期刊上的下一篇文章
卫星间距离和时差的精密联合射频测量以及多颗微小卫星编队的可伸缩时钟同步
下一篇特刊文章
专业视觉艺术家与非艺术家大脑形态分类的监督机器学习方法
期刊上的上一篇文章
基于单模保偏光纤的外差干涉测量误差分析
特刊上一篇文章
多文化背景下的暴露影响对群体外面孔的神经反应：一项功能磁共振成像研究
 
 
搜索用于文章:
标题/关键字
作者/附属机构/电子邮件
日记账
文章类型
 
 
高级搜索
 
章节
特别发行
体积
问题
编号
第页
 
期刊销售
传感器
第23卷
第8版
10.3390/s23084107
传感器标志
提交到此日志 本期刊的评论 提出特殊问题
► 文章菜单

文章菜单

分享 分享 公告 帮助 format_quote格式 引用 问题_答案 在SciProfiles中讨论 竖起拇指（_U）
...
背书 短信
...
注释
第一页（_P）
设置
订购文章重印
字体类型：
宋体 佐治亚州 宋体，Verdana
字体大小：
Aa公司 Aa公司 Aa公司
行距：
列宽：
背景：
第条

场景情节处理中与年龄相关的变化：一项功能激活和连接性研究

通过
宫崎骏
1,2,3,
约瑟芬·阿斯特丽德·阿彻
4,
吴巧怡
5,
中井俊彦
3,6,7和
沈海星Annabel Chen
4,8,9,*
1
美国俄亥俄州辛辛那提市辛辛那蒂儿童医院医疗中心儿童和青少年精神病学科，邮编：45229
2
辛辛那提大学医学院精神病学系，辛辛那蒂，俄亥俄州45267，美国
三
日本爱知县Ohbu 474-8511国家老年医学和老年学中心老年技术部
4
新加坡南洋理工大学社会科学学院，新加坡639818
5
新加坡南洋理工大学国家教育学院儿童发展研究中心，新加坡637616
6
日本大阪市大阪大学口腔医学研究生院口腔放射科，邮编：565-0871
7
日本爱知县Ohbu 474-8511神经影像与信息研究所
8
新加坡南洋理工大学学习研究与发展中心，新加坡637335
9
新加坡南洋理工大学李光正医学院，新加坡308232
*
信件应寄给的作者。
传感器 2023,23(8), 4107;https://doi.org/10.3390/s23084107
收到的提交文件：2023年2月4日/修订日期：2023年4月5日/接受日期：2023年4月15日/发布日期：2023年4月19日
（本文属于特刊大脑活动监测)
浏览地物
审查报告 版本注释

摘要

:
老化后向前移位（PASA）效应被视为一种补偿模型，使老年人能够满足增加的认知需求，从而与年轻人表现相似。然而，对PASA效应研究额叶下回（IFG）、海马和海马旁与年龄相关的变化的实证支持尚待确定。33名老年人和48名年轻人在3-Tesla MRI扫描仪中接受了对室内/室外场景的新颖性和关系处理敏感的任务。应用功能激活和连接性分析检查低/高表现老年人和年轻人的IFG、海马和副海马的年龄相关变化。对于场景的新奇性和关联性处理，通常在老年人（高表现）和年轻人中都发现显著的海马旁激活。与老年人相比，年轻人的IFG和海马旁激活明显更大，与表现不佳的老年人相比，海马旁激活更大，关系处理为PASA模型提供了部分支持。在关系处理方面，与表现不佳的老年人相比，年轻人的内侧颞叶内存在显著的功能连通性，左IFG-右海马/副海马功能连通性更大，这也部分支持了PASA效应。

1.简介

衰老通常与较差的记忆编码有关[1]和检索[2]. 然而，这种老化效应存在个体差异，高功能老年人的记忆力与年轻人相当[三,4]. 弄清衰老对记忆功能影响的机制和个体差异的来源，对于找到有效的干预措施来维持老年人的生活质量至关重要。
使用正电子发射断层扫描（PET）和功能性核磁共振成像（fMRI）进行的人类神经成像研究结果表明，当老年人执行情景编码和检索任务时，他们的大脑激活表现为大脑后部的激活减少，而大脑前部的激活增加[5,6]. 基于这一观察，提出了老化后向前移位（PASA）模型[7]. 功能连通性研究的结果也支持这一观点[8]. 如今，关于PASA效应的功能作用的广泛接受的观点是积极补偿[9]. 有经验证据表明，前后移位与认知需求增加有关[10]PASA效应使老年人受益于情节编码[6].
传统的PASA模型一直关注额叶和枕叶脑区。在这里，我们声称PASA模型可以扩展到海马结构和额叶区域之间的关系，特别是额下回（IFG）。我们发现，这表明扩展的PASA模型表明，与年龄相关的双侧IFG激活增加，同时双侧海马和副海马的激活减少，用于场景的新奇处理（即，实验定义为观看新奇图片减去重复图片；参见[11])和场景的关系处理（观看新奇图片减去杂乱图片）[12,13,14]. 受这些发现的启发，我们设计了一项研究，以验证这样一个中心假设，即在场景的新颖性和关系处理过程中，老化过程中的海马-额叶（即时间-额叶）移动是否会对老年人产生任何补偿效应。我们采用了一种已建立的范式，通过室内/室外场景来检验新颖性和关系处理[11,15]其中一部分在别处出版[15]. 在进行分析时，我们控制了与年龄相关的前额叶皮层结构萎缩（PFC）[16]，海马[14]和海马旁[17]. 我们评估了BOLD信号中与年龄相关的变化是否反映了健康年轻人和老年人在双侧IFG、海马和副海马作为感兴趣区域（ROI）的PASA效应。老年人被进一步分为高绩效和低绩效两个亚组，以研究PASA模型的代偿作用。

2.方法

2.1. 参与者

新加坡临床脑实验室（CBL）和日本国家老年医学和老年病学中心（NCGG）分别招募了102名老年人和年轻人参与本研究。25名老年人（12名女性，3名左撇子，平均年龄=67.8岁，标准偏差=7.6）平均最小智力状态检查（MMSE）[18]28.9分(标准偏差=1.1，范围26-30）和25名年轻人（12名女性，2名左撇子，平均年龄=23.2，标准偏差=2.2）平均MMSE得分为29.9(标准偏差=0.3，范围29-30）。22名老年人（13名女性，2名左撇子，平均年龄66.7岁，标准偏差=3.1）最小精神状态检查（MMSE）平均得分为28.3(标准偏差=1.9，范围23-30）和26名年轻人（14名女性，1名左撇子和1名双手敏捷者，平均年龄=21.7，标准偏差=1.6），平均MMSE评分为29.2(标准偏差=0.9，范围27-30），由NCGG招募。爱丁堡惯用手量表用于确定参与者的惯用手[19]. 对所有参与者进行筛查，以排除任何精神、神经和代谢状况（如糖尿病和高血压）。分析中排除了头部运动过大（>2mm平移，>3度旋转）、反应准确性差（ACC）（扫描期间和扫描后ACC<60%）和MMSE评分低（MMSE评分≤26）的参与者。结合CBL和NCGG数据集，分析功能激活中与年龄相关的变化，而仅分析NCGG数据库中与年龄有关的功能连接变化，以实现场景的新颖性和关系处理。
根据老年人在场景新奇性和关系处理方面的记忆表现ACC，他们被进一步分为低绩效和高绩效。与Cabeza等人[三]，除MMSE外，我们没有进行标准化认知测试。因此，我们使用我们任务中年轻人的平均ACC将老年人分为低绩效老年人和高绩效老年人，标准偏差为2(标准偏差)缓冲区，作为相应NCGG和CBL数据集中的截止点。因此，如果老年人的ACC在2以内，他们被认为是年长的高表现者标准偏差与年轻人的平均ACC相比，表现较差的老年人的ACC超过2标准偏差来自各自数据集中年轻对应方的平均ACC。年长高绩效者的ACC与年轻绩效者相当，而年长低绩效者的CCC明显低于年长高和年轻绩效者。
总共有33名老年人（19名女性，3名左撇子，平均年龄=66.2岁，标准偏差=5.0），MMSE平均得分为29.0(标准偏差=0.9，范围27-30），48名年轻人（26名女性，2名左手，1名双手敏捷，平均年龄22.4岁，标准偏差=2.1），平均MMSE评分为29.5(标准偏差=0.8，范围27-30），分析与场景新颖性和关系处理相关的功能激活的年龄相关变化。在老年人中，有9名表现较差的老年人（7名女性，2名左撇子，平均年龄=69.6岁，标准偏差=5.8）平均MMSE得分为28.7(标准偏差=1.1，范围27-30）和24名老年高绩效者（12名女性，1名左撇子，平均年龄=64.9，标准偏差=4.1）平均MMSE得分为29.1(标准偏差=0.8，范围28–30）。虽然较年长的低绩效员工比较高绩效员工年龄大得多，t吨(31) = 2.58,对< 0.05; 老年低绩效者和老年高绩效者的MMSE得分没有显著差异，t吨(31) = 1.32,对> 0.05.
对于与场景新奇性和关系处理相关的功能连接的年龄相关变化，共有17名老年人（10名女性，1名左撇子，平均年龄=66.1，标准偏差=3.4）平均MMSE得分为28.8(标准偏差=1.0，范围27-30），25名年轻人（14名女性，1名双手灵活，平均年龄=21.7，标准偏差=1.7），MMSE平均得分为29.2(标准偏差=0.9，范围27-30），从NCGG数据集进行分析。在老年人中，有6名表现较差的老年人（4名女性，1名左撇子，平均年龄=67.2岁，标准偏差=2.5），MMSE平均得分为28.7(标准偏差=1.4，范围27-30）和11名老年高绩效者（6名女性，0名左撇子，平均年龄=65.5，标准偏差=3.8），平均MMSE评分为28.8(标准偏差=0.9，范围28–30）。与高绩效老年人相比，这些低绩效老年人在年龄上没有显著差异，t吨(15) = 0.92,对> 0.05; 老年低绩效者和老年高绩效者的MMSE得分没有显著差异，t吨(15) = 0.28,对> 0.05.
根据《赫尔辛基宣言》，所有参与者都获得了日本NCGG道德委员会和新加坡南洋理工大学批准的书面知情同意书。

