神经生理学和心理学模型假设，情绪依赖于广泛的皮质边缘回路的连接。虽然之前的研究利用神经成像数据的模式识别显示了大脑活动模式中不同的离散情绪之间的差异，但对功能连接的差异了解较少。

Heini Saarimäki等对功能磁共振成像数据进行了多元模式分析(i)，以开发一种将模式识别应用于功能连接数据的途径，(ii)测试连接模式是否在不同情绪类别之间存在差异。

实验方法

使用带有自然韵律的一分钟情感叙述诱发16名参与者六种情绪(愤怒、恐惧、厌恶、快乐、悲伤和惊讶)和中性状态，同时用功能性磁共振成像(fMRI)测量大脑活动。计算了全脑连接和10个先前定义的功能连接的脑亚网络的情感连接矩阵，并训练了一个跨参与者分类器，根据全脑数据和每个亚网络分别对情绪状态进行分类。

全脑分类器对除悲伤外的所有情绪均表现出高于机会水平的表现，表明不同情绪的大尺度连通性模式存在差异。当关注10个子网内的连接时，默认模式系统和所有情绪的分类都是成功的。

愤怒、恐惧、厌恶、快乐、悲伤和惊讶在内的情绪类别的大脑的连接模式上是不同的，而且在个体之间是一致的。基于连接的情绪分类在默认网络中是最准确的，这表明该区域的连接包含了对个体当前情绪状态最准确、最持久的表征。与之前基于区域体素的模式分类结果一起，本研究结果支持了情绪在大脑中以分布式方式呈现的观点，并说明了DMN在维持情绪状态中的重要性。

原文出处

Classification of emotion categories based on functional connectivity patterns of the human brain