侧重于大规模大脑组织和网络分析的系统神经科学的方法正在推进认知控制过程如何在大脑中实施的基础知识。在过去的十年中，大脑连接研究中的技术和计算创新使我们对大脑网络功能的理解取得了进展，激发了前额叶皮层(PFC)网络在协调认知控制中的作用的新概念。本文中，我们描述了认知控制中涉及的六个关键PFC网络，并阐明了与理解这些网络如何实现认知控制相关的关键原则。在不断变化的环境中实施认知控制取决于PFC网络的动态和灵活的组织。在此背景下，我们描述了近年来出现的主要经验和理论模型，并描述了它们的功能架构和动态组织如何支持灵活的认知控制。我们对过去几十年取得的进展进行了总体研究，并考虑了仍然需要解决的有关PFC网络功能、全脑动力学和认知的基本问题。最后，我们阐明了认知控制研究的重要未来方向及其对促进我们对脑部疾病中PFC网络的理解的影响。本文发表在Neuropsychopharmacology杂志。
介绍
认知控制，即根据当前目标和未来计划协调心理过程和行动，是前额叶皮层(PFC)的主要功能。术语“认知控制”旨在捕捉临床文献中标记为“执行功能”的能力。认知过程的协调是由在PFC中的多个功能回路实现的，而侧重于大规模大脑组织和网络分析的系统神经科学方法已经对提高认知控制过程如何在大脑中实现的知识产生了影响。
我们目前关于PFC在认知控制中的作用的大部分知识都来自模块化范式，其中特定功能被归因于PFC的局部细分，并假设它们充当特定认知功能的独立处理器。然而，PFC功能应与具有远程轴突的分布和高度互连的神经元一起考虑的方法现已发展成为研究PFC在认知控制中的作用的重要范例。在过去的十年中，大脑连接研究中的技术和计算创新提高了我们对大脑区域如何协同工作的理解，激发了对PFC网络在认知控制中的作用的新概念。
PFC是一种高度异质的大脑结构，由解剖单元组成，每个解剖单元都有自己的细胞构造、神经化学和微观结构特性。特定PFC区域的功能取决于其内在属性及其外在联系。每个PFC区域都有独特的皮质-皮质和皮质-皮质下连接模式——一种将其与其他区域区分开来的“连接指纹”（图1a）。尽管没有两个大脑区域共享相同的连接模式，但它们密集的互连导致具有共享功能特征的网络组织。鉴于PFC在适应性目标导向行为中的核心作用，对其大规模功能网络及其动态时空特性的表征有可能提供关于它们作为协调心理过程的认知中心的作用的基础知识。
大规模功能网络是相互连接的大脑区域或节点的集合，它们连接在一起以执行限定功能。与形成其他大脑网络的节点的连接相比，网络的节点在其组成节点之间共享密集的互连。大量使用多种方法的研究已经证实，人脑本质上被组织成网络，每个网络都由一组不同的皮质和皮质下区域组成，这些区域由时间同步的神经活动连接（图1b）。大脑网络的内在连接与任务相关的大脑区域共同激活密切相关，这对应允许在共同系统神经科学框架下划分和研究内在和任务相关的连接。虽然大脑网络对信号施加了限制，但它们在认知中的作用远非静态，与其他网络的灵活集成是PFC网络自适应功能的核心。至关重要的是，凭借其独特的“连接指纹”，大规模功能网络组成的大脑区域可能扮演不同的角色，一些充当控制器，开启其他区域的参与，其他则为网络操作贡献特定的感官或语义内容。
图1 从“连接指纹”到大规模大脑网络。
a 每个 PFC 区域都有一个独特的皮质-皮质和皮质-皮质下连接模式——一种“连接指纹”，将其与其他Brodmann区域分开来。
b 人脑中的大规模网络，每个网络都由一组不同的皮质和皮质下区域组成，这些区域由时间同步的神经活动连接。使用独立成分分析确定了十四个内在连接网络。
(A) 听觉，(B) 基底神经节，(C) 后扣带皮层 (PCC)/内侧前额叶皮层 (MPFC)，(D) 次级视觉皮层 (V2)，(E) 语言，(F) 左背外侧前额叶皮层(DLPFC)/左顶叶，(G) 感觉运动，(H) 后脑岛，(I) 楔前叶，(J) 初级视觉皮层 (V1)，(K) 右背外侧前额叶皮层 (DLPFC)/右顶叶，( L) 脑岛/背侧前扣带皮层 (dACC)，(M) 压后皮层 (RSC)/ 内侧颞叶 (MTL)，(N) 顶内沟(IPS)/额页眼动区 (FEF)。
