揭示人脑活动中的节奏分类机制：基于频率表征相似性分析的神经证据

研究人员通过EEG记录和频率表征相似性分析(fRSA)技术，探究人脑如何将连续节奏刺激自动分类为离散神经表征。研究发现大脑活动能超越声学特征追踪，形成与行为一致的节奏类别，且该过程独立于运动任务，为理解音乐感知的生物学基础提供了新视角。

　　

音乐节奏的感知是人类跨文化共有的核心能力，但大脑如何将无限变化的节奏输入映射为有限类别，一直是认知神经科学领域的未解之谜。传统研究依赖行为实验，无法直接观测神经层面的分类机制。比利时圣吕克医院-鲁汶大学（Saint-Luc Hospital–University of Louvain）的研究团队在《SCIENCE ADVANCES》发表突破性成果，首次通过创新性方法揭示了人脑自动形成节奏类别的神经证据。

研究采用频率表征相似性分析(fRSA)结合脑电图(EEG)技术，记录18名健康成人在被动聆听两间隔节奏序列时的神经活动。通过构建13种从1:1到2:1的节奏连续体，同步采集手指敲击行为数据，并建立生物拟真的听觉神经模型作为对照。

关键技术方法

1. 频率标记技术：通过750ms周期节奏刺激诱发稳态诱发电位(SSEP)
2. 多模态数据采集：64导EEG与高精度力传感器同步记录
3. 表征相似性分析(RSA)：量化神经/行为表征与理论模型的匹配度
4. 听觉神经建模：UR_EAR工具箱模拟外周听觉通路响应

主要研究结果

行为证据验证节奏分类
分析敲击间隔比(ITI)发现显著偏离刺激比例的S型分布，通过fRSA构建的敲击力信号表征相似矩阵(RSM)与分类模型相关性达0.71，证实行为层面存在1:1和2:1两类原型，边界位于0.55-0.56区间。

连续信号揭示分类特征
创新性地将fRSA应用于连续敲击信号，发现时域力信号与离散ITI分析的分类结构高度一致(ρ=0.72)，证明方法可规避传统标记点提取的限制。

神经活动展现自动分类
EEG响应在1.33Hz基频及其谐波处显示显著能量。控制声学模型影响后，神经RSM仍与分类模型显著相关(ρ=0.49)，且14/18个体达到显著性，边界位置(0.56)与行为数据吻合。

原型分析揭示神经偏向
通过76种节奏模板匹配发现，神经响应偏向0.53、0.63等非整数比原型，同时出现0.75(3:1)等谐振比例，表明分类机制整合了生理约束与学习经验。

讨论与意义
该研究通过fRSA技术首次证明：1）节奏分类是独立于运动系统的自动神经过程；2）分类边界与行为实验高度一致但不受外周听觉非线性限制；3）神经原型呈现文化经验与生物约束的交互特征。方法学突破使未来能在婴幼儿、跨文化群体及动物模型中直接追踪节奏表征的演化，为阐明音乐认知的神经基础开辟新途径。研究结果支持"双重机制"理论——既存在对小整数比的神经偏好，又通过塑性网络实现文化特异性编码，这对理解人类音乐行为的生物多样性具有深远意义。