自适应路径积分扩散:AdaPID 迈克尔·切尔特科夫(Michael Chertkov)和哈米德雷扎·贝胡(Hamidreza Behjoo)

《Entropy》:Adaptive Path Integral Diffusion: AdaPID Michael Chertkov and Hamidreza Behjoo

【字体: 大 中 小 】 时间:2026年04月28日 来源:Entropy 2

编辑推荐:

  摘要:先前的证据已经确定腹内侧前额叶皮层(vmPFC)在事件构建过程中实现高级语义记忆结构(框架)方面至关重要。如果确实如此,那么与健康组和脑损伤对照组相比,vmPFC患者构建的事件在语义连贯性上应该会有所降低。我们通过让参与者利用物体作为线索来构建事件,并重新分析一个使用句子作

  摘要:先前的证据已经确定腹内侧前额叶皮层(vmPFC)在事件构建过程中实现高级语义记忆结构(框架)方面至关重要。如果确实如此,那么与健康组和脑损伤对照组相比,vmPFC患者构建的事件在语义连贯性上应该会有所降低。我们通过让参与者利用物体作为线索来构建事件,并重新分析一个使用句子作为线索的已发表数据集来验证这一预测。在这两种情况下,我们都使用基于transformer的句子嵌入(S-BERT)来测量患者心理构建的内容与其线索之间的语义连贯性,并进一步利用E5 Multilingual和E5 Italian嵌入模型来验证结果。我们的研究表明,vmPFC损伤后假定的语义连贯性下降实际上是任务依赖的。当线索较少(仅使用物体)时,vmPFC患者的报告显示出较低的地方连贯性、与线索的连接性增强以及词汇多样性减少;相反,当线索较多(使用句子)时,他们的地方和全局连贯性得到了保持甚至增强。我们认为,vmPFC的完整性是触发在最少线索条件下框架激活的必要条件。尽管更多的线索可能有助于框架的激活,但在vmPFC损伤后,框架会退化并变得固化,从而将患者的心理构建限制在更狭窄——因此过度连贯——的语义空间内。

1. 引言
未来的事件在它们被构建之前并不存在,然而人类却能以惊人的容易程度来创造它们。是什么让我们具备这种能力呢?构建事件需要主动选择、组织并将信息整合成一个连贯的结构。实际上,未来的事件遵循一种线索,这种连续性形成了一个叙述序列。这个叙述序列可以受到更多或更少的限制,即它可以遵循(或偏离)一个事件脚本。事件脚本是一种特定类型的框架,即“基于多个情节的关联网络结构,缺乏单元细节”[1]。事件脚本为构建事件提供了基础,塑造了它们的内部结构和时间流程[2,3,4]。先前的研究已经可靠地表明腹内侧前额叶皮层(vmPFC)参与基于框架的认知和事件构建[4,5,6,7,8]。最近,Bein和Niv[9]提出vmPFC通过与其他脑区的互动支持框架认知和记忆重激活的协调。vmPFC实际上对特定框架的结构非常敏感[10,11],并且在自传记忆检索和情景性未来思考过程中始终被激活[12,13,14]。此外,前额叶损伤会损害脚本的序列化和边界检测[15,16],而vmPFC损伤会阻碍动作与其相关框架的关联,尤其是在虚构症患者中[17,18,19,20]。框架作为支持事件构建的支架结构[2]:根据最近的一种理论[21],在事件构建过程中,vmPFC启动新皮层中基于框架的知识的激活,海马体利用这些知识来构建一个粗略的场景(参见[3,4])。然后,海马体-vmPFC之间的相互作用会调节基于框架的检索,以监测复杂事件的发展(参见[22])。这一观点与证据一致,即vmPFC-海马体轴在规则转移期间被高度激活,支持框架的重建[23]。最近的7T fMRI证据进一步强调了vmPFC在构建超越单一场景的时间扩展场景以及整合事件和叙述中的元素方面的作用[24]。Ali等人[25]使用单一线索词(例如“希望”)并指示参与者激活三种不同的表示之一(场景、物体或语义定义)。vmPFC是唯一一个在多体素模式分析中分类器准确率超过物体构建和语义定义的区域,突显了其作为整合低级和高级心理表示的关键枢纽的作用。事实上,vmPFC患者在事件构建过程中通常会产生贫乏的描述[5,6,7,26,27]。基于此,我们之前发现这种损伤可能源于vmPFC损伤后对事件构建所需框架的退化,这些框架变得宽泛或“模糊”[28](参见[17,18,29])。因此,当特别要求报告构成事件脚本的动作时,vmPFC患者仍能保留其“骨架”,即其中更核心的动作(主要动作,参见[28])。因此,我们(以及其他人的)之前的研究结果表明,vmPFC患者确实使用了事件框架,但形式已经退化[4,17,28,30]。