在认知控制中发挥核心作用的六个PFC网络是本综述的重点（图2）：额顶控制网络(FPN)、突显网络(SN)、扣带盖网络(CON)、默认网络(DMN)，以及背侧和腹侧注意网络（DAN和VAN）。
虽然这些网络被提议用作专用和专门的功能单元，但它们并不是孤立地发挥作用，它们显示出彼此之间动态交互的复杂模式。此外，动态综合网络间通信对于有效的认知控制和适应性行为至关重要，网络内和网络间动力学模型对于我们理解PFC如何协调认知控制至关重要。本章安排如下：我们简要描述了常用于识别PFC网络的多模态成像和计算技术，并为评估参与认知控制的PFC网络分界提供了必要的背景。
然后，我们描述了PFC网络的解剖结构和功能组织，并回顾了广泛用于探索认知控制的PFC网络的作用。我们接下来强调PFC网络组织的基本原则，然后回顾实现认知控制的潜在网络机制。最后，我们提出了PFC网络功能研究的未来方向，以及对患有精神疾病和神经系统疾病的个体的认知控制网络观点的临床意义。
PFC网络的识别
Pandya等人使用非人类灵长类动物的束追踪研究最初确定了与认知控制相关的PFC连接模式。这些研究确定了连接各个PFC区域与不同皮质和皮质下区域的致密白质束的存在。两个不同的PFC网络分别致力于不同的认知功能，一个工作记忆-执行功能网络和一个空间注意网络。在涉及工作记忆和空间注意力的认知任务中，基于相似的神经元反应曲线，还阐明了这些网络的电生理学基础。随后，使用非侵入性扩散张量成像的研究为人脑中的同源通路提供了强有力的支持，这些通路现在可以在每个个体中进行量化，并与PFC网络的其他多模态特征相关联。随着脑成像的空间和时间分辨率的快速提高，功能、结构和扩散MRI的计算分析现在允许以可靠和稳健的方式跨时间研究个体内部的解剖学和功能连接。
功能性大脑网络的表征需要用于指定PFC节点和边缘或区域间连接的原则性和计算上严格的工具。我们总结了以下一些关键方法，为评估PFC网络在认知控制中的划分提供了必要的背景。在过去十年中，任务诱导和无任务（静息状态）fMRI(rs-fMRI)数据的连接分析已成为PFC网络识别的中流砥柱。区域间fMRI连接的独立成分分析、聚类和模块化分析是最常用的三种方法。独立分量分析是一种卷积技术，它将fMRI信号分解为空间上不同的分量，而不需要预先指定构成单个网络的节点。这种方法导致识别多个空间分离的PFC网络。重要的是，空间分布区域之间的自发耦合可以在个体主体层面上可靠地识别，并且以这种方式识别的PFC网络也在个体之间共享一致的特征。
每个大脑区域的内在功能连接的聚类是另一种广泛使用的网络识别方法。在这种方法中，功能不同的皮层区域的边界是根据分布在整个大脑皮层的区域之间功能连接模式的差异来定义的。具有相似皮质-皮质和皮质-皮质下连接特征的皮质区域集被认为构成了一个网络。
基于图论的网络分析一直是我们理解复杂生物系统的核心，人脑也不例外。区域间连接的图论分析已经确定了与PFC相关的网络模块。这种方法依赖于预定义的节点，研究人员使用解剖图谱和功能分区来定义网络节点。该公式中的每个模块的特点是具有高聚类系数，具有将节点与模块绑定的专用集线器，以及连接模块的连接集线器，因此是动态重新配置网络的锚点。
图2 本文重点讨论的六个PFC网络
目前，这里描述的技术都没有主导PFC网络功能的研究，也没有单一的功能网络图集占据主导地位。一个原因是每种技术都假设fMRI数据的平稳性，其有效性很难确定，并且每种技术都涉及模型参数的估计，例如独立成分的数量、集群的数量或模块的数量，没有唯一的解决方案。此外，各个网络也可以在不同的空间粒度级别进行细分。然而，虽然使用这些不同方法确定的PFC网络并不相同，但它们揭示了共同的基本组织模式，这使它们成为以原则性方式探测PFC回路功能的强大工具。这里讨论的技术不仅对网络识别有用，而且对探测它们在认知控制过程中的灵活重构也很有用。
认知控制中PFC网络的解剖和分类
已经使用上一节中描述的网络识别计算方法（图2）一致识别了六个参与认知控制的PFC网络。在本节中，我们考虑PFC中这些网络的解剖锚点，并在基于任务的认知激活研究的背景下简要考虑它们的分类。应该注意的是，使用内在功能连接识别的网络是根据它们与基于任务的功能激活以及我们目前对这些网络所支持的认知过程的理解来标记的。这些网络在历史上被分配了解剖学或功能标签，但是，该领域已经开始努力解决功能网络的通用分类法，这有望为研究结果的比较提供一致性。
