基于AI驱动的EEG微状态分析揭示情绪对错误记忆形成的时空动态影响机制

本研究通过AI驱动的EEG微状态分析技术，探究情绪（正/负/中性）对错误记忆形成的动态影响。研究人员采用DRM范式结合音乐诱导情绪，构建AI-PLV功能网络，发现不同情绪组在回忆处理阶段呈现显著差异：积极情绪组前额叶微状态3/5持续激活促进错误记忆，消极情绪组枕叶微状态1主导导致认知抑制，中性组则侧重中央区微状态3/4的感觉整合。该研究为理解情绪相关记忆扭曲提供了神经科学框架，对认知心理学和司法证言评估具有重要价值。

　　

记忆是人类认知的核心功能，但大脑常会虚构未曾发生的细节——这种现象被称为错误记忆(false memory)。更令人惊讶的是，情绪状态会显著影响错误记忆的形成，有时积极情绪让人更容易"记住"不存在的事情，而消极情绪反而可能抑制这种倾向。这种矛盾现象背后的神经机制长期困扰着科学家，传统研究方法难以捕捉毫秒级的脑电活动变化，更无法解析情绪与记忆交互的时空动态特征。

为破解这一难题，研究人员开展了一项创新性研究，通过结合人工智能(AI)与脑电图(EEG)微状态(microstate)分析技术，首次从时空维度揭示情绪影响错误记忆的神经机制。研究采用经典的Deese-Roediger-McDermott(DRM)范式，通过音乐诱导三种情绪状态（积极/消极/中性），同时记录被试的EEG信号和行为数据。借助AI驱动的微状态聚类算法，将记忆识别过程分解为早期处理、熟悉性处理、情景回忆处理和检索后处理四个认知阶段，并构建相位锁定值(phase-locking value, PLV)功能网络，定量分析不同情绪组的脑区激活模式。

关键技术包括：(1)DRM范式结合情绪诱导；(2)64导联EEG信号采集与预处理；(3)K-means聚类算法实现微状态分类；(4)Krzanowski-Lai准则确定最优聚类数；(5)AI-PLV功能网络构建与拓扑参数分析。研究纳入27名健康被试，随机分为三组接受不同情绪干预。

研究结果揭示：

1. 微状态时空特征
   早期处理阶段所有组均表现为枕叶主导的微状态1，反映相似的视觉信息处理；而在关键的情景回忆阶段，积极情绪组前额叶微状态3/5持续激活（左前额叶主导），消极情绪组则滞留于枕叶微状态1，中性组表现为中央区微状态3/4的持续激活。AI分析显示，微状态3在左前额叶的激活与语义编码相关，微状态5的右前额叶激活则关联情景提取。

2. 功能网络差异
   AI-PLV网络分析表明：积极情绪组在微状态3呈现最高节点度(26.8)和全局效率(0.322)，消极情绪组在微状态1的各项参数最低（节点度27.2，全局效率0.189）。特别值得注意的是，积极情绪组在左前额叶形成关键节点集群(FZ/F1/F3)，而消极情绪组在右前额叶节点(FP2/AF4)连接密度显著增高。

3. 行为学关联
   与神经活动相对应，积极情绪组的错误记忆发生率最高(83%)，反应时最短(845.7ms)；消极情绪组虽反应较快(874.5ms)，但错误率(76%)显著低于积极组；中性组表现出最长的反应时(933.31ms)和最低错误率(73%)。这种"情绪-脑电-行为"的三重对应关系，证实前额叶激活程度与错误记忆发生率呈正相关。

讨论与结论：
该研究通过AI增强的EEG微状态分析，首次绘制出情绪调控错误记忆的神经时空图谱。发现积极情绪通过持续激活左前额叶微状态3，增强语义联想和情景提取，导致"过度联想"型错误记忆；消极情绪则通过右前额叶微状态5的异常激活，产生情绪干扰型记忆扭曲；中性状态依赖中央区微状态4的感觉整合，保持较高记忆准确性。这些发现为情绪性记忆失真现象提供了机制性解释，对司法证言评估、广告心理学和情感障碍治疗具有重要启示。

研究创新性地将AI算法与微状态动力学相结合，突破传统ERP分析的时间分辨率限制，证实情绪状态通过改变前额叶-枕叶功能耦合模式来调控记忆可靠性。未来研究可拓展至临床人群，开发基于微状态特征的记忆准确性预测模型，为认知神经科学和人工智能的交叉融合开辟新方向。该成果发表于《Neuroscience Informatics》，为理解人类记忆的脆弱性提供了全新视角。