2.2. 任务

从刺激新颖性和关系处理的角度对情节编码的研究改编自Binder等人的协议[11]. 这些人使用了一项室内/室外场景识别任务，对新颖性和关系处理敏感。在这个室内/室外场景辨别任务中有三个条件，即新颖图片条件（N）、重复图片条件（R）和混乱图片条件（S）。对于“新颖图片”和“重复图片”两种情况，参与者被要求区分每一张非填塞图片是室内场景还是室外场景。在加扰图片条件下，参与者被要求区分每个加扰图片的左右半部分是否相同。
使用彩色数字室内/室外场景（不包含文字或人物），重新调整为600×600像素，用扫描仪对22.5°的水平和垂直视角，在新颖图片和重复图片条件下进行刺激呈现。在“新图片”条件下，共有40幅独特的图片（20幅室内场景和20幅室外场景）呈现给每个参与者，参与者必须区分图片是用食指按钮的室内场景还是用中指按钮的室外场景。在重复图片条件下，参与者被反复呈现两张独特的图片（一张室内和一张室外场景），总共20次。他们按下了上面指定给食指或中指的按钮，以区分室内/室外场景。
对于“混乱图片”条件，室内/室外场景的图片被分成两半，由一条红线定义，将每张图片分成两个相等的半场。室内/室外场景的图片通过重新排列20像素的正方形片段被拼接成像素马赛克。将这些打乱的室内/室外场景的600×300像素半部分进行复制，以生成具有相同半部分的打乱图片，或将其与室内/室外相同图片的另一重定时相结合，以生成带有不同半部分的搅乱图片。共有40张独特的打乱图片（20张打乱图片具有相同的一半，20张打搅图片具有不同的一半）被呈现给每个参与者，他们必须区分打乱图片的两部分是通过食指按下按钮来实现的，还是通过中指来实现的。
室内/室外场景辨别任务的刺激呈现被条件阻止，顺序为：新颖图片，重复图片，然后是杂乱图片条件。每个区块包括八个试验。在每次试验中，在黑色背景下刺激2500 ms，然后是500 ms的刺激间隔。参与者每次跑步总共要完成五个周期，持续240秒（参见图1). 扫描前进行了实践测试，以使参与者熟悉任务。在扫描期间，测量了所有三种条件下室内/室外场景辨别任务的行为表现，包括准确率（ACC）和反应时间（RT）。
对CBL数据集中的参与者进行扫描后识别测试，测量参与者在非拥挤和混乱场景中的ACC（参与者仍在扫描仪中）。该扫描后识别测试包括非拥挤图片和混乱图片条件。对于非塞满图片的情况，15个旧的（之前扫描时显示）和15个新的（之前在扫描时未显示）非塞满的场景被呈现给每个参与者，他们必须通过按键来识别他们之前是否在扫描过程中看到过非塞满图像。对于“加扰图片”情况，通过按钮按下，将15个旧的（之前在扫描时显示）和15个新的（之前扫描时未显示）加扰场景呈现给每个参与者，这些参与者必须识别他们之前是否在扫描过程中见过加扰图片。这项扫描后识别测试将作为一项操作检查，以确定刺激新颖性（新颖性编码）和场景的关系处理（关系编码）之前是由室内/室外场景辨别任务引发的。
如Binder等人所述[11]新图片减去重复图片（N>R）对比度的减法分析将类似于场景的新奇处理，而新图片减去加扰图片（N>S）对比度将强调场景的关系处理。新颖性和关系处理本质上都是偶然的，因为参与者没有被明确指示记住任何刺激；CBL数据集的参与者也没有被告知扫描后识别测试。

2.3. 图像采集和预处理

在两个中心使用3.0特斯拉MRI扫描仪（MAGNETOM Trio，Siemens，Erlangen，Germany）进行结构和功能扫描，参与者接受室内/室外场景辨别任务。MRI的VisuaTimDigital（美国加州共振技术公司）用于呈现刺激。
功能成像采集遵循两个数据集的梯度回波序列：CBL（TE，30 ms；TR，3000 ms；FOV，192 mm；矩阵，64×64；层厚，3 mm；轴向层，39；层间间隙0.75 mm）；NCGG（TE，24 ms；TR，2000 ms；FOV，192 mm；矩阵，64×64；层厚，3 mm；轴向层，39；层间间隙0.75 mm）。对于CBL和NCGG数据集，每个参与者每次扫描分别获得120和180个连续图像体积。参与者的T1加权解剖参考图像用于定位目的，在不同位置获取功能图像，并通过提交信噪比（SFNRs）控制扫描间变异性[20]在小组级成像分析中，从每个参与者中提取协变量[21].
使用统计参数映射进行预处理和功能激活分析[22]SPM8（伦敦大学学院神经病学研究所Wellcome神经成像信托中心FIL方法小组），使用MATLAB 7.9（The MathWorks，Natick，MA，USA）。对于每个参与者，使用T1加权图像作为图像模板，对T1加权解剖图像和功能图像进行重新定向，使前后连合位于同一平面上。
每个参与者的功能图像的预处理遵循DARTEL（即，使用指数李代数的差分解剖配准）流水线[23]，包括重新排列、切片定时校正和结构到功能的配准。DARTEL用于改进受试者之间的结构-功能联合注册[24]. 使用DARTEL创建的组模板和个体参与者的流场图像，将每个参与者的T1加权解剖图像、功能图像和灰质概率图归一化为蒙特利尔神经研究所空间（MNI；蒙特利尔，QC）。
DARTEL生成的灰质概率图使我们能够控制任何与年龄相关的结构性萎缩[25]在功能激活分析中作为协变量提交。在功能连接分析中，将颅内脑体积作为协变量提交，以控制与年龄相关的结构差异。
功能图像随后用8 mm全宽的高斯核在半最大值（FWHM）下进行平滑处理。为了防止平滑导致的SFNR衰减，每个参与者的未平滑功能图像的单独副本被保存用于SFNR提取。