在最近的一项研究中,Park及其同事[31]让参与者观看一段时间顺序混乱的电影,然后复述其推断出的故事。作者使用语义相似性来评估内容编码和事件排序能力。关键的是,海马体与vmPFC之间的功能连通性预测了在需要整合过去和现在信息时的排序表现,这些时刻通过预设的事件叙述和语言模型来确定。因此,作者提出了海马体-vmPFC轴在将事件整合到连贯叙述(即脚本)中的作用。重要的是,这表明文本的语义连贯性受到叙述是否符合事件脚本的影响。

基于此,我们在这里探讨贫乏的框架知识是否会影响vmPFC损伤患者在事件构建过程中话语的结构和所使用的语言。Kurczek和Duff[32]研究了vmPFC损伤对口语论述连贯性和一致性的影响,发现它们在vmPFC患者中得到了保持。然而,如果vmPFC损伤后框架知识退化,并且遵循事件脚本的故事在语义上更加连贯,我们应该预期vmPFC患者在事件构建过程中表现出更低的话语连贯性。计算方法允许研究人员正式量化话语中的语义连贯性。特别是,句子级嵌入模型可以捕捉叙述中的意义轨迹,并已被成功应用于量化精神分裂症和阿尔茨海默病等临床人群中的话语变化[33,34]。在这里,我们使用句子级嵌入模型来检查vmPFC患者在两个实验中的话语语义连贯性(在局部和全局层面上),使用物体或句子作为事件构建的线索(参见[28])。此外,我们还探讨vmPFC患者是否通常会产生具有不同语法结构的句子(例如,名词、形容词等的使用),它们的词汇丰富度(独特词汇的使用),以及这些是否可能受到最少(即物体)或最多(即句子)线索的影响。

2. 实验1:物体线索
2.1. 方法
2.1.1. 参与者
共有52名健康个体(29名男性,平均年龄=58.5 ± 2.6岁;平均教育水平=12 ± 3.4年),8名vmPFC损伤患者(5名男性,平均年龄=59.8 ± 7.3岁;平均教育水平=10.1 ± 3.6年;见图1了解损伤重叠情况),以及8名损伤未侵犯vmPFC的患者(6名男性,平均年龄=59.5 ± 16.2岁;平均教育水平=12.3 ± 5.3年)参与了这项研究。参与者组在年龄(BF10=0.2)、教育水平(BF10=0.4)和性别比例(BF10=0.2)上进行了匹配。所有患者都处于稳定慢性期(损伤后>3个月)。对照组的损伤包括枕叶皮层(两个右脑,一个左脑)、颞叶皮层(两个右脑,一个左脑)、右侧前额-岛叶结构(一名患者)和中脑(一名患者)。所有参与者都提供了参与研究的知情同意书,该研究得到了博洛尼亚大学和艾米利亚-罗马涅地区卫生委员会的批准。图1显示了vmPFC患者脑损伤的位置和重叠情况。损伤位置投影在标准蒙特利尔神经病学研究所脑的相同轴向切片和内侧视图中。轴向切片的水平由大脑内侧视图中的白色水平线表示。红色数字表示z坐标。颜色条表示重叠损伤的数量。所有vmPFC患者都表现出保留的短期记忆(数字跨度表现,等效分数≥1:平均=3.5 ± 0.8;[35])。三名vmPFC患者在散文段落回忆任务中的长期记忆受损(等效分数<1;见[35];平均ES=1.6 ± 1.5)。执行功能通过Weigl卡片分类测试对一名患者进行了评估(表现正常,等效分数=2;见[36]),通过对其他七名患者进行了Wisconsin卡片分类测试,其中六名患者的表现受损(标准分数≤81,平均=71.7 ± 11.7;见[37])。