额顶网络
额顶叶网络(FPN)由背外侧(BA9/46)和背内侧PFC(BA6)、后顶叶皮质中的边缘上回(BA40)和皮质下区域（包括背侧尾状核和前丘脑）。侧前额叶皮层和后顶叶皮层之间的紧密联系得到了相互之间强大的双向解剖联系以及类似的神经元反应的证明。
突显网络
突显网络(SN)由前岛叶、毗邻的额岛皮质和背侧前扣带皮层(BA24)组成，突出的皮质下节点包括杏仁核、黑质、腹侧被盖区、背内侧丘脑、下丘脑和导水管周围灰质。
扣带盖网络
扣带盖网络(CON)由前岛叶、毗邻的额叶-岛叶皮层和前扣带皮层以及相邻的背内侧PFC组成。CON是通过对从39个大脑区域中提取的静息态fMRI数据进行基于图形的模块化分析来识别的，这些区域在广泛的任务中显示出一致的激活。尽管SN和CON网络在脑岛和前扣带回皮质中显示出相当大的重叠，但它们在其他皮质和皮质下网络节点的规范方面也存在差异，这可能是由于用于网络识别的不同方法。然而，有人提出SN和CON可能是不同的网络，这是基于岛叶和前扣带皮层内的节点在解剖学上可能不同的发现。此外，这种解剖学差异可以解释认知控制模型中SN和CON假设功能的差异，我们将在本章后面进一步讨论。
腹侧注意网络
腹侧注意网络(VAN)由额下回的腹后侧和后皮质的颞顶交界处组成。VAN节点与额岛皮质中的SN显示出显着的解剖学重叠。然而，一个关键的区别是VAN包括与颞顶交界处的额岛皮质连接，而SN（以及类似的CON）包括与背侧前扣带皮层和皮质下区域的连接。
背侧注意网络
背侧注意网络(DAN)由额眼区(FEF)和顶内沟(IPS)组成。该网络最初是在束追踪研究中确定的，随后使用病变和静息状态fMRI研究进一步表征和研究。
默认模式网络
默认模式网络(DMN)由内侧前额叶皮层、后扣带皮层、内侧颞叶和角回组成。DMN首先是使用rs-fMRI的独立成分分析和基于种子的连接性来识别的，并通过多种方法进行了确认，包括共激活分析和DTI研究，显示了网络的内侧PFC和后内侧节点之间的紧密联系。
PFC网络组织的基本原则
尽管方法上的差异会产生不同级别的粒度和解剖学界限，但大多数方法都集中在FPN、SN、CON、DAN、VAN和DMN上，作为锚定在PFC中的稳健且可靠的可识别功能网络。这些网络中的一个重要特征是它们跨越额叶、顶叶、颞叶和扣带皮层的关联区域。在本节中，我们重点介绍PFC网络组织的几个原则，这些原则与理解它们如何实施认知控制有关。
a
图3 突显网络和额顶网络的皮质和皮质下节点
SN（红色）显示与杏仁核、腹侧纹状体、下丘脑、背内侧丘脑 (dmThal)、导水管周围灰质 (PAG) 和腹侧被盖区 (VTA) 的更强连接。相比之下，FPN（蓝色）显示广泛的顶叶连接，涉及缘上回和顶叶上小叶，以及更有限的皮层下连接，主要涉及背侧尾状核和前丘脑。
首先，假定PFC网络作为不同且独立的功能单元运行，因此，构成这些网络的节点将在广泛的认知任务中共同激活，可能支持特定的认知过程。因此，例如，FPN的额中回(BA9/46)和边缘上回(BA40)节点几乎总是在涉及工作记忆的任务中共同激活。此外，在源自rs-fMRI数据的功能网络与源自BrainMap数据库（包括77项认知任务的9208次实验）的认知成分的任务诱发活动图之间存在很强的空间对应关系，支持特定网络执行不同的认知功能。PFC网络在功能上是不同和独立的概念的间接证据来自rs-fMRI数据，表明这些网络在作为脑图分析时在解剖学上是不同的组件，并且是反相关或弱相关的，即在网络内比网络间存在更大的连接性。功能独立性的直接证据来自对局灶性病变患者的rs-fMRI研究，表明FPN和CON的损伤改变了网络内的连接性。然而，重要的是，这些网络在功能上是不同的单元并不排除它们灵活地相互作用以进行认知控制的可能性，这将在本文的后面讨论。
每个PFC节点在顶叶皮层中都包含一个独特的相互连接的节点，例如，在FPN的情况下是边缘上回，在DMN的情况下是后扣带皮层。因此，每个PFC网络在PFC和顶叶皮层的解剖学上不同的细分之间实现了一种独特的信号模式。这种解剖学认识突出了顶叶皮层在认知控制模型中的重要性，作为自上而下控制信号的除了PFC的另一个关键来源。