2.4. 统计测试设计

2.4.1. 行为数据

对于行为分析，对参与者的ACC和RT进行了2（年龄：老年人，年轻人）×3（条件：新颖图片，重复图片，杂乱图片）混合设计方差分析（ANOVA）对参与者的ACC和RT进行×3（条件：新图片、重复图片、加扰图片）方差分析。对于CBL数据集，对扫描后的ACC进行2（年龄：老年人、年轻人）×2（条件：非加扰图片、加乱图片）混合设计方差分析。这起到了操纵检查的作用，以确保在新颖性和关系处理方面附带的编码确实被触发。必要时使用温室-盖瑟修正。
当发现显著的相互作用或主要影响时，进行事后多对比较，并进行Bonferroni校正对< 0.05. 随着年龄对ACC的显著影响被发现，参与者各自情况下的ACC被作为协变量输入到组水平的成像分析中。

2.4.2. 成像数据

功能激活分析。对于功能激活分析，使用SPM8分别对N>R和N>S对比进行一般线性模型分析，以生成主题级脑激活图，分别用于场景的新颖性和关系处理。随后提交主题级脑激活图进行群体级随机效应分析，同时在生物参数映射（BPM）中控制灰质概率、SFNR和ACC[26]. 集群级激活的显著水平设置为对< 0.05 (财务总监-已更正），具有群集大小k个≥20个体素。
功能连通性分析。使用功能连接工具箱（CONN）进行ROI-ROI功能连接分析[27,28]. 由于NCGG（TR=2000 ms）和CBL（TR=3000 ms）数据集所用的扫描参数不同，我们无法在CONN中合并这两个数据集。因此，我们选择了用于CONN的NCGG数据集进行功能连接分析，因为与CBL数据集相比，NCGG数据集允许将老年人分为低绩效和高绩效的比例较小。在设置阶段，将个体受试者的颅内脑容量和ACC作为ROI到ROI功能连接分析的二级协变量提交，将左右IFG、海马体和海马旁作为先验ROI。接下来，在去噪阶段，应用0.0085至0.16 Hz的带通滤波器。然后在第一级分析阶段生成受试者级大脑激活结果，将左右IFG、海马体和副海马体作为优先ROI。随后，在控制颅内脑容量和ACC的同时，将受试者级大脑激活结果提交给组级ROI-ROI功能连接分析。生成了以左、右IFG、海马和副海马为中心的组级ROI-ROI功能连通性，分别在场景的新颖性和关系处理方面进行了N>R和N>S对比对< 0.05 (财务总监-已更正）。
感兴趣的地区。使用MARINA软件制作左右IFG、海马体和副海马体面具[29]之后，使用SPM工具箱MarsBaR校正了掩模的左右反转[30]. 这些左右IFG、海马体和副海马体口罩将作为ROI到ROI功能连接分析中的ROI，用于场景的新颖性和关系处理。

3.结果

3.1. 行为数据

A2（年龄：老年人，年轻人）×3（条件：新颖图片、重复图片、混乱图片）对ACC的方差分析显示出显著的年龄×条件交互作用，F类(2, 79) = 8.04,对< 0.05,η2=0.09，条件的主要影响显著，F类(2, 79) = 47.66,对< 0.05,η2= 0.38. 事后分析表明，老年人在乱画情况下的平均表现明显不如年轻人（90.69%对94.50%），对< 0.05. 平均而言，对于老年人（分别为90.39%对97.09%、90.39%和98.09%）和年轻人（分别是94.50%对97.02%、94.50%和97.92%），乱图条件的表现明显不如新图或重画条件，对<0.05（参见图2a） ●●●●。其他两两比较未显示ACC的显著差异。
RT的2×3方差分析显示年龄×条件交互作用显著，F类(2, 79) = 14.50,对< 0.05,η2=0.89，年龄和条件的主要影响显著，F类(1, 79) = 19.87,对< 0.05,η2=0.20和F类(2, 79) = 644.76,对< 0.05,η2分别=0.89。事后分析表明，老年人在新图片条件（894.35 ms vs.778.60 ms）、重复图片条件（701.82 ms vs.651.67 ms）和杂乱图片条件（1360.81 ms vs.1135.64 ms）下的平均表现明显低于年轻人，对< 0.05. 对于老年人和年轻人来说，平均而言，杂乱图片条件的表现最慢，其次是小说图片条件，然后是重复图片条件，对<0.05（参见图2b） ●●●●。
在将老年人分为高绩效和低绩效时，ACC的3（绩效：老年低绩效者、老年高绩效者、年轻绩效者）×3（条件：新图片、重复图片、乱画）方差分析显示出显著的绩效×条件交互效应，F类(3, 79) = 9.92,对< 0.05,η2=0.20，以及性能和条件的重要主要影响，F类(2, 79) = 17.18,对< 0.05,η2=0.31和F类(2, 79) = 65.29,对< 0.05,η2分别=0.46。事后分析表明，在重复图片条件下（分别为94.44%和99.38%，94.44%与97.81%），以及在乱图条件下（81.05%和93.72%，81.05%与94.32%），低表现者的平均表现明显低于高表现者和年轻表现者，对<0.05（参见图3a） ●●●●。在这三种情况下，年长的高绩效员工和年轻员工的绩效没有显著差异，对> 0.05.
RT上类似的3×3方差分析显示了显著的性能×条件交互效应，F类(3, 79) = 7.18,对< 0.05,η2=0.16，以及性能和条件的重要主要影响，F类(2, 79) = 10.62,对< 0.001,η2=0.21和F类(2, 79) = 465.01,对< 0.05,η2分别为0.86。事后分析表明，在新图片条件下（分别为942.31毫秒对778.60毫秒，876.37毫秒对778.50毫秒）和乱画条件下（依次为1400.59毫秒对1135.64毫秒，1345.89毫秒对1145.64毫秒），表现较差的老年人和表现较好的老年人的平均表现明显慢于年轻人，对<0.05（参见图3b） ●●●●。在其他成对比较中，没有发现RT的显著差异。
在CBL数据集的扫描后ACC上进行的A 2（年龄：老年人，年轻人）×2（条件：非拥挤图片，混乱图片）混合设计方差分析显示，年龄×条件交互效应显著，F类(1, 37) = 4.47,对< 0.05,η2=0.11，年龄和条件的主要影响显著，F类(1, 37) = 6.11,对< 0.05,η2=0.14和F类(1, 37) = 140.69,对< 0.05,η2分别=0.79。事后分析表明，老年人在无填塞图片的ACC扫描后平均表现比年轻人差（72.38%对80.65%），对<0.05，但不适用于加扰图片条件，对> 0.05. 平均而言，对于老年人（72.38%vs.56.00%）和年轻人（80.65%vs.57.17%）来说，乱画条件的表现比无乱画条件差，对<0.05（参见图4). 很明显，年龄×ACC交互主要是由非拥挤图片的简单效果控制，而不是由老年人和年轻人之间的混乱图片控制，这表明任务对根据场景编码而非几何模式编码分离两个年龄组的敏感性。
由于发现ACC具有显著的年龄效应，因此在对场景进行新颖性处理的群体级成像分析期间，所有条件下测得的ACC均作为非成像协变量提交。

