基于脑电α节律动态评估噪声下言语感知的认知负荷研究

《Scientific Reports》：Dynamic assessment of listening effort by EEG alpha oscillations during an adaptive speech-in-noise test

本研究针对噪声环境下言语识别认知负荷（Listening Effort, LE）的客观评估难题，通过脑电图（EEG）α振荡（8-13 Hz）分析，探索了在简化语义复杂性的自适应言语噪声测试（Speech-in-Noise Test, SNT）中听觉任务需求对神经活动的动态影响。研究发现，在个体言语识别阈值（Speech Recognition Threshold, SRT）以下的高负荷条件下，中央区α事件相关同步化（Event-Related Synchronization, ERS）显著增强，反应时间延长，识别正确率下降，为“抑制假说”提供了初步证据。该成果为开发基于神经信号的智能助听设备提供了新思路，推动了听力认知机制的定量化研究。

　　

在喧嚣的咖啡馆里努力听清对话者的言语，或是在嘈杂地铁中辨别广播信息，这些日常场景背后隐藏着听觉系统面临的重要挑战——听力努力（Listening Effort, LE）。当听觉信号被噪声干扰时，大脑需要调动额外的认知资源来补偿信号质量的下降，这种认知资源的持续消耗不仅会导致听觉疲劳，还可能引发社交回避和生活质量下降。虽然听力努力的影响已被广泛认可，但当前临床评估主要依赖主观问卷，缺乏客观、量化的生理指标。近年来，脑电图（Electroencephalogram, EEG）等神经生理技术为揭示听觉认知的神经机制提供了新途径，其中α频段（8-13 Hz）的神经振荡活动被认为与听觉信息处理中的注意力分配和认知控制密切相关。

然而，现有研究多采用固定难度水平的语义性言语材料，难以反映真实环境中动态变化的听觉需求。为突破这一局限，Davide Simeone团队在《Scientific Reports》上发表的最新研究，通过设计一种基于无意义音节的自适应言语噪声测试，结合高时间分辨率的EEG记录，首次系统探讨了α节律在动态任务负荷下的响应模式，为听力努力的神经标记物开发提供了重要证据。

本研究采用多项关键技术方法：首先招募21名听力正常受试者完成单耳自适应言语噪声测试（SNT），通过1-up-3-down阶梯法确定个体言语识别阈值（SRT）；随后将测试试次按SNR相对于SRT的位置分为高负荷（underSRT）和低负荷（overSRT）条件；使用19导干电极EEG系统采集脑电信号，通过独立成分分析（ICA）去除眼动等伪迹；采用基于Morlet小波的时频分析计算相对功率变化（Relative Power Change, RPC），并以聚类置换检验（cluster-based permutation test）识别条件间差异的时空模式；最后通过线性混合效应模型（Linear Mixed-Effects Model, LME）量化行为与神经指标的关联性。

行为学结果验证任务负荷分级有效性

分析显示，与overSRT条件相比，underSRT条件下的平均反应时间显著延长（2.9±0.30 s vs. 2.6±0.23 s, p=0.005），言语识别正确率明显下降（80% vs. 95%）。这一结果证实基于SRT的任务负荷分级有效模拟了不同难度下的认知需求变化。

脑电时频特征揭示α振荡的负荷敏感性

聚类置换检验在刺激呈现后680-840 ms时间窗内，于前额-中央区（C3、Cz、Fz电极）发现显著的负性聚类（T*=-55.13, p<0.01），表明underSRT条件诱发更强的α事件相关同步化。进一步对中央区（C3、Cz、C4）在0.6-1 s时间窗的α RPC分析显示，9/11受试者在高负荷条件下出现α功率增强（p=0.004），符合抑制理论中α活动抑制任务无关脑区的假设。

脑区特异性响应提示语义复杂度的调节作用

时程分析发现中央区α同步化差异最为显著，而前额与顶叶区响应模式重叠度较高。这种区域特异性提示当言语材料语义复杂度降低时，中枢听觉处理区可能承担更主要的认知负荷调节功能，而高级认知脑区的参与程度相对减弱。

本研究通过精细设计的听觉范式与神经信号分析，证实了EEG α振荡可作为评估噪声下言语感知认知负荷的动态生物标记。特别值得注意的是，在简化语义内容的听觉任务中，中央区α同步化对任务负荷变化的敏感性优于传统关注的顶叶区，这为理解不同复杂度听觉场景下的神经调控机制提供了新视角。研究建立的个体化负荷分级方法（dSRT指标）相较于绝对信噪比（SNR）更能预测行为表现，体现了精准化听觉评估的潜力。

尽管受限于样本量和电极数量，该研究仍为听力努力的客观量化提供了重要技术路径。未来通过增加空间采样密度、结合源定位技术，有望更精确地解析听觉认知的神经网络动态。这些发现不仅深化了对听觉中枢处理机制的理论认识，更为开发基于神经反馈的智能助听设备奠定了实验基础，最终推动听觉康复从“信号放大”向“认知增强”的范式转变。