PFC网络的功能组织沿着背侧-腹侧梯度排列，背侧PFC区域与背顶叶皮质区域相连，腹侧PFC区域与更多的腹侧顶叶皮质区域相连。这种功能分离反映了与连接PFC和顶叶皮层的三个主要纤维束相关的通路的解剖学分离：背侧、中部和腹侧上纵束。值得注意的是，这种架构的结果是相邻的PFC区域属于完全不同的网络。
PFC网络的分离也延伸到不同的皮层下区域。值得注意的是，SN包括不同的边缘区域，包括杏仁核、腹侧纹状体、背内侧丘脑、下丘脑和黑质/腹侧被盖区（图3）。相比之下，FPN包括背侧尾状核和前丘脑，但缺乏与边缘、下丘脑和中脑结构的连接。一般来说，PFC网络的皮层下节点，以及PFC网络与基底神经节/丘脑网络之间的相互作用在认知控制的实证研究中往往被忽略。然而，对基底神经节和丘脑在认知控制网络中起着重要作用的关键模型已被提出。全面了解PFC网络在认知控制中的作用无疑需要了解PFC-基底神经节丘脑相互作用。
第五，PFC网络表现出高度的对称性，反映了半脑同源区域之间强大的内在功能连接性。这种对称性既反映了直接的单突触半脑间交叉胼胝体束解剖联系，也反映了通过皮质丘脑束的多突触联系。然而，在认知过程中，这种内在的对称性可以随着与视觉空间注意力和抑制控制过程相关的更大的右半脑反应和连接性而改变。
PFC网络功能的动态机制
在本节中，我们回顾了几个已经出现的关于实现认知控制的动态网络机制的模型。重要的是，我们强调了PFC网络与在认知控制实施过程中整合感知、认知和运动计划所必需的全局大脑动力学之间的相互作用。
自上而下和自下而上的空间注意力
PFC网络是引导空间注意力的核心，涉及隔离的DAN和VAN之间的动态交互，每个都扮演着独特且可分离的角色。DAN节点也始终被涉及操纵显性或隐性空间注意力的广泛任务共同激活。FEF和IPS包含视网膜局部组织的对侧空间图，这使它们成为维护空间优先图的候选区域，用于隐蔽空间注意力和眼跳规划。具体来说，有人提出DAN主要参与对刺激和反应应用自上而下的选择，而VAN检测行为相关的刺激，并可能充当DAN的“环路阻断器”（图4a）。进一步区分VAN的PFC和顶叶节点，颞顶交界处始终被刺激驱动的重新定向激活，而额岛皮质/额下回在重新定向过程中优先激活到意外的、令人惊讶的刺激，这需要通过认知控制改变行为反应，类似于SN的前岛叶结。
反应抑制的环路阻断器
抑制不需要或不适当的行为和冲动的能力对于认知控制是必不可少的，并且通常是灵活和目标导向行为的重要组成部分。通过回顾单侧PFC损伤患者的行为研究证据，Aron及其同事提出了一个假设，即右下额叶皮层是反应抑制所必需的，反应抑制是取消预期运动所需的认知过程。十年后，根据随后对停止信号任务和fMRI的实证研究，Aron及其同事修改了他们的观点，将右下额叶皮层的功能概念化为“可以以不同模式打开（完全，以完全抑制反应；或部分地暂停反应）和在不同的环境中（外部，通过停止或显着信号；或内部，通过目标）。”（图4b）。通过与前脑岛、前扣带皮层、前辅助运动区和基底节的丘脑底核的相互作用，该功能在PFC内的精确定位被认为是额下回。参与反应抑制的PFC区域与SN、CON和VAN有显着重叠；它们的不同功能角色和回路动力学仍未解决。这里的一个挑战是额下回和前岛叶通常在涉及反应抑制的任务中共同激活。然而，定量分析表明，前脑岛与前扣带皮层具有更强的内在和抑制任务相关的功能连接，而下额叶皮层与前补充运动区、背内侧有更强的内在和任务诱发功能连接PFC和FPN节点。基于这种功能回路模式的新兴观点是，右前脑岛对于检测行为显著事件（例如停止信号）很重要，而右下额叶皮层更多地通过与前补充神经元的联系参与抑制控制的运动实施。
图4 PFC网络功能的动态机制
a.空间注意行为的环路阻断。VAN被假设为DAN上的“环路阻断器”，将注意力引向重要事件。 b.用于停止和冲突处理的不同皮质-STN通路的假设模型。 c.认知控制的双网络模型，包括并行快速自适应（FPN）和设置维护（CON）网络。细箭头示意了较强的功能连接，带框的箭头示意了假定的信息流。 d.网络切换模型，其中假设SN启动FPN和DMN之间的动态切换，并调节对内源性和外源性事件的注意力。感觉和边缘输入由前脑岛(AI)处理，前脑岛检测显着事件并启动适当的控制信号，用于(i)访问FPN中的工作记忆资源和(ii)通过前扣带皮层进行动作选择。