3.2. 功能激活分析

场景的新颖处理。超阈值集群级激活的结果对< 0.05 (财务总监-已更正）k个表示场景新奇处理的N>R对比度≥20，如所示表1在组水平分析中，参与者在新图片和重复图片条件下的灰质概率、SFNR值和ACC被控制为协变量。与老年人场景新奇处理相关的显著集群级激活(n个=33）分别位于右侧额上回、中央前回和中央后回、左侧颞上回、颞中回和梭形回、双侧海马旁回和右侧小脑扁桃体（参见图5a） ●●●●。在老年人中，只有老年人表现出色(n个=24）在右侧额中回、中央前回、中央后回和颞上回、左侧颞中回和梭状回、右侧海马、左侧海马旁回和右侧小脑小叶8/9（参见图5b） ●●●●。没有发现老年低绩效者的显著激活。相比之下，显著的集群级激活与年轻人对场景的新颖性处理有关(n个=48）在右侧额叶中部和梭状回、右侧海马和左侧海马旁回（参见图5c） 。不同年龄组或表演组在场景新奇处理方面的组级比较没有显示出功能激活方面的显著差异。
场景的关系处理。超阈值集群级激活的结果对< 0.05 (财务总监-已更正）k个表示场景新奇处理的N>S对比度≥20，如所示表2参与者的灰质概率、SFNR值和ACC在新图片和乱码图片条件下均被控制为组级分析的协变量。与老年人场景新奇处理相关的显著集群级激活(n个=33）分别位于左侧额上回、双侧颞上回、左侧颞中回和角回、右侧颞中回、双侧岛叶、左侧扣带回和前扣带回、双侧后扣带回、左侧海马和双侧海马旁回（参见图6a） ●●●●。在老年人中，只有年长的高绩效人才(n个=24）在左侧额叶上回、双侧颞上回、左侧颞中回、右侧颞下回、左侧角回和枕上回、双侧岛叶、左侧扣带回、双侧前后扣带回和双侧海马旁回（参见图6b） ●●●●。没有发现老年低绩效者的显著激活。相反，年轻人与场景的关系处理相关的显著集群级激活(n个在右侧额下回、左侧颞中回、扣带回后回和海马旁回、双侧小脑Crus II、右侧小脑CrusI和右侧小脑小叶9（参见图6c） 。布罗德曼地区文学学士。
在场景的关系处理中，还发现了与年龄相关的功能激活差异。年轻人与老年人(n个=81）显示双侧额上回和额中回、左侧额下回、双侧额内侧回、左侧中央前回、右侧顶叶下叶、双侧楔前回、右颞上回、双侧颞中回、楔叶和舌回的激活显著增强，左扣带回、右前扣带回、左后扣带回、双侧海马旁回、左梭状回、右小脑Crus I、右小叶7b、左小脑Cros II、右小叶CrusI/8/9（见图6d） ●●●●。特别是，与表现较差的老年人相比(n个=57），年轻的表演者在双侧海马旁回表现出更大的激活（参见图6e） ●●●●。布罗德曼地区文学学士。

3.3. 功能连通性分析

场景的新颖处理。ROI-ROI功能连接性分析是使用一个先验ROI，即左右IFG、海马和副海马，在对< 0.05 (财务总监-更正），用于表示场景新奇处理的N>R对比度。在组水平分析中，参与者在新图片和重复图片条件下的颅内脑容量和ACC作为协变量进行控制。然而，在这些ROI中没有发现显著的功能连通性。
场景的关系处理。ROI-ROI功能连接性分析是使用先验ROI进行的，即左右IFG、海马和海马旁对< 0.05 (财务总监-校正）表示场景的关系处理的N>S对比度。结果如所示表3在组水平分析中，参与者在新图片和杂乱图片条件下的颅内脑容量和ACC作为协变量进行控制。对于表现较差的老年人，发现左侧海马旁显著正向-右侧海马旁功能连接(n个=6）（参见图7a） ●●●●。相比之下，年轻的表演者(n个=25）显示左侧海马体-右侧海马体功能连接显著阳性（见图7b） ●●●●。在小组比较中，发现年轻和年长的低绩效者在场景的关系处理方面存在边际意义。尤其是，年轻人表现出的左IFG–右海马和左IFG-右海马旁的负性功能连通性要比年长的低表现者更强（参见图7c） 。值得注意的是，在表现不佳的老年人中发现了与年龄相关的功能连接增加，而不是减少，这是PASA模型预测的模式。

4.讨论

我们预测，PASA模型可以扩展到海马结构与额叶区域，特别是额叶下回（IFG）之间的关系。本研究的结果部分支持了我们的预测：在关系加工中，IFG（即自上而下的调制）和海马/副海马结构（即自下而上的加工）之间的激活和功能连接的年龄相关变化被确定为与老年人的表现相关（参见表2和表3). 细节将在下文讨论。

4.1. IFG与海马/副海马之间的扩展PASA模型

在关系任务中，与年轻人相比，表现不佳的老年人表现出较少的海马旁激活，但海马/海马旁和IFG之间的功能连接更多。在比较表现优异的老年人和年轻人时，没有发现这些差异。我们的结论是，在表现不佳的老年人中发现的海马旁调制与PASA模型的后部相一致，即衰老大脑中激活的减少。我们还推测，表现不佳的老年人海马旁的这种改变可能与代偿有关，因为前额叶-海马功能的正向连接通常与更好的记忆表现有关[31]. 然而，它似乎并没有为薪酬观点提供令人信服的支持。我们稍后将再次讨论这个问题。
过去的一些文献表明，在场景的新颖性和关联性处理过程中，老年人和年轻人的IFG、海马体和副海马体都被激活[11,13,14,32]. 我们的结果与这些发现一致。此外，在我们的研究结果中，高表现老年人的海马旁激活完整，而低表现老年人的海马旁激活缺失，验证了海马旁辅助编码过程的观点[13,33]以及关联处理[34]共个场景。

4.2. PASA模型的正面方面没有复制

在当前的研究中，我们没有观察到老年人与年轻人相比IFG的激活增加，尽管预测前脑中与衰老相关的增加是PASA效应的一部分。即使将老年人分为高绩效和低绩效亚组，也没有发现与年龄相关的预测增长。因此，我们的结果与之前的研究结果不符[12,13,14,35].
我们观察到，年轻人而非老年人在关系处理任务中表现出IFG的显著激活。IFG是PFC中的一个领域，在这项任务中，IFG的作用是以自上而下的方式维护编码信息[36]. 在我们的研究中观察到的IFG激活可能表明年轻人比老年人能更好地保持编码信息。这与PFC和MTL之间的功能连接是成功进行内存编码所必需的这一事实一致[36,37,38,39]. 没有观察到老年人IFG的预期激活增加，一个可能的解释是编码过程的任务设计没有按预期工作。此解释的细节将在限制部分中讨论。另一种可能性是，PASA模型的前面部分不如PASA模型后面部分稳健。

4.3. 薪酬与去分化

虽然在解释PASA模型的功能性作用时，目前业界的共识倾向于补偿观点[9]另一种观点是，与年龄相关的大脑激活增加是由于功能特异性的丧失。这个概念被称为去分化，这在概念上是发育期间发生的功能分化的逆转过程[40]. 根据这一观点，PASA模型是功能退化的代表，不一定具有补偿作用。当前研究的结果无法提供直接证据支持这两种观点，因为高绩效和低绩效老年人之间的群体差异没有显示出显著差异。在表现不佳的老年人中发现的前额叶-海马体功能连接的增加可能被解释为补偿的痕迹，因为它通常与更好的记忆表现有关[31]但从行为结果来看，它不再有帮助。总之，目前的研究没有得出令人信服的证据来支持补偿观点或差异化观点。

4.4. 小脑参与

我们观察到小脑在新奇和关系处理中都有激活。这与过去研究显示小脑参与情节编码一致[41,42,43,44]. 我们只在老年人中发现右侧小脑下部活动，而在年轻人中则没有发现。相反，在年轻人中观察到双侧上小脑和右下小脑在关系处理方面有更大的激活。有人认为，右上小脑与关系加工语义信息的编码成功有关，而双侧上小脑则与字母的非语义信息有关[43]. 特别是，右Crus 1被发现与情景记忆的提取有关[41]. 我们的发现为小脑参与情景记忆提供了进一步的证据。

4.5. 关于分析方法的其他思考

我们在本研究中证明，功能磁共振成像期间的任务表现可以充分区分老年人的低绩效和高绩效。按照惯例，这种分离需要单独的标准化认知测试。我们的方法确保了我们检查与任务直接相关的实际差异，而不依赖于这样的假设，即在认知测试中得分较高的人在fMRI任务中应该表现得更好。当前的方法为过去研究的实验者提供了一个机会，根据参与者的功能磁共振成像任务表现进一步检查他们的发现。

