabs830(1)
δdeoxyhb＝1.8545×δabs780 (-0.2394)×δabs805 (-1.0947)×δabs830(2)
下一步，在测量获得双方大脑的血氧信号之后，利用相关性算法对两人的oxyhb进行脑间同步计算。在本发明的实施例中，所述相关性算法包括但不限于小波变换相干算法、皮尔逊相关算法、斯皮尔曼相关算法、相位锁定值算法等可以度量相关性的算法。
脑间同步通常指两人或多人之间的大脑信号在某一特定频率上存在时间上的共变关系。计算两列信号相关性的算法有多种，例如小波变换相干算法、皮尔逊相关算法、斯皮尔曼相关算法、相位锁定值算法等。在本发明的一个实施例中，发明人利用小波变换相干算法(wavelettransformcoherence，简称为wtc)评估每对参与测试的情侣生成的两个fnirs时间序列之间的同步关系，得到每个频率和时间点上的同步性。
小波变换相干算法的大致思路为：首先对信号x(t)和y(t)进行连续小波转换(continuouswavelettransform)得到小波系数wx(n，s)及wy(n，s)，式中n代表小波的时延(timeshift)参数，s代表缩放(scale)参数；然后通过计算得到信号x(t)，y(t)的小波谱(参见下列的公式3、4)以及二者之间的交叉小波谱(公式5)；再计算平滑小波谱sxx(n，s)、syy(n，s)及平滑交叉小波谱sxy(n，s)，并对其进行如公式6的计算以得到最后的小波平方相干性能。
具体地说，对于每对参与测试的情侣，发明人得到了两个具有相同时间长度的0xyhb时间序列，并通过小波变换相干算法寻找两个时间序列共变的时频空间区域，这就产生了小波平方相干性的二维矩阵，在矩阵中每一行对应一个特定的频率点，每一列对应一个特定的时间点。然后，通过fisherz(公式7)转换将小波平方相干性转换为新的值，并在时间维度上对同步性进行平均。发明人对三个讨论任务以及静息态进行了同样的上述分析，并将任务态与静息态的脑间同步差异作为脑间同步指标。最后，发明人选择了0.02～0.03hz作为发明人感兴趣的频率段。
下一步，利用模式识别算法找到可以预测未来关系状态的脑区，并结合单变量方差分析进行验证。
由于每个参与测试的情侣有26个测量通道，每对参与测试的情侣产生了676个时间序列组合，因此小波变换相干算法进行了676次。为了探究是网络而非单一的测量通道组合可以区分关系稳定组及分手组，发明人对其进行了聚类分析。具体说明如下：
首先，对每对参与测试的情侣在每个测量通道的三种任务下的ins增长值进行平均。其次，对所有测量通道组合(共696个)的平均ins增长值进行层次聚类分析(利用基于平方欧几里德距离的ward’s方法)并根据树状图生成了83个集群。发明人将每个集群内的测量通道组合的ins增长值进行平均，以得到该集群的脑间同步增长值。
其次，发明人对所有参与测试的情侣进行了一年的跟踪调查以询问他们是否还在一起(是/否)。回访信息表明15对研究对象还在一起(关系稳定组)，7对研究对象分手了(分手组)。
接下来，发明人将83个集群的脑间同步增长值作为自变量，一年后的关系状态作为分组变量，使用逐步的fisher线性判别(fisherlineardiscriminateanalysis)对其进行判别，并采用了留一法交叉验证(leave-one-outcrossvalidation)对其进行验证。结果如图5所示，仅男性的感觉运动皮层(sensorimotorcortex，smc)与女性的颞顶联合皮层(temporoparietaljunction，tpj)这一集群的脑间同步增长值进入了模型(χ2(1)＝8.877，p＝0.003)，且成功辨别出93％的关系稳定组(随机水平为68％)以及57％的分手组(随机水平为32％)。这说明男性的感觉运动皮层-女性的颞顶联合皮层的脑间同步增长值可以用于预测情侣一年后的关系状态。
为了进一步验证该组脑区的脑间同步可以用于区分关系稳定组及分手组，发明人对所有集群都进行了关系类型(关系稳定组、分手组)*话题类型(支持性、中性、冲突性)的混合方差分析，结果表明关系稳定组在smc-tpj脑区的同步性要显著地高于分手组(f(1，20)＝11.53，p＜0.001)，话题类型的主效应以及交互效应均不显著(ps＞0.05)；而且该集群的关系类型主效应在83个集群中是最小的。
