基于快速周期性视觉刺激的多变面部表情神经处理机制研究

本研究通过快速周期性视觉刺激(FPVS)范式，结合高变异性的自然表情刺激，解决了传统研究中因低水平视觉特征干扰导致情绪识别神经机制不明确的问题。研究人员采用EEG技术对38名成人进行测试，发现枕叶和右侧枕颞区对愤怒、恐惧、快乐和悲伤表情均产生显著1.2Hz oddball响应，证实FPVS范式在生态效度更高的实验条件下仍能有效捕捉情绪特异性神经活动，为临床情绪障碍诊断提供了新方法学基础。

　　

人类面部表情识别是社交互动的核心能力，但传统研究方法面临重大挑战：使用相同基刺激难以区分低水平感知与高级情绪识别的神经响应，而严格控制亮度、对比度的标准化处理又牺牲了生态效度。更棘手的是，事件相关电位(ERP)研究中N170成分是否参与情绪处理仍存争议，部分研究甚至发现倒置面孔也能诱发oddball响应，暗示现有范式可能混淆了视觉特征与情绪内容的神经表征。

针对这些方法论困境，密西西比州立大学（Mississippi State University）的研究团队创新性地采用快速周期性视觉刺激(FPVS)范式，结合FACES数据库中1,710张全彩色、包含发型和肩部的自然表情图片，对41名18-28岁成人展开研究。通过6Hz基频呈现中性表情、1.2Hz oddball频率穿插情绪表情的范式，在仅2分钟记录且不做伪迹剔除的条件下，成功捕捉到 robust 的神经响应。这项发表在《Brain Behavior and Immunity Integrative》的研究，为建立高效、生态效度更高的情绪识别研究范式提供了重要依据。

关键技术包括：1）采用64导联BioSemi ActiveTwo系统采集EEG数据（采样率256Hz）；2）设计4种FPVS条件（愤怒/恐惧/快乐/悲伤oddball vs中性基刺激）；3）基于20邻域bin的z-score法确定显著谐波；4）在枕叶(O)、左右枕颞区(lOT/rOT)和额叶(F)设置ROI；5）使用基线校正振幅(BCA)量化响应强度。

【结果】
2.1 参与者特征
38名有效被试（21名女性）的数据显示，相同个体在不同条件间响应强度具有稳定性，4名被试始终呈现较弱响应，提示个体差异可能反映稳定的神经处理特征。

2.2 刺激验证
采用FACES数据库表情的识别率存在梯度差异：快乐(96%)>中性(87%)>愤怒/恐惧(81%)>悲伤(73%)，这种行为学差异可能影响神经响应幅度。

1. 主要发现
   3.1 全脑响应特征
   所有情绪在1.2Hz及其谐波均诱发显著响应（z>1.64），最高达17个显著谐波。120秒连续记录与40秒分段平均策略各有优势，后者可检测更多谐波但需要更复杂处理。

3.2 区域特异性
枕叶响应最强（z=4.61），右侧枕颞区次之（z=3.09），支持"情绪处理右半球优势"理论。额叶虽响应较弱（z=2.10）但达到显著，暗示自动化的自上而下调控存在。

3.3 情绪差异
悲伤表情响应显著弱于其他（p<0.05），可能与进化相关的威胁优先处理机制有关。恐惧与快乐响应无差异，研究者推测数据库未区分恐惧与惊讶可能是关键因素。

【讨论与意义】
这项研究通过三大创新解决了领域难题：1）1710张高变异刺激克服低水平特征干扰；2）全彩色自然图像提升生态效度；3）保留发型/肩部增强泛化能力。结果证实FPVS范式对情绪变化的神经标记具有惊人敏感性——仅2分钟记录、无需伪迹剔除即可获得个体水平显著响应，这种高效特性使其具备临床转化潜力。

特别值得注意的是额叶响应的发现，这与Baudouin等(2023)提出的"前馈-反馈整合模型"吻合：即使在不要求情绪识别的任务中，前额叶仍自动参与情绪显著性评估。而悲伤响应的减弱则可能与Leleu等(2018)报告的"积极情绪偏向"现象相关，反映大脑对威胁/奖赏相关表情的优先处理。

该方法学突破为未来研究开辟了新方向：1）可扩展至多角度/多族裔表情库；2）适用于自闭症(ASD)等临床人群的情绪缺陷评估；3）结合fNIRS等技术可探究皮层下通路。研究者特别强调，该范式操作简便性使其有望发展为标准化临床筛查工具，为情绪障碍的早期识别提供客观神经指标。