4.6. 局限性和未来方向

在扫描后识别测试中，CBL数据集中的老年人在识别非拥挤的新场景方面表现出更大的困难。这表明，当在MRI扫描仪内识别室内/室外场景时，他们在新奇感相关的处理过程中参与度较低。缺乏预期结果可能与任务期间参与度低有关。当我们解释当前研究的结果时，应该记住这一局限性。
在将他们分为两个亚组时，我们没有控制表现不佳和表现良好的老年人的数量。因此，我们的高绩效员工多于低绩效员工，这可能降低了检测团队差异的统计能力。此外，该分组本质上受年龄的影响[45]. 在这项研究中，表现不佳的老年人比表现良好的老年人年龄更大。然而，在MMSE得分方面，低绩效和高绩效老年人之间没有发现显著差异，这证明两个绩效组都在正常认知极限范围内。因此，在我们的分析中，年龄和MMSE评分均未作为协变量提交。
我们没有将海马体划分为前后区。Ta等人的研究[11,14]海马内显示出功能专门化，前海马负责场景的关系处理，后海马作为场景新奇处理的神经关联。研究还表明，老年人易患结构性萎缩和活化，而前海马更容易发生与年龄相关的变化[14]. 目前尚不清楚前-后海马差异如何与当前结果相互作用。
最后，对于未来的研究，有必要检查PASA模型和功能激活和连接中年龄相关变化的补偿观点是否支持编码其他类型的刺激，例如单词、面孔或抽象模式。

5.结论

本研究为场景编码的PASA模型提供了部分支持。在关系加工中，IFG（即自上而下的调制）和海马/副海马结构（即自下而上的加工）之间的激活和功能连接的年龄相关变化被认为与老年人的表现相关。然而，未观察到老年人IFG的预期激活增加。因此，PASA模型的后部得到了支持，但其前部并没有直接受到BOLD信号增加的支持，而是由海马旁核-IFG功能连接的增加来指示。目前的研究没有为PASA模型的补偿性观点提供直接支持。

作者贡献

M.M.开发了任务刺激，在NCGG收集了数据，并撰写了修订稿。J.A.A.就数据分析和草案的初步编写提供了建议。C.-Y.W.为数据分析提供建议，并在CBL进行数据收集。T.N.监督NCGG的研究，并参与审查手稿。S.-H.A.C.对整个研究进行了概念化、监督，并参与了手稿草稿的审查和编辑。所有作者都已阅读并同意手稿的出版版本。

基金

本研究得到了教育部、MOE2019-T2-1-019（S）、新加坡和日本科学促进会（JSPS）在科学研究资助下的支持[KAKENHI#15H03104和19H04025]。

机构审查委员会声明

该研究是根据《赫尔辛基宣言》进行的，并得到了日本国立老年医学和老年学中心以及新加坡南洋理工大学伦理委员会的批准。

知情同意书

所有参与研究的受试者均获得知情同意。

数据可用性声明

数据可根据作者的要求提供。

致谢

我们要感谢Dayton Leow为数据分析和手稿初稿的撰写所做的贡献，这是他最后一年项目的一部分，并感谢南洋理工大学在校园本科生研究经验（URECA）项目下提供的支持。