快速自适应（Rapid-adjustments）和自我维护（Set-maintenance）
在对183名受试者的10项不同任务进行的跨任务分析中，Dosenbach及其同事确定了在认知控制任务期间持续活跃的多个区域。在后续研究中，这些从任务数据中获得的大脑区域在静息态fMRI数据的相关性分析中用作种子，其中图论和层次聚类应用于相关矩阵。这些分析确定了两个不同的网络，分别标记为FPN和CON。基于他们在认知任务中的作用，他们提出了自上而下控制的双网络模型，其中FPN包含提供信号的大脑区域，这些信号在快速时间尺度上起作用以启动和调整控制，而CON包含提供信号的大脑区域允许在较长时间范围内进行集合维护的信号（图4c）。其他同时使用EEG和fMRI的实证研究得出了FPN和CON调节警觉性而不是特定任务集控制过程的假设。有人提出FPN参与警觉性的阶段性控制，而CON网络则参与维持紧张性警觉性。
尽管SN和CON在前脑岛和前扣带皮层中显示出相当大的解剖学重叠，但它们在认知控制中的确切作用因认知控制的功能模型而异。而Menon及其同事认为SN的前岛叶节点是一个快速灵活的中枢，它促进检测最具生物学和认知相关性的事件，以适应性地引导注意力和行为。未来研究的一个重要途径将是确定CON和SN的不同功能是否由一个网络提供不同的功能，或在解剖学上具有不同功能的不同子网络来解释。
网络隔离和集成
PFC网络之间的动态合作和竞争可能在认知控制中起着至关重要的作用，这可以通过网络隔离和集成来实现。例如，当人类从事要求苛刻的工作记忆任务时，网络整合的全局度量会增加，而网络分离的全局度量会减少（图5a）。具体来说，证明了两个认知控制网络（FPN和CON）在认知控制增加的情况下变得更加整合，并且进一步增加了这两个认知控制网络与任务相关的非认知控制网络的整合，与提高任务的准确性有关。其他研究报告了类似的结果。此外，fMRI数据的时变功能连接分析表明，即使在试验中，网络整合和隔离也会以行为上有意义的方式波动。例如，人们发现更完整的状态会导致更快更准确在要求苛刻的认知任务上的表现，以及在听觉检测任务期间呈现目标之前的试验期间网络分离/整合的程度预测受试者是听到还是错过了该目标。即使不执行认知任务，PFC网络也是高度动态的。
图5 网络分离与整合模型
a.在工作记忆任务期间，全局网络整合增加，而网络分离减少。
b.在不同的认知任务条件下FPN节点的全脑功能连接模式比其他PFC网络的变化更多。
跨网络整合对于认知控制是必要的，并且可以通过对称性破坏来实现，对称性破坏是指大脑状态的质变，由互连节点的同质系统内相对较小的扰动引起。对称性破缺通常伴随着具有不同相位关系的分离模块的形成，这一过程是动态细胞组件出现的基础，具有空间和时间上相互作用组件的功能排序。
网络切换
涉及认知控制的网络之间的转换可能是一种不同于网络整合和隔离的机制。网络之间的切换由SN灵活实现（图4d）。例如，假设SN在FPN和DMN相关的参与和脱离之间的网络切换中发挥重要作用。至关重要的是，在DMN和FPN之间切换将允许脱离内部心理过程以响应当前目标。SN的前岛叶节点被认为在从影响感官的大量连续的感觉刺激流中识别相关刺激方面发挥关键作用。前脑岛可以通过启动适当的瞬态控制信号以在脱离DMN的同时接合FPN来促进与任务相关的信息处理。因此，SN被认为是一个快速反应系统，而不是像基于CON的自上而下控制的双网络模型所假设的那样，是一个在较长时间范围内维护信息的系统。与这种转换角色一致，与其他PFC大脑网络相比，SN在时变连接方面表现出一些最高水平的灵活性，并且SN灵活性可以预测认知灵活性的个体差异。
灵活的中枢
认知控制所必需的PFC网络的适应性被认为可以通过灵活的中枢来实现：大脑区域根据任务需求快速更新其全局功能连接模式（图5b）。支持这一观点的是，FPN节点的全脑功能连接模式在各种认知任务状态下比其他PFC网络中的节点变化更多。相比之下，CON节点被提议在认知控制期间对FPN节点发挥补充作用。此外，在这些高度连接的大脑区域中，活动随着参与任务的认知功能数量的增加而增加。此外，无论任务如何，具有不同连接的中枢和随之而来的模块化大脑网络的个人都表现出更高的认知能力。
