新型自然主义肢体运动刺激的有效性验证——用于研究成年人的生物运动感知

《Frontiers in Human Neuroscience》:Validation of novel naturalistic limb movement stimuli for studying biological motion perception in adults

【字体: 大 中 小 】 时间:2026年05月07日 来源:Frontiers in Human Neuroscience 2.7

编辑推荐:

  摘要 引言:理解我们如何感知和解释其他生物的运动对于社交互动、生存以及适应动态环境至关重要。传统的生物运动感知研究主要使用简化的刺激,如点光源显示,这虽然便于实验控制,但却牺牲了生态有效性。 方法:为了克服这一局限性,我们创建了一种新的刺激集,其中包含了孤立的手部和腿部运动的

  摘要

引言:理解我们如何感知和解释其他生物的运动对于社交互动、生存以及适应动态环境至关重要。传统的生物运动感知研究主要使用简化的刺激,如点光源显示,这虽然便于实验控制,但却牺牲了生态有效性。

方法:为了克服这一局限性,我们创建了一种新的刺激集,其中包含了孤立的手部和腿部运动的自然主义视频。这些刺激包含了观察视角的变化(第一人称与第三人称)以及物体交互的存在与否,从而增加了它们的现实世界相关性。我们记录了28名成年参与者在观看这些有目标导向的运动时的脑电图(EEG),同时展示作为对照刺激的自然场景。通过两种互补的测量方法来评估神经参与度:个体间相关性(ISC),它捕捉了不同观察者之间的共同神经反应;个体内相关性(IaSC),它反映了单个观察者内部反应的时间一致性。我们假设:(1)生物肢体的运动会比非生物运动引发更强的神经同步性;(2)运动类型(手臂与腿部)、物体交互和视觉视角会基于不同的感知系统对ISC产生不同的调节作用;(3)这些效应在第二次观察时仍然会重现。

结果:我们的发现表明,下肢运动引发的ISC显著高于上肢运动和自然场景。这一效应具有稳定性,在参与者再次观看相同的实验条件时仍然一致重现。此外,特定的刺激特征以领域特定的方式调节了神经同步性:第一人称视角特别增强了腿部视频的ISC,而物体交互则特别增强了手臂视频的ISC。值得注意的是,IaSC在不同条件下没有差异,这揭示了个体间神经对齐与个体内部时间一致性之间的分离。

讨论:这些发现为我们提供了新的见解,即自然主义运动的特定特征如何系统性地调节共同的神经参与度,推进了我们对生态有效背景下生物运动感知的理解。ISC与IaSC之间的分离表明,个体间神经同步性和个体内部时间一致性反映了不同的神经过程。

引言

生物运动的感知是一种基本的神经认知能力,它使社交互动和生存成为可能。传统的研究使用点光源显示(Johansson, 1973)发现了一个专门的神经网络来处理运动学线索,该网络位于上颞沟(Allison et al., 2000; Saygin, 2007)。尽管这些简化方法在证明视觉系统从最小运动线索中提取复杂信息方面起到了重要作用,但它们对大脑如何整合丰富的上下文特征(如环境设置、物体交互和空间关系)——这些特征是自然人类运动的特点——提供的洞察有限(Grosbras et al., 2012; Papeo et al., 2017)。因此,一个核心挑战是开发能够平衡实验严谨性和生态有效性的方法(Hasson et al., 2004; Sonkusare et al., 2019)。我们使用自然主义视频刺激来解决这一挑战,以研究发展过程中的动作感知(Ntoumanis et al., 2021a, 2023b)以及临床人群中的动作感知(Ntoumanis et al., 2022)。自然主义刺激在保持精确的神经测量的同时提供了更高的生态有效性(通过个体间相关性,ISC;Hasson et al., 2004)。然而,我们之前工作的一个显著限制是刺激控制不完善:视频在内容、持续时间、拍摄角度和低级视觉特征方面存在显著差异(Ntoumanis et al., 2022)。这种不受控制的变异性引入了潜在的混淆因素,使得难以将观察到的ISC差异归因于已知的可以调节动作感知网络的特定、理论驱动的运动参数(如肢体类型或物体交互)(Bachmann et al., 2018; Orban et al., 2021)。