利益冲突

作者声明，该研究是在没有任何可能被解释为潜在利益冲突的商业或金融关系的情况下进行的。

工具书类

  1. 卡贝扎，R。；格雷迪，C.L。；Nyberg，L.公司。；阿联酋麦金托什。；Tuving，E。；卡普尔，S。；詹宁斯，J.M。；Houle，S。；Craik，F.I.记忆编码和提取过程中神经活动的年龄相关差异：正电子发射断层扫描研究。神经科学杂志。 1997,17, 391–400. [谷歌学者] [交叉参考] [公共医学]
  2. D.J.马登。；Turkington，T.G。；Provenzale，J.M。；丹尼，L.L。；霍克，T.C。；L.R.戈特洛布。；Coleman，R.E.言语识别记忆功能神经解剖学中的成人年龄差异。嗯。大脑映射。 1999,7, 115–135. [谷歌学者] [交叉参考]
  3. 卡贝扎，R。；安德森，N.D。；洛坎托尔，J.K。；McIntosh，A.R.优雅衰老：高绩效老年人的代偿性脑活动。神经成像 2002,17, 1394–1402. [谷歌学者] [交叉参考] [公共医学]
  4. Manenti，R。；Cotelli，M。；Miniussi，C.成功的生理衰老和情景记忆：一项大脑刺激研究。行为。大脑研究。 2011,216, 153–158. [谷歌学者] [交叉参考] [公共医学]
  5. Daselaar，S.M.公司。；弗莱克，M.S。；多宾斯，I.G。；D.J.马登。；Cabeza，R.健康衰老对海马和鼻腔记忆功能的影响：一项与事件相关的fMRI研究。塞雷布。Cortex公司 2006,16, 1771–1782. [谷歌学者] [交叉参考]
  6. 格雷迪，C.L。；Maisog，J.M。；霍维茨，B。；Ungerleider，L.G。；曼蒂斯，M.J。；萨勒诺，J.A。；Pietrini，P。；瓦格纳，E。；Haxby，J.V.。面部和位置视觉处理期间皮质血流激活的年龄相关变化。神经科学杂志。 1994,14, 1450–1462. [谷歌学者] [交叉参考]
  7. 戴维斯，S.W。；丹尼斯，N.A。；Daselaar，S.M.公司。；弗莱克，M.S。；卡贝扎，R.Que PASA？衰老过程中的前后移位。塞雷布。Cortex公司 2008,18, 1201–1209. [谷歌学者] [交叉参考]
  8. 萨拉·隆奇，R。；Junqué，C。；Arenaza-Urquijo，E.M。；维达尔·皮涅罗，D。；Valls-Pedret，C.公司。；Palacios，E.M。；Domènech，S。；Salvá，A。；北卡罗来纳州巴加洛。；Barterés-Faz，D.衰老过程中全脑功能网络和记忆性能的变化。神经生物学。老化 2014,35, 2193–2202. [谷歌学者] [交叉参考]
  9. Myrum，C.PASA通过了吗重新思考认知老化的代偿机制。神经科学杂志。 2019,39, 786–787. [谷歌学者] [交叉参考]
  10. 菲利普斯，L.H。；Andrés，P.《老化的认知神经科学：补偿和连接性的新发现》。Cortex公司 2010,46, 421–424. [谷歌学者] [交叉参考]
  11. 粘合剂，J.R。；贝尔戈万，P.S.F。；哈姆梅克，T.A。；Possing，E.T。；Frost，J.A.两种激发海马激活的FMRI方案的比较。癫痫 2005,46, 1061–1070. [谷歌学者] [交叉参考] [公共医学]
  12. 布鲁尔，J.B。；赵，Z。；德斯蒙德，J.E。；手套，G.H。；Gabrieli，J.D.制造记忆：预测视觉体验记忆程度的大脑活动。科学类 1998,281, 1185–1187. [谷歌学者] [交叉参考]
  13. A.H.古提斯。；R.C.威尔士。；Hedden，T。；Bangert，A。；米纳尔，M。；Liu，L.L。；Park，D.C.衰老与成功的图像编码的神经相关性：额叶激活弥补了中期活动的减少。J.认知。神经科学。 2005,17, 84–96. [谷歌学者] [交叉参考] [公共医学]
  14. Ta，A.T。；黄，S.-E。；Chiu，M.-J。；华美生。；曾文义（Tseng，W.-Y.I.）。；Chen，S.-HAA。；Qiu，A.海马纵轴上与年龄相关的脆弱性。嗯。大脑映射。 2012,33, 2415–2427. [谷歌学者] [交叉参考] [公共医学]
  15. 宫崎骏，M。；Chen，S.-HAA。；Matsuo，K。；吴，C.-Y。；铃木，A。；Nakai，T.广泛的刺激重复导致老年人表现出延迟的功能性磁共振成像适应。大脑成像行为。 2012,6, 357–365. [谷歌学者] [交叉参考] [公共医学]
  16. Raz，N。；冈宁·迪克森，F.M。；头部，D。；杜普伊斯，J.H。；Acker，J.D.认知老化的神经解剖学相关性：来自结构磁共振成像的证据。神经心理学 1998,12, 95–114. [谷歌学者] [交叉参考]
  17. Echávarri，C。；阿尔滕，P。；Uylings，H.B.M.公司。；H.I.L.雅各布斯。；维瑟，P.J。；Gronenschild，E.H.B.M。；F.R.J.Verhey。；Burgmans，S.海马旁回萎缩是阿尔茨海默病的早期生物标志物。大脑结构。功能。 2011,215, 265–271. [谷歌学者] [交叉参考] [公共医学]
  18. Folstein，M.F。；Folstein，S.E.公司。；McHugh，P.R.Mini-metal状态”。为临床医生分级患者认知状态的实用方法。《精神病学杂志》。物件。 1975,12, 189–198. [谷歌学者] [交叉参考]
  19. Oldfield，R.C.《惯用手的评估与分析：爱丁堡清单》。神经心理学 1971,9, 97–113. [谷歌学者] [交叉参考]
  20. 弗里德曼，L。；手套，G.H。；Fbirn财团。在一项多中心fMRI研究中降低激活的扫描者间变异性：控制信号与波动噪声比（SFNR）的差异。神经成像 2006,33, 471–481. [谷歌学者] [交叉参考]
  21. Giannelli，M。；Diciotti，S。；Tessa，C。；Mascalchi，M.回波间隔和读出带宽对两个1.5T MR扫描仪系统上实现的EPI-fMRI采集序列基本性能的影响。医学物理。 2010,37, 303–310. [谷歌学者] [交叉参考] [公共医学]
  22. K.J.弗里斯顿。；A.P.霍姆斯。；沃斯利，K.J。；Poline，J.P。；弗里斯，C.D。；Frackowiak，R.S.J.《功能成像中的统计参数图：一般线性方法》。嗯。大脑映射。 1994,2, 189–210. [谷歌学者] [交叉参考]
  23. Ashburner，J.一种快速差分图像配准算法。神经成像 2007,38, 95–113. [谷歌学者] [交叉参考] [公共医学]
  24. Bergouignan，L。；Chupin，M。；Czechowska，Y。；Kinkingéhun，S。；Lemogne，C。；Le Bastard，G。；Lepage，M。；加内罗，L。；科利奥特，O。；Fossati，P.基于体素的形态计量学、手动分割和自动分割能否同样检测急性抑郁症患者海马体积的差异？神经成像 2009,45, 29–37. [谷歌学者] [交叉参考]
  25. Peelle，J.E。；库萨克，R。；Henson，R.N.A.基于体素的形态计量学全球效应调整：正常衰老时灰质下降。神经成像 2012,60, 1503–1516. [谷歌学者] [交叉参考]
  26. 卡萨诺娃，R。；Srikanth，R。；贝尔，A。；Laurienti，P.J。；Burdette，J.H。；南部早坂。；花，L。；木材，F。；Maldjian，J.A.生物参数映射：多模态脑图像分析的统计工具箱。神经成像 2007,34, 137–143. [谷歌学者] [交叉参考]
  27. Chai，X.J。；卡斯塔尼翁，A.n。；Ongür，D。；Whitfield-Gabrieli，S.无全局信号回归的静息状态网络中的反相关性。神经成像 2012,59, 1420–1428. [谷歌学者] [交叉参考]
  28. Whitfield-Gabrieli，S。；Nieto-Castanon，A.Conn：关联和反关联大脑网络的功能连接工具箱。大脑连接。 2012,2, 125–141. [谷歌学者] [交叉参考]
  29. 沃尔特，B。；布雷克，C。；Kirsch，P。；Sammer，G。；Schienle，A。；Stark，R.MARINA：一个易于使用的工具，用于创建感兴趣区域分析的MAsk。2003年。在线提供：https://www.researchgate.net/publication/286632632_MARINA_An_easy_to_use_tool_for_the_creation_of_MAsks_for_Region_of_INterest_Analyses网站（2023年3月3日访问）。
  30. 布雷特，M。；安东·J.L。；瓦拉布拉格，R。；Poline，J.B.《使用SPM工具箱进行利益区域分析》。在第八届人类大脑功能定位国际会议论文集上。，2002年6月2日至6日，日本仙台；第16卷。[谷歌学者] [交叉参考]
  31. 格雷迪，C.L。；阿联酋麦金托什。；Craik，F.I.M.记忆编码过程中海马体功能连接的年龄相关差异。海马 2003,13, 572–586. [谷歌学者] [交叉参考]
  32. Tang，L。；普鲁特，P.J。；余，Q。；Homayouni，R。；Daughty，A.M。；Damoiseaux，J.S。；Ofen，N.海马前部和后部的差异功能连接支持记忆形成的发展。前面。嗯，神经科学。 2020,14, 204. [谷歌学者] [交叉参考]
  33. Chai，X.J.（柴，X.J.）。；Ofen，N。；雅各布斯，L.F。；Gabrieli，J.D.E.场景复杂性：对内侧颞叶感知、记忆和发育的影响。前面。嗯，神经科学。 2010,4, 21. [谷歌学者] [交叉参考] [公共医学]