2.1.2. 程序
参与者在计算机屏幕的白色背景下依次看到一组十二个物体(来自[38])。他们的任务首先是想象围绕物体的场景,该物体保持在屏幕上,直到参与者成功报告脑海中形成了场景。然后,他们必须描述该场景以及可能发生的事件。参与者被要求尽可能详细地大声想象和描述这个场景和事件。具体的12个物体包括:漩涡浴缸、长椅、秋千、汽油泵、笔架、购物车、气球、羽毛、糖果、后视镜、鱼竿和毕业帽。所有报告都被录音并逐字转录。

2.1.3. 语义分析
对于这两个数据集,我们采用了数据驱动的方法,描述了vmPFC患者话语的语义特征及其与线索(即物体或句子)的语义关联。因此,我们采用了基于Sentence-BERT(S-BERT)的句子嵌入方法,这是一种旨在生成上下文敏感的文本向量表示的transformer模型。S-BERT是对流行的BERT(双向编码器表示)模型的修改。与BERT不同,S-BERT被训练用来生成具有语义意义的句子嵌入(而不是词嵌入);因此,含义相似的句子在向量空间中应该有相似的向量表示(嵌入)[39]。S-BERT在训练期间使用孪生网络或三重网络来直接输出固定尺寸(768)的有意义的向量,优化了成对比较的余弦相似度计算。因此,在微调之后,S-BERT可以在一次前向传递中接受一个句子并输出一个固定大小的向量(嵌入)。在这里,我们使用了一个预先训练并微调的S-BERT模型(nickprock/sentence-bert-base-italian-uncased),专门为意大利语言文本设计。

对于局部连贯性分析,我们计算了整个话语中所有相邻句子对之间的句子到句子的余弦相似度,得出了平均相似度(整体流畅性)、最小值(异常句子或主题漂移)和最大值(与前一句的最大对齐)。叙述使用spaCy的意大利分句器分割成句子,该分句器根据标点符号和意大利特有的语言规则识别句子边界。文本预处理保持在最低限度,利用了S-BERT模型的内在能力。因此,省略了词形还原和停用词去除。这些步骤对于像S-BERT这样的基于transformer的模型来说不是必需的,但也可能降低性能[40,41],因为S-BERT使用的上下文嵌入已经考虑了形态变化和停用词在句子中的功能作用。在嵌入生成阶段,所有句子嵌入都经过了L2(欧几里得)规范化。这个过程将向量缩放到单位长度(大小为1),这是一种提高后续余弦相似度计算可靠性的标准做法[42]。为了验证我们的发现,我们使用E5-large多语言(intfloat/multilingual-e5-large;[43,44])和E5Multilingual large Italian(mik3ml/multilingual-e5-large-ita)模型进行了相同的分析(见补充材料)。

