基于fNIRS技术的"肥胖谈论"自然对话数据集揭示女性自我客体化的神经机制

本研究通过40通道便携式近红外光谱(fNIRS)技术，采集31名女性参与者在"肥胖谈论"(fat talk)和中性话题对话时的前额叶-顶叶脑区活动数据，结合主观报告和行为分析，首次公开了自然社交场景下自我客体化(self-objectification)的神经影像数据集。研究发现肥胖谈论显著增强身体监视(body surveillance)和身体不满(body dissatisfaction)，并激活左侧额下回(inferior frontal cortex)区域，为探索人际对话中的情绪认知反应及fNIRS数据处理算法开发提供了宝贵资源。

　　

在社交媒体主导的时代，女性几乎每天都会面临关于外貌的社会评价。这种被称为"自我客体化"(self-objectification)的心理现象，使个体过度关注他人对自己外表的看法，进而引发抑郁、焦虑、进食障碍等一系列心理问题。更令人担忧的是，既往研究发现，当人们将他人"物化"时，大脑中负责社会认知的脑区活动会明显减弱。然而，这些结论大多来自高度控制的实验室环境，人们不禁要问：在真实的社交互动中，大脑究竟如何处理这些外貌相关的评价？

为了回答这个问题，上海师范大学心理学系的Yinying Hu团队联合浙江大学等单位，在《Scientific Data》发表了首个利用功能性近红外光谱技术(fNIRS)记录的"肥胖谈论"(fat talk)自然对话数据集。研究人员创新性地采用生态效度更高的实验范式，让31名女性大学生先后进行三种主题的5分钟对话：中性话题预测试、肥胖谈论和中性话题后测试。通过同步采集fNIRS信号、视频行为数据和主观问卷，揭示了自我客体化状态下的神经活动特征。

研究主要采用了三项关键技术：1)使用40通道便携式NIRSport设备采集前额叶-顶叶区域的脑活动信号，采样率达7.6Hz；2)通过虚拟配准方法(virtual registration method)将fNIRS通道坐标对应到MNI标准脑空间；3)采用运动能量分析(motion energy analysis)量化对话期间的头部和身体运动。所有数据均经过严格的质量控制，包括时间序列检查、功率谱密度分析和多种去噪处理。

【背景与摘要】研究证实，以"我的身体哪部分最不满意"等话题诱导的肥胖谈论，能有效引发自我客体化状态。与中性话题相比，肥胖谈论后参与者的身体监视(Objectified Body Consciousness Scale)和身体不满(Body Image State Scale)评分显著升高，同时伴随着特定脑区的激活变化。

【数据记录】数据集包含四类数据：1)主观报告(人口统计学资料和OBCS、BISS、PANAS量表得分)；2)fNIRS原始信号(.wl1/.wl2格式)及预处理数据(.nirs/.snirf)；3)从视频提取的行为运动能量数据；4)中英文对照的对话文本及时间戳。所有数据均匿名化处理后存储在Open Science Framework平台。

【技术验证】数据分析显示，肥胖谈论主要激活了左侧额下回区域(通道7，MNI坐标：-56,41,-3)。这一发现与既往研究认为额下回与身体监视相关的结论一致。功率谱密度分析确认了数据质量良好，可见明显的心跳(约1Hz)和呼吸(0.1-0.7Hz)生理信号。

【使用说明】该数据集具有双重价值：一方面为开发自然对话场景下的fNIRS运动伪迹去除算法提供了测试平台，包括小波去噪、样条插值等多种方法比较；另一方面，通过整合神经影像、行为数据和对话内容分析，有助于深入理解自我客体化状态下功能连接的变化模式。

这项研究开创性地将自然对话范式引入自我客体化的神经机制研究，其重要意义体现在三个方面：首先，弥补了传统实验室研究生态效度不足的缺陷，首次在接近真实社交场景下记录脑活动；其次，公开的高质量数据集为后续研究提供了宝贵资源；最后，发现肥胖谈论特异性地激活额下回，为临床干预身体意象障碍提供了潜在的神经标记靶点。未来研究可在此基础上，进一步探索不同人群(如饮食障碍患者)在类似情境下的神经反应差异，以及有效的认知干预策略。