本研究旨在通过开发一个严格控制的一系列刺激来直接解决这一关键的方法学限制,从而系统地分析特定运动特征如何调节健康成年观察者的神经同步性,从而阐明体验感知背后的精确机制。我们创建了新的视频刺激,这些刺激不仅限于简单的运动与静态对比,还系统地描绘了不同类别的上肢和下肢运动,并仔细控制了潜在的混淆变量。为了确保任何观察到的神经同步性差异都可以归因于运动本身的生物学和功能属性,而不是由于低级视觉属性(如运动能量、亮度变化、对比度或空间频率内容)的偶然差异(Bartels and Zeki, 2004),我们加入了一类精心匹配的自然场景——包含风驱动的树木、草地和水的运动——作为动态对照条件(Sonkusare et al., 2019)。这一自然类别为隔离与生物运动感知相关的反应提供了一个关键基准,而不是普通的视觉运动处理。至关重要的是,我们在拍摄条件上保持了严格的实验控制,包括一致的相机角度、照明、背景设置和视频帧率,以系统和地操纵特定的动作特征。其中一个特征是物体交互的存在与否——这一因素从根本上改变了动作的语义内容和目标结构,并已知可以调节动作感知网络中的活动,特别是在涉及理解动作目标和工具使用的区域(Singh et al., 2025; Milani et al., 2025)。通过仔细改变观察到的肢体是与物体交互还是孤立运动,我们可以研究有目标导向的物体操作如何影响生物运动的神经处理。

视觉视角构成了自然主义动作刺激的另一个关键且常被忽视的维度,这对动作的处理和理解有着深远的影响。动作可以从第一人称视角(1PP)观看,仿佛观察者自己正在执行动作并观察自己的身体部位;或者从第三人称视角(3PP)观看,作为一个外部观察者从外部观察另一个人的动作。这种区别远非微不足道:第一人称视角通常会引发更强的运动共鸣——观察者自身运动系统的自动激活——并产生更大的主观 embodiment 和代理感(Vogt et al., 2003; Jackson et al., 2006; Gorisse et al., 2017)。换句话说,当我们从第一人称视角观看一个动作时,我们倾向于在自己的运动系统中更强烈地模拟它,几乎就像我们准备自己执行它一样。这些运动共鸣和 embodiment 的行为差异不仅仅是主观现象,它们反映了不同的神经机制:神经影像学研究一致表明,第一人称和第三人称视角在负责身体表征、自我-他人区分和运动规划的皮层区域中激活了不同的活动模式(Ruby and Decety, 2001; Saxe et al., 2006)。鉴于动作感知本质上是身体化的——即我们通过在自己的感觉运动系统中模拟他人的动作来理解他们——系统地操纵视觉视角以及其他刺激维度(如肢体类型和物体交互)允许我们研究这些因素如何共同塑造多个观察者在共享观看体验中出现的神经同步性。

“可供性”这一概念——定义为物体和环境为感知者提供的动作机会——为理解不同身体部位及其运动的感知如何差异性地激活感知和运动系统提供了一个有价值的理论框架。关于“微观可供性”的研究广泛记录了即使在没有行动意图的情况下,仅仅观察可操纵的物体也会自动以高度特定的方式激活相应的手部运动程序。例如,观看一个把手朝向右侧的杯子会促进随后的右手抓取反应,同时抑制左手反应,反映了感知到的物体属性与伸手可及的空间内存在的手部动作表征之间的紧密耦合(Tucker and Ellis, 1998)。这种自动激活发生得迅速且不由自主,表明手部-物体可供性是视觉感知的基本方面。补充和扩展这项工作的是,最近的研究引入了“宏观可供性”的概念,用于描述对大规模可导航环境布局(如开阔场地、走廊或远景)的感知如何优先激活行走相关程序和足部相关神经系统,而不是手部相关系统。行为和神经生理学证据表明,观看远处的可导航空间的全景视图会促进与行走相关的运动反应,并在参与空间导航和姿势控制的后内侧运动皮层和顶叶皮层中调节活动(Di Marco et al., 2019; Altomare et al., 2021; Tosoni et al., 2021)。这些互补的研究线索揭示了肢体特定动作系统之间的基本功能分离,这可能对动作感知有着重要影响:手部动作以其独特的运动多样性和灵巧性为特征,能够进行从穿针到演奏乐器的无数精细形式的物体操作,而足部动作主要用于行走、姿势支持和平衡维持以及通过更刻板的生物力学受限的运动模式进行粗略的空间定位。这种空间参考框架的区分——手部与近身体空间和附近物体的操作紧密耦合,而腿部与外部空间和远距离环境的导航耦合——表明上肢和下肢运动可能会在动作感知过程中激活根本不同的神经处理系统。因此,这些不同的肢体类型可能在观察者之间引发明显不同的神经同步模式,个体在处理手臂运动和腿部运动时的可靠性和一致性可能存在差异。