在这两项研究中,平均语义连贯性是通过所有相邻句子的语义相似度的平均值获得的,从而得到了文本的平均局部连贯性度量。最小/最大连贯性点是文本中相邻句子之间最小的/最大的连贯性值。这个过程在图2中进行了说明。为了计算全局语义连贯性,句子嵌入被规范化并平均以获得代表文本整体语义内容的中心向量。然后,我们计算了每个句子嵌入与中心向量之间的余弦相似度。这些值的平均值被用作全局连贯性的指标,较高的值表示叙述中更大的语义一致性。最后,为了表征故事与其线索的锚定关系,我们计算了文本与标题之间的平均余弦相似度(对于物体数据集,标题是物体的名称;对于事件数据集,它是线索句子)。由于语义相似性的度量(平均值、最小值和最大值)可能受到报告长度的影响,且我们的vmPFC患者的陈述平均包含的句子数量少于两个数据集中的健康参与者(实验1:BF10 = 3.3;vmPFC平均值 = 2.6;健康对照组 = 4.2;对照患者 = 2.8;实验2:BF10 = 14.6;vmPFC平均值 = 3.1;健康对照组 = 7.7;对照患者 = 2.8),在分析过程中,我们首先检查了语义相似性度量是否与故事的长度(句子数量)相关,如果相关,我们通过在贝叶斯模型中引入长度变量作为协变量来进行统计控制(因变量:语义连贯性度量;自变量:组别)。此外,这些分析只考虑了包含至少3个句子的报告。这导致实验1中有1名vmPFC患者和2名对照患者被排除,实验2中有4名vmPFC患者和4名对照患者被排除。即使在排除后,实验1(年龄:vmPFC = 58 ± 5.8;健康对照组 = 58.5 ± 2.6;对照患者 = 57.2 ± 17.8;BF10 = 0.2;教育水平:vmPFC = 10.7 ± 3.4;健康对照组 = 12.2 ± 3.4;对照患者 = 14.2 ± 4.6;BF10 = 0.5;性别:vmPFC = 5名男性;健康对照组 = 29名男性;对照患者 = 4名男性,BF10 = 0.3)和实验2(年龄:vmPFC = 57.2 ± 7;健康对照组 = 58.1 ± 6.5;对照患者 = 56.3 ± 15.6;BF10 = 0.3;教育水平:vmPFC = 10.2 ± 3.8;健康对照组 = 11.2 ± 3.7;对照患者 = 12.6 ± 3.1;BF10 = 0.3;性别:vmPFC = 2名男性;健康对照组 = 32名男性;对照患者 = 7名男性,BF10 = 1.2)中,参与者组在年龄、教育水平和性别比例上进行了匹配。2.1.4. 语言分析为了描述参与者叙述的语言方面,每个句子都被分词并使用意大利语的spaCy模型(spaCy版本3.8.7;it_core_news_md版本3.8.0)进行了词性标注(POS)。词性标注是一个将每个词分配其在句子中的相应语法功能的程序(例如,动词、代词),并计算它们在叙述中出现的频率。只有字母化的标记被保留用于POS分析。对于每段文本,每个POS类别的相对频率被计算为总字母化标记(单词)的百分比,以确保跨组的比较具有意义。POS类别包括助动词、介词、限定词、名词、副词、代词、动词、从属连词、并列连词、形容词、专有名词、感叹词、其他/未知。此外,为了探讨vmPFC患者是否有词汇贫乏的现象,我们还计算了移动平均类型-标记比率(MATTR;[45])。MATTR是平均类型-标记比率(TTR)的扩展,TTR仅仅是文本中唯一标记(单词)的比例除以总单词数。相反,MATTR是通过在文本上滑动窗口计算平均类型-标记比率得到的,从而得到一个不受文本长度影响的词汇多样性指标[46]。在这里,我们使用了25个标记的滑动窗口,但同时也通过采用15个标记的窗口来验证结果。除了MATTR(S-BERT连贯性度量、POS标注)之外的所有语义和语言分析都是在Python(版本3.13.2)中执行的:MATTR分数是在RStudio(版本2022.2.0.443)中计算的,所有统计分析也是在R(版本4.4.1)中进行的。对于统计分析,我们使用BayesFactor包(版本0.9.12.4.7)中的anovaBF和generalTestBF函数来计算贝叶斯方差分析(或回归)的贝叶斯因子,始终使用默认的先验设置和默认的MCMC迭代次数(参见[47])。事后比较是从bain包(版本0.2.11)中获得的,使用BF.c,它表示当前假设与其对立假设的贝叶斯因子(参见[48])。完整的数据集(不包括我们出于隐私考虑不共享的叙述)以及语义连贯性计算和所有统计分析的脚本都可以在OSF平台的链接https://osf.io/trk9g/overview?view_only=5d2c90061c474a61be8210ca9145fd91上找到(2025年12月24日访问)。2.2. 结果 2.2.1. 叙述的语义方面故事的平均语义连贯性。没有证据表明故事的平均句子数量与其平均语义相似性之间存在相关性(Pearson’s r = ?0.07;BF10 = 0.32 ± 0%),因此我们进行了单向贝叶斯方差分析,以平均局部语义连贯性作为因变量,组别作为自变量,发现了组间差异(BF10 = 25.3 ± 0%)。具体来说,vmPFC患者的文本局部语义连贯性低于健康对照组(0.35 vs. 0.41,BF.c = 56.3)和对照患者(0.35 vs. 0.5,BF.c = 246),并且对照患者的局部语义连贯性也高于健康对照组(0.5 vs. 0.41,BF.c = 24.6;见图3)。图3. 语义分析的结果(实验1)。从左到右:语义连贯性的最高点、最低点(顶部面板)、平均语义连贯性、与提示的语义连贯性(底部面板)。点代表单个参与者;线代表平均值。最低语义连贯性点。有强烈证据表明故事的长度与其最低语义连贯性点之间存在负相关(r = ?0.35;BF10 = 12.9 ± 0%),因此我们进行了双向贝叶斯方差分析,以最低语义连贯性作为因变量,组别和故事的平均长度作为自变量。最佳模型是同时包含故事长度和组别作为自变量的模型(BF10 = 91 ± 1.1%)。事实上,vmPFC患者的最低连贯性点低于健康对照组(0.25 vs. 0.29;BF.c = 24)和对照患者(0.25 vs. 0.4;BF.c = 106),并且对照患者的最低语义连贯性也高于健康对照组(0.4 vs. 0.29;BF.c = 25.9)。最高语义连贯性点。没有证据表明故事的长度与其最高语义连贯性点之间存在相关性(r = 0.21;BF10 = 1 ± 0%)。以最高语义连贯性点作为因变量,组别作为自变量的单向贝叶斯方差分析显示了组间差异(BF10 = 7.5 ± 0%),使得vmPFC患者的最高连贯性点低于健康对照组(M = 0.46)和对照患者(M = 0.53;BF.c = 13.9)和对照患者(M = 0.61;BF.c = 72.7),并且对照患者的最高语义连贯性也高于健康对照组(BF.c = 16.6)。故事与其提示的连贯性。我们计算了故事与其提示(物体的名称)的平均语义连贯性。有极端证据表明故事的长度与其提示的语义连贯性之间存在负相关(r = ?0.36;BF10 = 16 ± 0%),因此我们进行了双向贝叶斯方差分析,以平均语义连贯性作为因变量,组别作为自变量,句子的平均数量作为协变量。最佳模型是仅包含组别的模型(BF10 = 3 × 1024 ± 0%)。总体而言,vmPFC患者产生的故事在主题上更“贴近”提示,相对于对照组(vmPFC vs. 健康:0.27 vs. 0.1,BF.c = 2 × 1013;vmPFC vs. 对照患者:0.27 vs. 0.23,BF.c = 14.7;健康 vs. 对照患者:0.1 vs. 0.23;BF.c = 2 × 1013)。这些发现通过其他两种嵌入模型(E5-Multilingual和E5 ITA)得到了验证,并控制了教育水平;见补充材料。全局连贯性。没有证据表明在全局连贯性(与语义中心的距离)方面存在组间差异(BF10 = 1.4 ± 0.01%),尽管vmPFC患者的平均全局连贯性在数值上低于健康对照组(M = 0.774),但并不低于对照患者(M = 0.731)。2.2.2. 叙述的语言方面词性标注。在从属连词的使用频率上存在组间差异(即引入从句并将其连接到主句的单词,如“that”、“because”或“although”;BF10 = 29.7±0.01%)。特别是,vmPFC患者使用的从属连词比健康对照组多(2.26% vs. 1.37%,BF.c = 107),vmPFC患者和对照患者之间的差异较弱(轶事性证据)(2.26% vs. 1.98%,BF.c = 2.5)。另一方面,对形容词使用频率的标准化单向贝叶斯方差分析显示了组间差异(BF10 = 138 ± 0.01%),表明vmPFC患者在他们的叙述中使用形容词的倾向较低,相对于两个对照组(vmPFC vs. 健康:2.63% vs. 4.56%,BF.c = 6 × 105;vmPFC vs. 对照患者:2.63% vs. 3.14%,BF.c = 3;健康 vs. 对照患者:4.56% vs. 3.14%,BF.c = 61)。此外,vmPFC患者使用代词的频率更高(BF10 = 8.5 ± 0.02%),无论是与健康对照组(11.8% vs. 9%,BF.c = 539.5)还是对照患者(11.8% vs. 10.6%,BF.c = 4.2)相比。其他POS类别没有差异(所有BF10 < 1.1)。词汇多样性——移动平均类型-标记比率(MATTR)。在词汇多样性方面存在组间差异,通过MATTR-25分数来衡量(BF10 = 7.9 ± 0.01%),表明vmPFC患者的词汇量不如两个对照组多样化(vmPFC患者,M = 0.894;健康对照组,M = 0.913;对照患者,M = 0.906;vmPFC患者 vs. 健康对照组,BF.c = 19.8;vmPFC患者 vs. 对照患者,BF.c = 5),健康对照组的词汇丰富度高于对照患者(BF.c = 6.3)。使用15个标记的窗口也得到了相同的结果(MATTR-15;见补充材料)。3. 实验2:事件提示 3.1. 方法 3.1.1. 参与者我们重新分析了Stendardi等人[28]的数据集,该数据集包括8名vmPFC损伤的参与者(6名男性,平均年龄 = 58 ± 5.9岁;平均教育水平 = 10.6 ± 3.2岁),11名vmPFC以外部位有损伤的对照患者(9名男性,平均年龄 = 55.8 ± 12.4岁;教育水平 = 13.3 ± 3.1岁),以及46名健康参与者(32名男性,平均年龄 = 58.2 ± 6.5岁;教育水平 = 11.5 ± 3.3岁)。参与者组在年龄(BF10 = 0.2)、教育水平(BF10 = 0.6)和性别比例(BF10 = 0.2)上进行了匹配。共有7名vmPFC患者参与了实验1;1名对照患者参与了实验1。参与者提供了知情同意,该研究得到了博洛尼亚大学生物伦理委员会的批准。vmPFC患者的背景细节及其神经心理学分数已在Stendardi等人[28]中报告。我们在这里重申相关数据:所有vmPFC患者的损伤都是由前交通动脉(AcoA)动脉瘤破裂引起的(六个双侧,一个右侧,一个左侧)。对照患者的损伤部位包括右侧颞叶(四名患者)、右侧额颞叶皮层、右侧颞顶叶皮层、右侧枕颞叶皮层、左侧颞叶和左侧枕叶皮层(各一个案例)。所有患者都处于稳定慢性阶段(受伤后>3个月)。vmPFC患者表现出完整的短期记忆(数字广度表现,等效分数≥1:平均 = 3.1 ± 1.1;见[35])。两名vmPFC患者在散文段落回忆方面表现出长期记忆受损(等效分数< 1;平均 = 2.1 ± 1.6;见[35]),而其余六名患者的表现处于正常范围内。八名vmPFC患者中有六名在执行功能方面存在缺陷,通过威斯康星卡片分类测试进行了测量(总错误数标准分数≤81;平均 = 77.6 ± 20.4;见[37])。3.1.2. 程序我们分析了非脚本条件下的数据(即,不受强烈底层脚本约束的事件),因为这是唯一一个所有参与者都获得了相同的4个事件构建提示的条件,因此允许直接比较三组故事的语义方面。具体来说,在阅读到一个句子提示后,参与者被要求尽可能详细地想象并大声描述一个可能在未来发生在他们身上的事件,这些事件包括:寻找丢失的手表;在新社区结交朋友;照看三个分别为4岁、7岁和11岁的孩子几个小时;取回侄子/侄女扔到树上的足球。所有故事都被录音并逐字转录。

