研究速递：通过深度学习分析大脑活动中的时间之矢

摘要

来自躯体与环境的复杂内部和外部作用会促使大脑处于非平衡态。而时间之矢是热力学的核心理论，作为非平衡状态的主要特征，可用于分辨各种系统中动力学的可逆性。本文使用了一种基于深度学习的时间演化网络框架（Temporal Evolution NETwork，TENET）用于发现人类脑电信号事件流中的非平衡性特征，即“时间之矢”，用于量化躯体及环境的互作对大脑活动的影响。具体来说，作者团队通过TENET框架对上千名受试者的大规模HCP神经影像数据进行了分析，发现脑活动的不可逆性/非平衡性水平随时间和认知状态变化，且任务状态高于静息状态，其中7种不同认知任务期间的大脑活动可以通过这种非平衡性水平进行区分。此外，通过TENET框架对265名疾病及健康受试者的UCLA神经影像数据集的分析，作者团队表明TENET框架可以相当准确地区分神经精神疾病患者（精神分裂症、双相障碍和注意缺陷多动障碍）及健康人群的静息状态脑活动，并发现这些神经精神疾病患者相较于健康人群具有更低的脑活动非平衡性水平。综上所述，本文利用现有的基于热力学理论的深度学习框架，对在复杂环境中脑通过行为协调互作这一脑动力学原则提出了重要的新观点。

研究领域：深度学习，非平衡态，脑动力学，时间之矢

许逸聪 | 作者

梁金 | 审校

邓一雪 | 编辑

论文题目：

Deep learning the arrow of time in brain activity: characterising brainenvironment behavioural interactions in health and disease

论文链接：https://www.biorxiv.org/content/10.1101/2021.07.02.450899v1

在复杂无序的环境中产生出秩序是生命存在的基本特征，而在机体与复杂环境互相作用形成非平衡态的过程中，大脑起着核心作用。早期研究表明，虽然环境不断使大脑失去平衡性，但大脑存在着能量预算机制控制机体与环境之间的能量流动，实现了热力学上的不可逆状态，从而产生了一种非平衡系统，即时间之矢。因此时间之矢是表征大脑活动不平衡的绝佳工具。但大脑的活动究竟存在怎样的非平衡性机制从而控制机体与环境的互作，仍是待解之谜。

为了探究这一问题，2021年7月发表于BioArxiv 的一项最新研究通过提取脑成像数据中的时间序列，利用基于深度学习的时间演化网络框架（Temporal Evolution NETwork，TENET）来识别任意长度的时间序列的可逆性，以此量化脑活动的非平衡性水平。即通过测量大脑信号时间之矢的不可逆性水平，来评价环境与大脑的相互作用，借此评估与内在的静息状态相比，人类大脑中的非平衡性水平是否会随着与外部环境的接触而发生变化。

利用该方法，作者团队首先评估了来自1003名健康受试者的大型HCP神经影像数据在静息和7项不同任务活动中的脑动力学特征。结果表明，与7项任务活动相比，静息状态的非平衡性水平较低，这表明静息时脑活动处于更平衡的状态，因此具有更强的内在驱动力；而活动状态的高度非平衡性，表明其显然由环境所驱动。局部区域的进一步分析同样揭示了静息和活动状态之间明显的区域间异质性，与任务活动相关度高的脑区会更多地受到环境的驱动。可见外部环境并不是仅仅影响对应的感觉区域，而是通过驱动整个大脑中更高关联的脑区使脑活动达到非平衡态。

图1. HCP神经影像数据中静息及7种不同认知任务状态下脑活动的全局非平衡性。（A）左图展示了静息或认知状态下脑活动的非平衡水平，其在静息状态最低而在社交状态最高，可能表明越与环境相接触的状态具有更强的不可逆特性。右图则反应了一段时间后这些不同状态下脑活动非平衡水平的变化情况，可以发现静息状态时的脑活动非平衡水平相较于其他认知状态表现出了更大的变化。（B）随着时间推移，静息状态（左图）及社交状态（右图）的非平衡水平变化，可见静息状态下非平衡改变随时间增加。（C）时间相关的脑-环境互作变化，在静息（左图）及社交（右图）状态下，两者的高度非平衡水平的对称性相较于低水平均表现出更显著的破缺，脑模式图反映了各脑区在低及高非平衡水平之间表现出的对称性破缺情况。结果表明在进行复杂的任务时，环境会以特定的方式将脑动力驱动到高度非平衡的状态。

