心理意象通过语义整合与重组促进创造性写作的认知神经机制

本研究针对心理意象如何支持创造性认知的机制问题，通过行为实验和fMRI技术，揭示了触觉意象生动性通过促进语义整合与网络重组增强创造性写作表现的认知路径。研究发现边缘中心功能网络在意象编码过程中呈现特异性的社区分布模式，为理解创造性思维的神经基础提供了新视角。

　　

在人类认知的广阔图景中，心理意象一直扮演着神秘而关键的角色——从爱因斯坦描述他通过组合清晰图像进行思考，到艺术家和科学家们依靠内心视觉突破认知边界。这种能够在头脑中模拟感官体验的能力，数千年来始终是哲学家、心理学家和神经科学家关注的焦点。然而，尽管心理意象在创造性认知中的作用得到广泛承认，其具体的认知和神经机制却始终笼罩在迷雾之中。创造性认知本身就是一个复杂的过程，涉及想法生成和评估的多个认知过程的整合，而心理意象作为连接感觉运动体验与创造性产出的关键认知过程，其作用机制亟需系统性的实证探索。

发表在《Communications Biology》的这项研究从语义记忆的视角切入，通过三个精心设计的系列研究，揭示了心理意象支持创造性认知的双重路径：语义整合与语义重组。研究团队采用创造性写作任务作为行为范式，结合前沿的语义特征量化和边缘中心功能网络分析方法，首次从认知行为到神经机制层面绘制了心理意象促进创造性的完整图谱。

研究主要运用了以下关键技术方法：1）采用普利茅斯感觉意象问卷（Plymouth Sensory Imagery Questionnaire, Psi-Q）量化多感官意象生动性；2）基于中文BERT预训练模型和Word2Vec模型的语义特征分析，包括语义整合（semantic integration）和语义网络鲁棒性（semantic network robustness）指标；3）功能磁共振成像（fMRI）结合边缘中心功能网络分析（edge-centric functional network analysis），检测大脑通信模式的同步性；4）行为实验采用双条件设计（心理意象编码vs语义理解编码），样本包含98名健康成年人（研究1）和68名参与者（研究2），fMRI研究包含29名参与者（研究3）。

心理意象、语义特征与创造性写作

研究发现触觉意象生动性与创造性写作表现呈显著正相关，而其他感官模态的意象则无此关联。中介分析表明，触觉意象生动性通过语义整合和语义网络鲁棒性两条路径影响创造性写作表现。语义整合反映将遥远概念连接成连贯叙事的能力，而语义网络鲁棒性则衡量概念关系的灵活重组能力。值得注意的是，语义网络鲁棒性在添加噪声和链接洗牌后仍保持稳定，表明这种效应主要由网络结构特征驱动而非连接权重。

意象策略增强创造性写作表现

通过直接比较心理意象和语义理解两种编码策略，研究发现心理意象条件下的创造性写作得分显著更高。虽然两种条件下的语义整合水平无显著差异，但心理意象条件下的语义网络鲁棒性显著更高。噪声分析和链接洗牌分析进一步证实，这种差异源于网络结构特性而非边缘权重。这些结果表明，心理意象通过促进语义记忆的灵活重组来增强创造性表现。

大脑边缘社区模式与意象编码

边缘中心功能网络分析揭示了创造性写作过程中大脑功能组织的重叠特性。研究发现：感觉运动网络（sensorimotor network, SMN）促进创造性认知中的感觉运动模拟；背侧注意（dorsal attention network, DAN）和突显网络（salience network, SAL）通过维持目标导向注意和重新定向注意协同支持写作过程；边缘网络（limbic network, LIM）支持多模态语义处理和新颖关联；前顶叶控制网络（frontoparietal control network, FPCN）和默认模式网络（default mode network, DMN）促进信息整合；DMN的一个子网络在整合与物体和动作相关的语义信息中发挥特殊作用。

研究还发现，在心理意象条件下，SMN_A参与可变的通信模式，反映感觉运动模拟在创造性认知中的动态作用；而在语义理解条件下，颞顶网络（temporal-parietal network, TP）表现出高度一致的语义处理，LIM_A的活动更加同质化，可能反映有限的多模态参与或处理语义相似信息的倾向。

结论与意义

这项研究系统地阐明了心理意象支持创造性认知的认知和神经机制。在认知层面，心理意象通过促进语义整合和语义重组双重路径增强创造性写作表现，其中触觉意象表现出特殊重要性。在神经层面，边缘中心功能网络分析揭示了多脑网络协同支持意象编码的复杂模式，包括感觉运动网络的感觉模拟、注意网络的目标维持、边缘网络的多模态处理以及控制网络的信息整合。

这些发现不仅深化了我们对创造性认知机制的理解，也为开发增强创造性的干预方法提供了科学依据。研究提出的语义特征量化方法和边缘中心网络分析框架，为未来研究提供了重要的方法论工具。从更广阔的视角看，这项工作架起了连接认知心理学与计算神经科学的桥梁，为探索人类高级认知功能的奥秘开辟了新的路径。