3.2 结果
3.2.1 叙事的语义方面
平均语义连贯性:我们发现故事的长度与其平均语义连贯性之间存在相关性(r = ?0.46;BF10 = 123.9 ± 0%),因此我们进行了一个双向贝叶斯方差分析(ANOVA),以平均语义连贯性作为因变量,变量组和平均句子数量作为协变量。最佳模型是包含这两个独立变量的模型(BF10 = 130.8 ± 0.8%),显示了两者的叠加效应。vmPFC患者在他们的叙述中表现出更高的局部语义连贯性(0.58 vs. 0.46;BF.c = 9.3),尽管没有足够的证据表明vmPFC患者与对照组之间存在差异(0.58 vs. 0.53;BF.c = 2)。对照组患者的局部语义连贯性也高于健康对照组(0.53 vs. 0.46;BF.c = 16.3)。
最小语义连贯点:故事的长度与其最小语义连贯点之间再次显示出强烈的负相关性(r = ?0.6;BF10 = 2 × 104 ± 0%),因此我们进行了相同的双向贝叶斯方差分析。最佳模型是包含故事长度和组别的独立变量的模型(BF10 = 3 × 104 ± 0.6%)。这一次,vmPFC患者在最小连贯点上高于健康对照组(0.52 vs. 0.31;BF.c = 38.8),而对照组患者之间的最小连贯点也更高(0.52 vs. 0.39;BF.c = 5.5),尽管对照组患者的最小连贯点仍然高于健康对照组(0.39 vs. 0.31,BF.c = 5.8)。
最大语义连贯点:故事的长度与其最大语义连贯点之间没有相关性(r = 0.1;BF10 = 0.4 ± 0%),也没有组别差异的证据(BF10 = 0.58 ± 0%)。
故事与提示的语义连贯性:故事的长度与其提示的语义连贯性之间没有相关性(r = 0.08;BF10 = 0.4 ± 0%),因此我们进行了一个单向贝叶斯方差分析,以平均语义连贯性作为因变量,变量组作为独立变量,没有发现组别差异(BF10 = 2.1 ± 0%)。结果如图4所示。这些发现通过另外两个嵌入模型(E5 Multilingual和E5 ITA)得到了数值上的复制,并且在控制教育水平的情况下也完全复制了(见补充材料)。