自参照监控
DMN的一个显著特征是，与FPN、SN、CON、DAN和VAN不同，该网络的节点通常在广泛的认知要求高的任务中被抑制或停用。重要的是，这种响应曲线不是fMRI数据中发现的全局信号变化的假象，因为在执行认知任务期间已经发现DMN节点中的局部场电位受到抑制。DMN被提议在自我信息处理和内部心理监测中发挥关键作用，这些过程在外部刺激依赖性认知过程中需要被抑制。内侧PFC节点对与自我和他人相关的价值判断和社会评价过程特别敏感。尽管DMN可能不像其他PFC网络那样直接参与认知控制，但它可能对认知功能产生深远的间接影响。例如，在外部刺激驱动的认知过程中无法脱离DMN会显着损害任务绩效。
PFC网络、全脑动态和认知：未解决的问题和挑战
我们在前面几节中对PFC网络的讨论强调了PFC网络和全脑动态之间的紧密相互作用，提出了关于PFC网络在认知中的作用的更广泛的问题。正如各个PFC区域不能孤立地发挥作用一样，PFC网络也不能孤立地发挥作用。参与认知的各个大脑区域的作用受到其嵌入的特定网络的限制。PFC网络涉及在认知过程中参与的隔离大脑区域，并且在没有明显任务的情况下也显示出一致的内在连接模式。大多数关于PFC网络在认知控制中的作用的实证研究都试图将特定网络的功能分配给特定的认知控制过程。显然，这项研究的目标是确定大脑中参与认知控制并且可能是认知控制所必需的“专门处理器”。这种用于确定实施认知控制的神经机制的实证方法的一个问题是，它面临着与通过行为方法研究认知控制的研究人员相同的问题，例如：认知控制的本体论是什么？认知控制的基本和最有意义的组成部分是什么？这些显然是需要进一步调查的重要主题。
Box1.本综述提出的开放性问题：
1.认知控制的基本和最有意义的组成部分是什么？我们能否通过涉及PFC网络的一组有限过程来描述认知控制的关键方面？
2.能否定义功能性大脑网络的通用分类法？
3. SN和CON不同的功能网络是否支持认知控制的不同方面？
4. 要全面了解PFC网络在认知控制中的作用，需要了解PFC-基底神经节-丘脑相互作用。皮层下相互作用如何影响PFC网络功能？
5. 在认知控制过程中大脑网络如何随时间演化？我们如何使用颅内脑电图来促进对网络功能的时间动态的理解？它们与网络功能的fMRI模型有何关系？
6. 参与认知控制的PFC网络中神经元振荡的作用是什么？
7. 认知控制中PFC网络功能的计算机制是什么？
8. 参与认知控制的PFC网络如何协调全局工作空间以产生复杂的认知功能？多任务数据的计算建模如何为信息流提供信息？
9. 多巴胺、去甲肾上腺素和血清素等脑干神经调节系统在参与认知控制的PFC网络中的作用是什么？
10. PFC网络功能的知识如何用于改善精神和神经疾病的行为和认知缺陷？
11. 我们如何更好地整合涉及啮齿动物光遗传学操作的转化神经科学研究，以探索网络功能的因果机制？
12. 使用fMRI研究PFC网络功能如何能够更好地理解具有认知控制缺陷的脑部疾病的病理生理学？PFC网络的fMRI生物标志物能否在临床上用于诊断、临床表征和指导具有认知控制缺陷的脑部疾病的治疗干预？
关于简单地将潜在的认知功能分配给特定的大脑网络还有两个问题发展对认知控制的机械理解。首先，如果一个大脑区域被分配了与整个网络相同的功能（例如，反应抑制或集合维护），那么网络中其他大脑区域的作用是什么？第二，专门的大脑网络如何相互作用以进行认知控制？我们在前面几节中对实证工作的回顾提供了证据，证明大脑中确实存在专门的、模块化的网络过程，并且认知控制是通过这些网络的分离和整合来实现的。除此之外，我们还强调，尽管任何特定PFC网络中的节点通常可以作为一个单元运行，但并非每个节点的功能都相同。我们对这些差异过程的理解仍处于初级阶段，识别认知控制网络中特定大脑节点的响应曲线将需要对任务紧急情况的精妙操作，例如对感觉负荷的操作，差异调节顶叶皮层，或增加任务规则、动作选择和运动计划作用于相同的输入，不同地调节各个PFC区域。