此外，作者团队还探究了这种脑活动的非平衡水平是否会因疾病发生变化。通过使用相同的方法分析来自265名神经精神病患者及健康人的UCLA神经影像数据集，发现与健康人相比，在神经精神疾病患者中发现的全局非平衡水平较低，而且不同疾病之间存在显著的局部异质水平变化。有趣的是，这些局部区域的改变与相应疾病对环境反应的变化相吻合。该结果也表明，TENET框架可以很好地区分不同的活动和疾病状态，因此可以作为潜在的生物标志物以得到进一步应用。

图2. 神经精神疾病中的时间之矢。通过TENET框架分析公共UCLA数据集中精神分裂症（schizophrenia）、双相障碍（bipolar disorders）和注意缺陷多动障碍（ADHD）的神经精神病患者及健康人的脑活动在全局和局部水平的非平衡性。（A）各组全局级别的非平衡性/不可逆性水平，可见健康人时间相关的平均非平衡性水平显著高于各神经精神病患者组，且各神经精神疾病组间也存在显着差异。表明神经精神疾病降低了非平衡性，患者大脑不易受外在环境的驱动。（B）各组脑局部区域的非平衡性水平的模式图。（C）3种神经精神疾病与健康之间的差异模式图。与全脑的健康组相比，精神分裂症的颞叶、顶叶和前额叶局部非平衡性水平减少。在双相障碍中，除躯体运动区域外的大多数脑区比健康组的非平衡性更高，表明其大脑可能更容易受到环境驱动。而注意缺陷多动障碍的颞叶、顶叶和岛叶局部平衡性水平较健康组更高，特别是躯体运动区更易受环境驱动，可能与其多动症的发生有关。

总体而言，该研究表明TENET框架可以提供在健康和疾病状态下有关环境驱动的大脑动力学在不同层级下非可逆/非平衡性的详细信息。未来可以将其与因果机制全脑建模相结合，以加深我们对健康和疾病状态下大脑动力学组织行为并与环境交互的相关机制的理解。

论文 Abstract

The complex intrinsic and extrinsic forces from the body and environment push the brain into nonequilibrium. The arrow of time, central to thermodynamics in physics, is a hallmark of non-equilibrium and serves to distinguish between reversible and non-reversible dynamics in any system. Here, we use a deep learning Temporal Evolution NETwork (TENET) framework to discover the asymmetry in the flow of events, ‘arrow of time’, in human brain signals, which provides a quantification of how the brain is driven by the interplay of the environment and internal processes. Specifically, we show in large-scale HCP neuroimaging data from a thousand participants that the levels of nonreversibility/non-equilibrium change across time and cognitive state with higher levels during tasks than when resting. The level of non-equilibrium also differentiates brain activity during the seven different cognitive tasks. Furthermore, using the large-scale UCLA neuroimaging dataset of 265 participants, we show that the TENET framework can distinguish with high specificity and sensitivity resting state in control and different neuropsychiatric diseases (schizophrenia, bipolar disorders and ADHD) with higher levels of non-equilibrium found in health. Overall, the present thermodynamicsbased machine learning framework provides vital new insights into the fundamental tenets of brain dynamics for orchestrating the interactions between behaviour and brain in complex environments. 

神经动力学模型读书会

随着电生理学、网络建模、机器学习、统计物理、类脑计算等多种技术方法的发展，我们对大脑神经元相互作用机理与连接机制，对意识、语言、情绪、记忆、社交等功能的认识逐渐深入，大脑复杂系统的谜底正在被揭开。为了促进神经科学、系统科学、计算机科学等领域研究者的交流合作，我们发起了【神经动力学模型读书会】。

集智俱乐部读书会是面向广大科研工作者的系列论文研读活动，其目的是共同深入学习探讨某个科学议题，激发科研灵感，促进科研合作。【神经动力学模型读书会】由集智俱乐部和天桥脑科学研究院联合发起，将于3月19日开始，每周六下午14:00-16:00（或每周五晚上19:00-21:00，根据实际情况调整）进行，预计持续10-12周。期间将围绕神经网络多尺度建模及其在脑疾病、脑认知方面的应用进行研讨。

详情请见：

推荐阅读

点击“阅读原文”，报名读书会