3.2.2 叙事的语言方面
职位标记:名词使用频率的标准化存在组别差异,两个患者组倾向于使用较少的词汇来描述事件(例如,“城市”、“狗”、“衣服”;ANOVA BF10 = 1 × 107;vmPFC患者:11.6%;对照组患者:11.7%;健康对照组:16.9%;vmPFC vs. 健康对照组,BF.c = 8 × 107;对照组患者 vs. 健康对照组,BF.c = 2 × 1013)。然而,两个患者组都比健康对照组更频繁地使用代词(ANOVA BF10 = 5.2)(vmPFC患者:11.8%;对照组患者:11.6%;健康对照组:9.6%;vmPFC vs. 健康对照组,BF.c = 13.3;对照组患者 vs. 健康对照组,BF.c = 5 × 103)。最后,与实验1一样,vmPFC患者使用的形容词较少,而两个对照组之间没有差异(ANOVA BF10 = 286 ± 0%;vmPFC患者:2.4%;对照组患者:3.1%;健康对照组:4.4%;vmPFC vs. 健康对照组,BF.c = 1 × 106;vmPFC患者 vs. 对照组患者,BF.c = 5.2)。在其他词性类别中没有发现差异(所有BF10 < 2)。
词汇多样性—移动平均类型-标记比率(MATTR):MATTR-25得分没有组别差异的证据(BF10 = 0.28 ± 0.02%),表明vmPFC患者与对照组在词汇使用上没有差异(vmPFC患者,M = 0.889 ± 0.01;健康对照组,M = 0.883;对照组患者,M = 0.888)。结果使用15个标记的窗口得到了复制(见补充材料)。