除了网络中每个大脑区域可能对特定类型的认知控制过程发挥的重要作用外，同一大脑区域可能是不同网络的成员，根据参与的网络具有不同的角色。使用fMRI数据识别网络的常用方法不允许节点成为多个网络的成员。一个大脑区域可以支持多种功能的观点与许多人类大脑映射研究一致，这些研究发现一个大脑区域从事看似不同的任务。例如，Aron及其同事指出，“右下额叶皮层不仅涉及反应抑制，还涉及类别学习、视觉运动条件学习、记忆检索、记忆编码”。了解同一大脑区域如何成为不同网络的成员却发挥不同的功能还远未被理解，需要在未来仔细考虑。
重要的是，认知控制不是由单个PFC网络实现的，而是由嵌入全局大脑架构的PFC网络之间的动态交互实现的。更广泛地讨论了复杂认知所需的网络交互的重要性。尽管我们回顾的实证研究说明了我们已经了解到哪些个体大脑网络参与了认知控制，但仍需要大量工作来阐明这些网络在认知控制过程中相互作用的方式。将特定功能分配给特定的大脑区域或特定的大脑网络并不能揭示一种机制。对认知控制的完整理解仍有待发现。
最近，根据对猴子电生理学和人类fMRI研究的回顾，Duncan强调了一组大脑区域，包括前岛叶、相邻的额盖、背内侧和背外侧额叶皮层、背侧前扣带回节点、前运动皮层、顶内沟、基底神经节、丘脑和小脑，参与不同的认知需求。这些大脑区域被统称为“多需求”(MD)系统，并提议通过组装不同的任务和创建结构化的心理程序在实现目标方面发挥关键作用。此外，假设MD系统参与“定义和控制此类程序的各个部分，重点关注当前认知操作的特定内容”，随着心理焦点的改变而快速重组，以及连续任务步骤的稳健分离。最近，通过分析来自人类连接组计划的rs-fMRI数据解决了这个问题。发现核心MD区域集中在FPN中。然而，在另一项分析执行认知控制任务期间收集的fMRI数据的研究中，得出的结论是，MD系统可以分为两个子网络——FPN和SN/CON。
未来研究方向
在本节中，我们讨论进一步阐明PFC网络的作用及其在认知控制和执行功能中的动态相互作用所需的未来研究。方框1中总结了本次综述中出现的关键开放性问题。
认知时间尺度上的时间动态
灵活和适应性的人类认知取决于动态PFC网络，该网络瞬时连接分布式大脑区域以响应任务中的每时每刻变化需要。为了应对这一挑战，未来的研究将需要克服fMRI时间分辨率差的局限性和数十毫秒尺度上的动态。虽然在解码单个大脑区域的快速时间动态方面取得了相当大的进展，但它们对多个分布式节点的扩展仍然是一个挑战。最近使用分布式颅内脑电图记录的研究已经开始解决我们对PFC网络节点之间相互作用的理解上的差距
潜在大脑动力学、状态转换和最佳大脑状态
在快速和慢速时间尺度上，动态大脑状态和功能连接对认知有重大影响。用于模拟大脑状态动力学的新计算工具开始应对这一挑战。例如，可以识别隐藏的大脑状态及其转换概率的潜在大脑空间模型和贝叶斯切换动力系统算法似乎特别有希望探索功能性大脑回路的灵活重构及其对任务性能的影响。这种方法的一个关键方面是它们有助于识别最适合认知任务表现的大脑状态——无法参与这些状态以及从其他大脑状态向这些状态的微弱过渡会损害表现和决策动态。例如，对fMRI数据的分析表明，在执行要求高的认知任务时，低维状态空间中嵌入了一系列活动，从参与最大化信息处理和表现的大脑区域综合核心，到当手头的任务结束时，状态更加隔离。
未来的实证研究实施基于无监督学习程序的模型，用于识别潜在的大脑状态、它们的时间演化、状态的寿命和发生，以及它们的切换概率，将使我们能够发现与PFC网络相关的上下文相关的潜在大脑动力学。这一领域的进展对于解决PFC网络在认知控制和细胞组装重新配置以支持适应性认知功能方面的作用的挑战至关重要。
PFC网络的因果操纵和控制
光遗传学技术彻底改变了我们对啮齿动物大脑中功能电路因果作用的理解。尽管光遗传学技术提供的细胞特异性操作在人脑中不是可行的方法，并且在非人类灵长类动物中取得的成功有限，但现在可以使用许多工具来操纵单个大脑区域的神经反应，以研究因果效应PFC网络。这些包括经颅磁刺激(TMS)和直流电刺激技术，以及具有同步EEG记录的更具侵入性的颅内刺激。例如，CON和FPN网络中的两个不同的额叶节点被TMS破坏，然后收集fMRI数据。在TMS之后观察到这两个PFC网络之间和内部功能连接的变化。因此，健康个体的大脑刺激以及对局灶性病变患者的研究，为研究PFC网络在认知控制中的作用提供了一种有前途的融合方法。