  34. Bar，M.《前瞻性大脑：使用类比和关联来生成预测》。趋势认知。科学。规则。预计起飞时间。 2007,11, 280–289. [谷歌学者] [交叉参考] [公共医学]
  35. Leshikar，E.D。；A.H.古提斯。；公元前希伯兰克。；萨顿，B.P。；关系编码需求增加对老年人额叶和海马功能的影响。Cortex公司 2010,46, 507–521. [谷歌学者] [交叉参考] [公共医学]
  36. 西蒙斯，J.S。；库斯塔尔，W。；普林斯。；瓦格纳，公元。；Schacter，D.L.《视觉对象启动的神经机制：梭形皮层知觉和语义差异的证据》。神经成像 2003,19, 613–626. [谷歌学者] [交叉参考] [公共医学]
  37. Kirchhoff，文学学士。；瓦格纳，公元。；Maril，A。；Stern，C.E.用于情景编码和后续记忆的额前时间电路。神经科学杂志。 2000,20, 6173–6180. [谷歌学者] [交叉参考]
  38. 沙克特，D.L。；Wagner，A.D.在fMRI和PET研究中对情节编码和检索的内侧颞叶激活。海马 1999,9, 7–24. [谷歌学者] [交叉参考]
  39. 巴克纳，R.L。；W.M.凯利。；Petersen，S.E.额叶皮层有助于人类记忆的形成。自然神经科学。 1999,2, 311–314. [谷歌学者] [交叉参考]
  40. 加勒特，H.E.智力发展理论。美国心理医生。 1946,1, 372–378. [谷歌学者] [交叉参考]
  41. 亚的斯亚贝巴特区。；Moloney，E.E.J。；蒂皮特，L.J。；P Roberts，R。；Hach，S.自传体记忆提取期间小脑活动的特征：ALE和功能连接研究。神经心理学 2016,90, 80–93. [谷歌学者] [交叉参考]
  42. 北卡罗来纳州安德烈森。；D.S.奥利里。；Paradiso，S。；Cizadlo，T。；阿恩特，S。；沃特金斯，G.L。；Ponto，L.L.B。；Hichwa，R.D.小脑在有意识的情节记忆提取中发挥作用。嗯。大脑映射。 1999,8, 226–234. [谷歌学者] [交叉参考]
  43. Fliessbach，K。；特劳特纳，P。；克萨达，C.M。；埃尔格，C.E。；fMRI显示小脑对情节记忆编码的贡献。神经成像 2007,35, 1330–1337. [谷歌学者] [交叉参考] [公共医学]
  44. 加蒂，D。；Vecchi，T。；小脑与语义记忆：一项使用DRM范式的TMS研究。Cortex公司 2021,135, 78–91. [谷歌学者] [交叉参考] [公共医学]
  45. 休斯，M.L。；Agrigoroaei，S。；Jeon，M。；布鲁泽，M。；Lachman，M.E.《从中年到老年的认知表现变化：美国中年（MIDUS）研究的发现》。国际神经心理学杂志。Soc公司。 2018,24, 805–820. [谷歌学者] [交叉参考] [公共医学]
传感器23 04107 g001 550
图1。按照以下顺序，向每位参与者演示刺激物时被条件阻止(一)新颖图片条件(b条)重复图片条件，以及(c（c）)扰乱图片条件持续5个周期。(d日)每个街区持续24秒，一次跑步总共花了360秒。
图1。按照以下顺序，向每位参与者演示刺激物时被条件阻止(一)新颖图片条件(b条)重复图片条件，以及(c（c）)5个循环的加扰图片状态。(d日)每个街区持续24秒，一次跑步总共花了360秒。
传感器23 04107 g001
传感器23 04107 g002 550
图2。(一)ACC的年龄×条件混合设计方差分析显示了显著的交互效应和条件的主要影响对< 0.05. (b条)年龄×条件混合设计方差分析显示RT的显著交互效应，年龄和条件的主要影响对< 0.05 *.
图2。(一)ACC的年龄×条件混合设计方差分析显示了显著的交互效应和条件的主要影响对< 0.05. (b条)年龄×条件混合设计方差分析显示RT的显著交互效应，年龄和条件的主要影响对< 0.05 *.
传感器23 04107 g002
传感器23 04107 g003 550
图3。(一)ACC的性能×条件混合设计方差分析显示，在ACC中表现出显著的交互效应，表现和条件的主要影响对< 0.05. (b条)RT的性能×条件混合设计方差分析显示了显著的交互效应，即性能和条件的主要影响对< 0.05 *.
图3。(一)ACC的性能×条件混合设计方差分析显示，在对< 0.05. (b条)RT的性能×条件混合设计方差分析显示了显著的交互效应，即性能和条件的主要影响对< 0.05 *.
传感器23 04107 g003
传感器23 04107 g004 550
图4。扫描后ACC的年龄×条件混合设计方差分析显示显著的交互效应，年龄和条件的主要影响对< 0.05 *.
图4。扫描后ACC的年龄×条件混合设计方差分析显示显著的交互效应，年龄和条件的主要影响对< 0.05 *.
传感器23 04107 g004
传感器23 04107 g005 550
图5。显著的集群级激活，用于场景的新颖性处理（N>R对比度），在对< 0.05 (财务总监-已更正）k个≥20，调整灰质概率、信噪比（SFNR）和准确度（ACC）性能后。在图中，从左侧面板：(一)老年人中的显著激活(n个=33）用于场景的新颖性处理（N>R对比度）；(b条)老年高绩效员工的积极性显著提高(n个=24）用于场景的新颖性处理（N＞R对比度）；(c（c）)年轻人中的显著激活(n个=48）用于场景的新颖性处理（N>R对比度）。
图5。针对场景新奇处理的显著集群级激活（N>R对比度）对< 0.05 (财务总监-已更正）k个≥20，调整灰质概率、信噪比（SFNR）和准确度（ACC）性能后。在图中，从左侧面板：(一)老年人中的显著激活(n个=33）用于场景的新颖性处理（N>R对比度）；(b条)老年高绩效员工的积极性显著提高(n个=24）用于场景的新颖性处理（N>R对比度）；(c（c）)年轻人中的显著激活(n个=48）用于场景的新颖性处理（N>R对比度）。
传感器23 04107 g005
传感器23 04107 g006 550
图6。场景关系处理的显著集群级激活（N>S对比度）对< 0.05 (财务总监-已更正）k个≥20，调整灰质概率、信噪比（SFNR）和准确度（ACC）性能后。在图中，从左上面板：(一)老年人中的显著激活(n个＝33）用于场景的关系处理（N＞S对比度）；(b条)老年高绩效员工的积极性显著提高(n个=24）用于场景的关系处理（N>S对比度）；(c（c）)年轻人中的显著激活(n个=48）用于场景的关系处理（N>S对比度）；(d日)年轻人与老年人的显著激活(n个=81）用于场景的关系处理（N>S对比度）；(e（电子）)年轻人与年长的低绩效者之间的显著激活(n个=57）用于场景的关系处理（N>S对比度）。
图6。场景关系处理的显著集群级激活（N>S对比度）对< 0.05 (财务总监-已更正）k个≥20，在调整了灰质概率、信噪比（SFNR）和精度（ACC）性能后。在图中，从左上面板：(一)老年人中的显著激活(n个=33）用于场景的关系处理（N>S对比度）；(b条)老年高绩效员工的积极性显著提高(n个=24）用于场景的关系处理（N>S对比度）；(c（c）)年轻人中的显著激活(n个=48）用于场景的关系处理（N＞S对比度）；(d日)年轻人与老年人的显著激活(n个=81）用于场景的关系处理（N>S对比度）；(e（电子）)年轻人与年长的低绩效者之间的显著激活(n个=57）用于场景的关系处理（N>S对比度）。
传感器23 04107 g006
传感器23 04107 g007 550
图7。场景关系处理的ROI-ROI功能连通性显著（N>S对比度）对< 0.05 (财务总监-校正），调整颅内脑容量和ACC性能后。N： 小说；S： 混乱。图中描述（左上）(一)老年低绩效者左海马旁-右海马旁功能连接显著正向(n个=6）用于场景的关系处理（N>S对比度）；右上角(b条)年轻表演者的左海马-右海马功能连接显著正向(n个=25）用于场景的关系处理（N>S对比度）；底部(c（c）)年轻和老年低绩效者的左IFG-右海马/副海马功能连接显著为负(n个=31）用于场景的关系处理（N>S对比度）。
图7。显著的ROI到ROI功能连接，用于场景的关系处理（N>S对比度），在对< 0.05 (财务总监-校正），调整颅内脑容量和ACC性能后。N： 小说；S： 混乱。图中描述（左上）(一)老年低绩效者左海马旁-右海马旁功能连接显著正向(n个=6）用于场景的关系处理（N>S对比度）；右上角(b条)年轻表演者的左海马-右海马功能连接显著正向(n个=25）用于场景的关系处理（N>S对比度）；底部(c（c）)年轻人与老年人低表现者的左IFG右海马体/海马旁功能连接显著阴性(n个=31）用于场景的关系处理（N>S对比度）。
传感器23 04107 g007
表
表1。针对场景新奇编码的显著集群级激活（N>R对比度）对< 0.05 (财务总监-已更正）k个≥ 20.
表1。针对场景新奇编码的显著集群级激活（N>R对比度）对< 0.05 (财务总监-已更正）k个≥ 20.
大脑区域半球文学士群集大小峰值激活MNI坐标
对-价值(财务总监-已更正）t吨-价值x个年z（z）
老年人
额上回对637<0.013.4921−675
中央前回对622<0.013.7063三26.25
<0.052.3863615
434<0.053.1645−960
<0.052.6839−2167.5
中央后回对1 <0.052.4154−1856.25
颞上回L（左）2145<0.013.25−54−9−15
22 <0.013.24−63三−11.25
颞中回L（左）21 <0.052.86−606−22.5
梭状回L（左）1913,263<0.00112.51−27−60−7.5
海马旁回L（左）36 <0.00111.74−24−42−7.5
对 <0.00110.5433−33−15
小脑（Cbl）小叶9对 106<0.0014.8321−42−48.75
老年人
额叶中回对623<0.053.28301863.75
<0.052.80332756.25
中央前回对6104<0.013.7860三26.25
4 <0.013.6069−930
6 <0.013.5766915
440<0.053.0545−1260
中央后回对三 <0.053.3036−2471.25
<0.052.5648−2463.75