4. 讨论
本研究通过两个不同的实验(实验1使用对象提示,实验2使用句子提示)探讨了vmPFC损伤对口语叙事的语义连贯性和语言特征的影响。由于先前的研究强调vmPFC损伤会导致图式知识的退化[17,28,49,50],我们预期vmPFC患者在话语中的整体语义连贯性会降低。这一预测仅在实验1中得到证实,当时参与者需要从某个对象开始想象并描述一个事件,而在实验2中,参与者收到的是一个简短的叙事提示(句子)作为线索。因此,我们的结果与预测的vmPFC患者整体语义连贯性降低的情况并不一致[32]。相反,这些结果表明情况更为复杂。在实验1中(对象提示),vmPFC患者在局部语义连贯性上低于健康对照组和对照组患者。这体现在平均、最小和最大连贯性测量上。此外,他们的故事在语义上与对象提示联系更紧密。他们的话语整体连贯性与对照组相似,尽管低于健康对照组。在语言层面,vmPFC患者使用的形容词较少,代词较多,词汇多样性较低。而在实验2中(句子提示),vmPFC患者的局部语义连贯性高于健康对照组(尽管与对照组患者相似)。此外,他们的最小连贯点更高,整体连贯性也更高。此外,vmPFC患者使用的名词和形容词较少,但三个组之间的词汇多样性没有差异,表明他们的词汇量总体上保持不变。