最后，挖掘脑区所代表的心理意义。
为了探讨感觉运动皮层(smc)-颞顶联合皮层(tpj)是否可以反应爱情的强度，发明人采集了研究对象的爱情三角量表(triangularlovescale)。爱情三角量表包括亲密(intimacy)，激情(passion)以及承诺(commitment)。项目一致性都达到了很高的水平(cronbach’salpha系数，平均数＝0.866，标准差＝0.021)。关系稳定组与分手组在爱情三角量表的三个成分上的差异均不显著(ps＞0.05)。
为了探讨感觉运动皮层(smc)-颞顶联合皮层(tpj)所代表的心理意义，发明人使用人际反应指针量表(interpersonalreactivityindex)采集了研究对象的共情能力。人际反应指针量表测量了共情的四个维度：1)认知维度的换位思考(perspective-taking，简称为pt)：考虑他人的观点；2)认知维度的幻想(fantasizing，简称为ft)：认同书籍和电影中的虚构人物；3)情感维度的共情关怀(empathicconcern，简称为ec)：对他人的同情；4)情感维度的个人痛苦(personaldistress，简称为pd)：对他人痛苦的自我导向的消极唤起。每个子量表在本发明中的项目一致性都达到了可以接受的水平(pt＝0.553；ft＝0.759；ec＝0.741；pd＝0.541)。
参见图6，皮尔逊相关表明：感觉运动皮层(smc)-颞顶联合皮层(tpj)的脑间同步(ins)增长值与女性所感知到的浪漫爱情中的承诺强度(commitmentofwomen)显著相关(r＝0.568，p＝0.027)。感觉运动皮层(smc)-颞顶联合皮层(tpj)的脑间同步增强值与女性的共情关怀(empathicconcernofwomen,r＝0.580，p＝0.038)以及女性的换位思考(perspectivetakingofwomen,r＝0.614，p＝0.026)存在显著的正相关。此外，未发现其他显著的相关结果(ps＞0.05)。
为了探究感觉运动皮层(smc)-颞顶联合皮层(tpj)、浪漫爱情强度以及共情之间的关系，发明人提出两个假设：1)男女共情通过脑间同步影响浪漫爱情的强度；2)预测编码通过男性或女性的共情影响浪漫爱情的强度。
接下来，发明人进行了中介分析。结果表明，女性的换位思考(perspectivetakingofwomen)可以通过感觉运动皮层(smc)-颞顶联合皮层(tpj)的脑间同步(参见图7和表1)影响女性浪漫爱情的强度(即承诺强度，commitmentofwomen)。其他模型均未达到显著性水平(ps＞0.05)。在图7中，三角形中最下面的实线代表总效应，虚线代表直接效应，三角形上面的两条边代表间接效应。表1则显示了当中介变量为感觉运动皮层(smc)-颞顶联合皮层(tpj)时，女性换位思考对于女性所感知到的承诺的总效应、直接效应以及间接效应。
表1
注：50000个拔靴样本(bootstrapsample)
在本发明的一个实施例中，发明人招募了22对情侣，进行5分钟的静息态和三个10分钟的自由交流和互动。三个互动分别为支持性的、中性的和冲突性的情境。同时，采用基于功能性近红外光谱成像技术的多脑同时成像技术，采集每对参与测试的情侣颞叶联合皮层等脑区的血氧动力学信号。接着，利用小波变换相干算法对情侣交互过程中的人际间脑间同步进行计算。根据计算得到的脑间同步增长值，采用费舍线性判别算法预测情侣一年后的关系状态。一年后，发明人对参与测试的情侣进行了跟踪调查以询问他们是否还在一起，回访信息表明一年后有15对参与测试的情侣还在一起(关系稳定组)，7对参与测试的情侣分手了(分手组)。发明人通过数据分析，找到可以预测一年后关系状态的相关脑区为感觉运动皮层-颞顶联合皮层，并且成功辨别出93％的关系稳定组(随机水平为68％)以及57％的分手组(随机水平为32％)。进一步的分析，表明女性的pt可以通过感觉运动皮层-颞顶联合皮层的脑间同步影响女性的浪漫爱情的强度。因此，本发明提供的预测方法实现了通过大脑血氧信号来预测情侣未来关系状态的目的。