与评估功能连接性的计算方法相比，评估一个神经元系统对另一个神经元系统施加的影响（有时称为有效连接性）的方法有望为PFC网络在认知中的因果作用提供（尽管是间接的）证据。此类方法包括结构方程建模、相干性、格兰杰因果分析、动态因果建模和多维状态空间模型。由于fMRI信号的时间进程较慢，这些估计因果相互作用的方法的相对优势和劣势一直是一些争论的主题。然而，使用计算技术识别大脑区域之间的因果相互作用仍然是一个具有挑战性的问题有几个原因。首先，fMRI测量对神经活动的血液动力学反应，而不是直接测量神经元活动。其次，血液动力学响应函数的区域差异可以显着影响大脑区域之间因果相互作用的估计。第三，大脑区域之间的因果相互作用会随着实验环境而改变。使用神经生理学真实模拟验证的状态空间计算算法和新颖的光遗传学fMRI操作有望识别依赖于上下文的动态因果相互作用。值得注意的是，将这些技术应用于高时间分辨率fMRI数据可能允许识别与认知相关的因果流出和流入中枢。至关重要的是，对因果控制回路的分析有可能揭示定向影响中的不对称性如何允许个体网络或特定大脑节点控制其他网络，并进一步推进我们对涉及PFC网络节点的动态因果相互作用如何在认知中发挥基础作用的理解。
网络可控性
从工程学中借用的控制理论技术也可能提供有前途的新方法来探索如何操纵PFC网络以促进理想或最佳大脑状态。后一个问题可能与抑郁症等精神疾病的治疗有关，其中刺激FPN的背外侧PFC节点用于改变影响情绪的远端大脑目标。在经典意义上，可控性衡量通过外部控制输入在有限时间内将系统从给定初始状态扰动到特定目标状态的能力。具有较高可控性的节点需要较低的能量来从当前状态扰动系统，并且可控性措施可用于识别有可能影响整个系统动态的驱动节点。复杂系统的控制特性可以提供关于如何扰动它们以实现所需行为的新见解。
对精神和神经疾病的临床意义
在许多精神和神经疾病中观察到认知控制缺陷，例如自闭症、焦虑症、情绪障碍、精神分裂症、创伤性脑损伤、中风和额颞叶痴呆。大脑的认知控制系统已通过多种脑成像技术在这些临床疾病中进行了探索，观察到了PFC网络功能障碍。这些描述脑部疾病功能连接变化的实证研究补充了数十年来对这些疾病的临床研究，这些研究与病理位置或特定区域的大脑活动变化相关，并在脑部疾病患者中观察到认知控制缺陷。在我们看来，有几种潜在的方法可以对脑部疾病患者的功能性脑成像数据进行网络分析，从而产生重大的临床影响。
使用fMRI数据识别网络功能障碍有可能帮助临床医生做出诊断、对特定疾病的临床亚型进行分类或指导治疗干预。然而，尽管近30年前就引入了fMRI，但临床上仍未批准使用fMRI。必须克服的重大挑战是功能性脑成像生物标志物必须在个体患者中具有足够的敏感性和特异性，而不是与一组健康对照相比的一组患者。网络方法可能比以前失败的单变量方法有优势，单变量方法在不考虑它们与其他大脑区域的相互作用的情况下测量了单个大脑区域或多或少的活动。在预测对旨在改善认知控制缺陷的各种治疗干预措施的反应的功能连接指标的开发方面已经取得了一些进展。
即使从未实现将fMRI开发为临床有用工具的目标，fMRI数据的功能连接指标仍可能为了解脑部疾病背后的病理生理机制提供有价值的见解。事实上，有人可能会争辩说fMRI更适合实现这一目标。网络神经科学在过去十年的爆炸式增长无疑导致了对神经和精神疾病背后的病理生理机制的重新考虑。例如，精神病理学的三重网络模型假设SN、FPN和DMN的异常功能组织及其动态相互作用导致了广泛的精神症状。任何疾病网络模型都需要回答的一个关键问题是为什么特定网络针对特定疾病。提出的一种观点是，高度连接的大脑区域，与其网络成员无关，是神经病理学的目标，因为它们由于代谢需求高而在生物学上代价高昂。一项针对20,000多名患有26种不同脑部疾病的受试者的研究发现了对这一假设的实证支持。所有大脑疾病中常见的MRI病变更有可能位于高度连接的大脑区域。这种大脑疾病的网络观点与经验发现一致，即高度连接的大脑区域的病变会导致大脑连接性的整体变化和广泛的认知缺陷。