颞上回对2246<0.0054.02630−11.25
<0.0053.97639−11.25
颞中回L（左）2177<0.013.72−630−15
<0.013.64−54−15−18.75
<0.053.42−606−22.5
梭状回L（左）1912,670<0.00111.61−27−63−7.5
海马对 <0.00110.1233−30−15
海马旁回L（左）36 <0.00110.03−24−42−7.5
Cbl小叶9对 48<0.0053.9421−42−48.75
Cbl小叶8 <0.052.7833−48−52.5
Cbl大声9 <0.052.6115−54−45
年轻人
额叶中回对4638<0.0053.32514215
梭状回对3723,638<0.00116.3833−45−15
海马对 <0.00115.7936−36−11.25
海马旁回L（左）36 <0.00118.01−30−42−7.5
表
表2。场景关系编码的显著集群级激活（N>S对比度）对< 0.05 (财务总监-已更正）k个≥ 20.
表2。场景关系编码的显著集群级激活（N>S对比度）对< 0.05 (财务总监-已更正）k个≥ 20.
大脑区域半球文学士群集大小峰值激活MNI坐标
对-价值(财务总监-已更正）t吨-价值x个年z（z）
老年人
额上回L（左）9563<0.0015.66−126011.25
颞上回对39199<0.0017.1057−5722.5
L（左）38226<0.0017.10−54−3−11.25
<0.0054.71−459−30
对2286<0.0054.2660三−11.25
颞中回L（左）39302<0.0019.06−42−7233.75
21226<0.013.97−54−18−18.75
角回L（左）39302<0.0019.53−42−7541.25
颞中回对2186<0.0054.4051−9−18.75
因苏拉对1395<0.0015.2439−1818.75
L（左） 27<0.0054.22−36−2422.5
扣带回L（左）31716<0.0015.57三−6030
前扣带回L（左）24563<0.0017.64024−15
32 <0.0016.05051−11.25
后扣带回L（左）30716<0.0019.85−9−5415
对23 <0.001812−5418.75
海马L（左） 372<0.0018.86−30−27−15
海马旁回L（左）36372<0.00110.45−27−42−7.5
对 325<0.0017.7430−45−7.5
35 <0.0017.1430−30−15
28 <0.0016.2521−12−18.75
老年人
额上回L（左）9590<0.0016.91−126011.25
颞上回对39183<0.0018.4357−5722.5
L（左）38210<0.0016.68−54−3−11.25
<0.0054.67−459−30
对3893<0.0054.72600−15
颞中回L（左）39296<0.0018.76−45−7233.75
21210<0.0055.19−54−12−18.75
颞下回对2093<0.014.2251−9−22.5
角回L（左）39296<0.0018.98−42−7541.25
枕上回L（左）19296<0.0019.73−42−8133.75
因苏拉对1376<0.0055.4839−1818.75
L（左）1327<0.014.34−36−1818.75
<0.054.06−42−1215
扣带回L（左）31642<0.0055.62三−6030
前扣带L（左）32590<0.0017.12−948−3.75
<0.0016.90−351−11.25
对2425<0.014.36三2711.25
后扣带回L（左）23642<0.0019.37−9−5718.75
对23642<0.0017.7712−5418.75
海马旁回L（左）36337<0.0018.75−27−42−7.5
<0.0017.66−30−30−18.75
<0.0016.44−24−12−22.5
对36294<0.0016.9227−45−7.5
35 <0.0016.1130−30−15
28 <0.0055.3521−12−18.75
年轻人
额叶下回对4730<0.0015.053333−11.25
颞中回L（左）3913,094<0.00116.56−45−7230
后扣带回L（左）3013,094<0.00116.82−12−5415
海马旁回L（左）3613,094<0.00117.72−30−42−11.25
Cbl克鲁斯I对 237<0.0017.7045−75−37.5
Cbl Crus II型L（左） 54<0.0014.50−12−90−37.5
对 237<0.0017.5818−90−33.75
Cbl克鲁斯I <0.0016.7633−90−33.75
克鲁斯二世L（左） 54<0.0014.74−27−90−33.75
Cbl小叶9对 37<0.0053.776−51−45
<0.0053.63三−57−52.5
年轻人>老年人
额上回L（左）6125<0.053.90−242156.25
对638<0.053.47121856.25
<0.053.30212148.75
1029<0.053.4733573.75
额叶中回L（左）6125<0.053.56−271245
对838<0.053.54273041.25
额叶下回L（左）4533<0.054.64−60210
内侧额回L（左）8125<0.054.97−92745
对6360<0.054.736−1863.75
<0.054.066−1252.5
中央前回L（左）6360<0.054.30−15−1263.75
顶叶下叶对4050<0.054.2157−4545
早熟的L（左）7229<0.054.42−9−6045
<0.054.05−6−7248.75
对3958<0.053.7445−6941.25
颞上回对1322<0.053.7051−4818.75
颞中回L（左）3930<0.054.26−48−7815
对3958<0.053.9648−7533.75
2160<0.053.9269−420
22 <0.053.8357−450
21 <0.053.1269−4811.25
库纽斯对19229<0.054.3621−8141.25
L（左）1822<0.053.54−12−8433.75
舌回L（左）1858<0.054.75−27−990
对1825<0.053.2318−90−11.25
扣带回L（左）3122<0.054.20−24−4226.25
前扣带对32143<0.055.051251−11.25
<0.054.9318390
<0.054.831542−7.5
后扣带回L（左）3035<0.053.96−24−5715
<0.053.54−6−6618.75
海马旁回对3631<0.054.1330−33−15
3033<0.054.0624−4511.25
<0.053.2218−420
L（左）3048<0.053.66−18−42−7.5
<0.053.55−15−420
对 21<0.053.5233−15−22.5
梭状回L（左） 48<0.053.78−21−42−15
Cbl克鲁斯I对 25<0.053.3421−87−18.75
Cbl小叶7b对 180<0.053.9530−75−48.75
克鲁斯二世L（左） 86<0.053.67−30−75−45
<0.053.61−39−72−37.5
<0.053.57−27−87−37.5
Cbl小叶8对 180<0.054.5336−54−52.5
Cbl克鲁斯I <0.054.3339−63−41.25
Cbl小叶9 33<0.0546−60−52.5
年轻>老年-低龄成年人
海马旁回L（左）3625<0.055.32−30−24−26.25
对3549<0.054.6230−30−18.75
36 <0.054.4236−27−26.25
<0.054.3436−24−18.75
表
表3。场景关系编码的ROI-ROI功能连通性显著（N>S对比度），位于对< 0.05 (财务总监-校正）。
表3。场景关系编码的ROI-ROI功能连通性显著（N>S对比度），位于对< 0.05 (财务总监-已更正）。
ROI-投资回报率β对-价值(财务总监-已更正）t吨-价值
老年-低龄成年人
左海马旁–右海马旁0.12<0.055.83
年轻人
左侧海马体–右侧海马体0.12<0.052.92
年轻>老年-低龄成年人
左侧IFG–右侧海马−0.150.06−2.05
左侧IFG–右侧海马旁−0.230.06−2.20
免责声明/出版商注释：所有出版物中包含的声明、意见和数据仅为个人作者和撰稿人的声明、意见和数据，而非MDPI和/或编辑的声明、意见和数据。MDPI和/或编辑对内容中提及的任何想法、方法、说明或产品造成的任何人员或财产伤害不承担任何责任。

分享和引用

MDPI和ACS样式

宫崎骏，M。；Archer，J.A。；吴，C.-Y。；Nakai，T。；陈，S.-H.A。场景情节处理中与年龄相关的变化：一项功能激活和连接性研究。传感器 2023,23, 4107.https://doi.org/10.3390/s23084107

AMA风格

宫崎骏（Miyakoshi M）、弓箭手（Archer JA）、吴C-Y（Wu C-Y）、中井（Nakai T）、陈S-HA（Chen S-HA）。场景情节处理中与年龄相关的变化：一项功能激活和连接性研究。传感器. 2023; 23(8):4107.https://doi.org/10.3390/s23084107

芝加哥/图拉宾风格

宫崎骏、Makoto、Josephine Astrid Archer、Chiao-Yi Wu、Toshiharu Nakai和Shen-Hsing Annabel Chen。2023.“场景情节处理中与年龄相关的变化：功能激活和连接性研究”传感器23，第8期：4107。https://doi.org/10.3390/s23084107

请注意，从2016年第一期开始，该杂志使用文章编号而不是页码。请参阅更多详细信息在这里.

文章指标

返回页首顶部