前已述及，本发明所说的特定人际关系包括但不限于上述的情侣关系，还可以包括其他类似的夫妻关系、商业合作关系等正向、可选择型的人际合作关系。在应用本发明所提供的预测方法及预测系统时，只要灵活选择反映特定人际关系的话题，就可以将上述预测方法及预测系统推广到对其它特定人际关系的预测中，在此就不一一举例详细说明了。
在上述通过大脑血氧信号预测特定人际关系的方法基础上，本发明进一步提供一种可以在实际生活中应用的预测系统。参见图8所示，在本发明的一个实施例中，该预测系统可以包括处理器、显示组件(可选的)、存储器、功能性近红外光谱成像组件以及输入输出接口。其中，处理器分别连接功能性近红外光谱成像组件、显示组件、存储器和输入输出接口，用于控制整个预测系统的整体操作，执行本发明所提供的预测方法中的全部或部分步骤。在示例性实施例中，处理器可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述预测方法。存储器被配置为存储各种类型的数据以支持在预测系统上的操作。这些数据的示例包括用于在预测系统上操作的任何应用程序或方法的指令等，例如在该存储器中存储有计算机程序，该计算机程序被上述处理器执行时，用于执行本发明所提供的预测方法中的全部或部分步骤。存储器可以由任何类型的易失性或非易失性存储器或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器等。功能性近红外光谱成像组件包括光极、发射器、探测器等，它们的具体使用方式可以参见图2～图4提供的示例。输入输出接口用于实现本预测系统与外部设备，例如计算机、服务器等的连接。除了上述功能模块之外，本预测系统还可以包括常规的电源模块及人机接口模块(例如键盘、鼠标等)，在此就不具体说明了。
上面对本发明所提供的通过大脑血氧信号预测特定人际关系的方法及系统进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质内容的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。
1.一种通过大脑血氧信号预测特定人际关系的方法，其特征在于包括如下步骤：
步骤1：选择反映特定人际关系的话题；
步骤2：使用功能性近红外光谱成像技术对双方大脑的血氧信号进行测量；
步骤3：利用相关性算法对双方的血氧信号进行脑间同步计算；
步骤4：利用模式识别算法找到可以预测未来关系状态的脑区，并结合方差分析进行验证；
步骤5：挖掘脑间同步模式所代表的心理意义。
2.如权利要求1所述的方法，其特征在于：
所述步骤2中，采用基于功能性近红外光谱成像的多脑同时成像技术同时测量互动中的每对研究对象的大脑活动。
3.如权利要求1所述的方法，其特征在于：
所述步骤3中，所述相关性算法为小波变换相干算法，同时结合皮尔逊相关算法、斯皮尔曼相关算法、相位锁定值算法中的任意一种进行重复验证。
4.如权利要求3所述的方法，其特征在于：
所述步骤3中，利用所述小波变换相干算法评估每对研究对象生成的两个功能性近红外光谱成像的时间序列之间的同步关系。
5.如权利要求4所述的方法，其特征在于：
对于每对研究对象，得到两个具有相同时间长度的氧合血红蛋白的时间序列，并通过小波变换相干算法寻找两个时间序列共变的时频空间区域，产生小波平方相干性的二维矩阵；在所述二维矩阵中每一行对应一个特定的频率点，每一列对应一个特定的时间点。
6.如权利要求4所述的方法，其特征在于：
将任务态与静息态的脑间同步差异作为脑间同步指标。
7.如权利要求1～6中任意一项所述的方法，其特征在于：
所述特定人际关系为正向、可选择型的人际合作关系。
8.如权利要求7所述的方法，其特征在于：
所述特定人际关系为情侣关系。
9.如权利要求8所述的方法，其特征在于：
所述步骤4中，可以预测未来关系状态的脑区是男性的感觉运动皮层和女性的颞顶联合皮层。
10.一种通过大脑血氧信号预测特定人际关系的系统，包括处理器、存储器及功能性近红外光谱成像组件，所述处理器分别连接所述存储器和所述功能性近红外光谱成像组件，其特征在于：
所述存储器中存储有计算机程序，该计算机程序被所述处理器执行时，用于实施权利要求1～9中任意一项所述的方法。
技术总结