低β频段EEG揭示面孔性别分类中的序列依赖性神经机制

本研究通过EEG记录结合分类技术，揭示了面孔性别判断中序列依赖性的神经振荡基础。意大利佛罗伦萨大学等机构的研究团队发现，当前面孔的EEG信号可解码前次判断结果，且解码准确度与行为偏差强度显著相关。关键发现表明，女性面孔诱发的14Hz和男性面孔诱发的18Hz低β振荡是传递性别预测信息的关键载体，为理解感知预测的神经机制提供了新证据。

　　

人类大脑如同精密的预测机器，不断利用过往经验构建内部模型来解读感官输入。这种预测机制在面孔感知中尤为显著——当我们判断一张面孔的性别时，前一刻看到的性别信息会系统性地影响当前判断，这种现象被称为"序列依赖性"(serial dependence)。虽然行为研究已证实该现象广泛存在于面孔身份、性别和吸引力判断中，但其背后的神经机制始终成谜。特别值得注意的是，先前研究发现性别判断偏差会以特定频率振荡：女性面孔诱发约13.5Hz，男性面孔诱发约17Hz的周期性偏差。这提示β频段神经振荡可能在传递预测信息中扮演关键角色。

为揭示这一现象的神经基础，来自意大利佛罗伦萨大学(University of Florence)、澳大利亚西澳大学(University of Western Australia)和比萨大学(University of Pisa)的研究团队设计了一项创新实验。研究采用脑电图(EEG)记录结合机器学习技术，探索面孔性别判断中序列依赖性的神经表征。12名参与者需对混合呈现的男性、女性和中性化面孔进行性别分类，同时记录其EEG信号。

研究主要采用三项关键技术：1)单试次广义线性模型(GLM)分析行为振荡特征；2)窄带滤波(14-20Hz)EEG信号能量包络提取；3)支持向量机(SVM)分类器构建时空泛化矩阵，以前次判断结果标记当前EEG数据进行解码。所有分析均采用严格的簇校正和贝叶斯统计验证。

行为结果(序列依赖性和偏差振荡)
数据分析显示，参与者对中性化面孔的判断存在显著序列依赖性：前次判断为男性时，当前中性面孔更可能被判断为男性(平均偏差0.082±0.13)。这种偏差并非恒定，而是以特定频率振荡——前次女性判断诱发14Hz的偏差波动，前次男性判断则诱发18.5Hz的波动。这一发现完美复现了Bell等早先的研究结果，证实行为振荡具有跨实验范式的稳定性。

EEG结果(ERP和功率分析)
传统事件相关电位(ERP)分析显示，前次判断为男性或女性的EEG波形高度相似，无明显差异。功率分析也未发现14Hz或18.5Hz振荡功率的显著变化。这表明序列依赖性的神经信号可能隐藏在复杂的时空模式中，需要更精细的解码技术来捕捉。

解码结果
研究突破在于成功从前次判断分类当前EEG信号。时空泛化矩阵显示，在刺激呈现后340-560ms和1080-1200ms两个时段，解码准确率显著高于随机水平(50%)。特别值得注意的是，当中性面孔被判断为女性时解码效果最佳，这可能与参与者普遍存在的男性判断倾向有关。激活模式分析揭示，早期解码依赖枕叶电极，300ms后转为前额电极主导，500ms后顶枕联合区参与，呈现动态的神经信息流。

解码准确度与序列依赖性强度的相关性
最富启示的发现是解码准确度与行为序列依赖性强度的高度相关性(r=0.89)。窄带滤波分析进一步显示，女性相关解码在15Hz达到峰值，男性相关解码则在17Hz最佳，与行为振荡频率惊人一致。贝叶斯因子分析(LogBF>1)为这种频率特异性提供了统计支持。

这项发表于《BMC Biology》的研究首次证实，面孔性别判断中的序列依赖性效应与低β振荡(14-20Hz)的神经信号密切相关。研究发现当前EEG中携带的前次判断信息能够预测行为偏差强度，且最佳解码频率与行为振荡频率精确对应。这为"预测编码"(predictive coding)理论提供了实证支持——低频神经振荡可能是大脑传递内部预测的信使。

从技术角度看，研究创新性地将单试次行为振荡分析与EEG解码相结合，克服了传统ERP方法灵敏度不足的局限。发现的14/18Hz双通道振荡机制，暗示大脑可能采用多频段编码策略处理不同性别特征。这些发现不仅深化了对感知预测神经机制的理解，也为临床研究注意缺陷、自闭症等社会认知障碍提供了新的生物标记思路。未来研究可进一步探索这种振荡机制是否普遍存在于其他高级认知功能中。