我们对实验1和2中看似矛盾的发现提出了一种初步的解释,认为vmPFC患者的语义连贯性受损取决于提示的性质。由于vmPFC被认为驱动基于图式的知识激活以构建事件[21,22],因此,在提供最小(对象)提示时(例如,气球),vmPFC患者可能无法激活详细的、相关的图式(例如,典型的生日派对),从而无法开始构建连贯的事件。vmPFC患者的话语异常地固定在提示上,这支持了这一解释。因此,vmPFC患者在响应单一提示词时在构建事件方面存在障碍[5,6]。扩展的(句子)提示避免了实际事件构建的需要,因为它们提供了一个几乎准备好的事件,患者只需对其进行详细阐述(见[51]的讨论)。这可能有助于图式的激活。然而,由于vmPFC损伤导致图式退化和简化[28],患者构建的经验将围绕剧本的核心(主要)行动展开,创造性和插入独特内容的可能性降低。这与话语的整体连贯性倾向于较高相符,即使是在全局层面上测量时也是如此(即,距离语义中心的平均距离)。从这个角度来看,vmPFC患者在语义连贯性上的不一致性可能表明vmPFC损伤影响了图式处理和事件构建的多个阶段,包括事件构建的初始触发和其详细阐述。因此,vmPFC患者在构建事件方面受到损害[21,52]。此外,vmPFC患者在构建扩展事件和场景方面存在缺陷[5,26],但能够详细阐述从已构建的事件[27]和视觉可用场景[53]中选取的片段。这些发现确实得到了最近的功能磁共振成像(fMRI)证据的支持,这些证据强调了vmPFC在构建超越单一场景的时间延伸场景以及整合低级和高级心理表征以产生复杂场景中的关键作用[24]。

另一种解释是,vmPFC患者可能并没有内在的语义连贯性受损,因此,我们两个实验中的明显差异可能仅仅反映了数据集的依赖效应。Kurczek & Duff[32]报告称,双侧vmPFC损伤并没有损害口语话语的连贯性或凝聚力。然而,值得注意的是,在Kurczek & Duff的研究中,话语是通过扩展提示(一种中介话语引发方法,MDEP [54]、一种图片描述和一种故事复述样本)一致地引发的,类似于我们在实验2中使用的提示,并且连贯性是通过人类判断来评估的;因此,这种方法可能对数据集之间的潜在不一致性不太敏感。在这方面,区分不同的语义连贯性操作化方法很重要。人类评分捕捉到了话语的感知流程,而语言计算指标则量化了语言单位(单词、句子)在语义空间中的数学接近度。因此,这两种指标可能提供了关于叙事组织不同层次的见解:一个故事对人类听者来说可能是语义连贯的,但在计算分析时却表现出语义漂移或降低的语义相似性,反之亦然,因为人类听者可能会根据他们的生活经验、背景知识和独特的图式来推断意义和连贯性。这种区分也解释了为什么我们的方法捕捉到了在我们之前使用的测量方法中没有出现、甚至没有引起我们注意的细微任务依赖性波动。

我们在这里提出的解释也与我们在实验1中发现vmPFC患者故事中的词汇多样性降低相符,这表明即使在语言层面上,从最小提示生成事件的能力也有更明显的损伤。然而,我们注意到vmPFC患者在实验1和实验2中的话语有两个共同的语言特征:代词的频率较高,可能是对实体生成缺陷的补偿;形容词的频率较低。这些语言特征似乎与文本的语义连贯性水平无关,因为它们在两个实验中都很明显:一种可能是,增加代词使用和减少形容词使用可能反映了倾向于连贯性的叙述风格,但限制了描述的丰富性,这与之前的研究一致,这些研究表明vmPFC患者的情节记忆和未来思维任务受损[4,5,6,7,26,55]。

总之,我们已经展示了vmPFC损伤以任务依赖的方式影响语义连贯性和语言表达:最小提示(实验1)导致局部语义连贯性和词汇丰富度降低,更加依赖提示;而扩展提示(实验2)能够触发图式激活,并支持事件构建的开始,至少使vmPFC患者能够脱离提示。在这种情况下,由于未能重新建立图式的细节和时间结构[28,56],vmP患者仍然受到有限的语义环境的限制,从而导致局部和整体语义连贯性的增强。

补充材料
以下支持信息可以下载:https://www.mdpi.com/article/10.3390/e28050488/s1
参考文献[43,44]在补充材料中引用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号