基于这一理论背景和实证基础,我们提出了几个具体的假设。首先,我们假设描绘生物肢体运动的场景(无论是手臂还是腿部)相比于显示非生物运动的对照自然视频,会引发显著更高的ISC,反映了更高的注意力参与度、增强的感知处理,以及可能由理解同种个体的生物重要内容触发的镜像神经元系统的更强激活。其次,我们预测运动类型(手臂与腿部)、物体交互的存在与否以及视觉视角(第一人称与第三人称)会显著调节观察者之间的神经同步程度,特定的模式揭示了潜在神经认知机制的选择性和功能组织。例如,根据可供性文献,我们可能预期涉及物体交互的手部运动会显示出特别高的同步性,因为手部-物体运动程序的自动激活;而腿部运动可能会显示出不同的同步模式,反映它们在导航和空间定位中的作用。第三,为了严格评估我们发现的稳健性和可靠性,我们采用了一种重复观看范式,即参与者连续两次观看同一组刺激,这使我们能够测试观察到的神经同步模式在第二次接触刺激时是否稳定且可重复,或者它们是否可能因熟悉度、习惯化或注意力策略的变化而改变。因此,本研究旨在通过系统地研究大脑对受控但自然主义动作的反应如何在通过脑电图(EEG)测量的个体间神经活动同步性中体现,来推进我们对生物运动感知的基本理解。通过仔细操纵理论驱动的刺激特征,同时保持自然主义的观看条件,我们试图弥合高度控制的实验室范式与现实世界动作感知之间的差距(Smekal et al., 2024)。我们的方法论方法与认知神经科学中越来越重视生态有效实验范式的趋势一致,这些范式遵循主动视觉的原则,认识到眼动行为、注意力分配和神经处理是内在联系的,并在构建连贯的、可操作的感知表征世界的过程中动态协调(Nikolaev et al., 2025)。通过结合自然主义刺激与精确的实验控制和神经同步的定量测量,我们的工作提供了对在接近真实世界条件下动作感知如何运作的更细致和全面的理解。

方法

我们通过社交媒体广告招募了30名健康的成年人参与这项研究。由于技术问题导致刺激呈现不完整,两名参与者的数据被排除。最终样本由28名参与者组成(15名女性,年龄在18-34岁之间,平均年龄=23.4岁)。所有参与者在参与前都提供了书面知情同意书。该研究得到了当地伦理委员会机构审查委员会的批准,并按照《赫尔辛基宣言》及其修订版进行。

刺激

本研究使用了31个各持续24秒的视频片段。其中12个描绘了上肢运动(“手臂”视频),12个描绘了下肢运动(“腿部”视频),7个描绘了自然场景(“自然”视频)。手臂视频中有6个包含物体交互(3个来自第一人称视角;3个来自第三人称视角),6个不含物体(3个来自第一人称视角;3个来自第三人称视角)。同样,腿部视频分为两类:一类包含物体交互(3个来自1PP视角;3个来自3PP视角),另一类不包含物体(3个来自1PP视角;3个来自3PP视角)(见补充材料S1–8)。手臂和腿部视频是由我们为这项研究专门录制的。拍摄在室内环境中进行,使用带有扩散滤镜的明亮日光灯来减少刺眼阴影并保持均匀照明。为了标准化动作的时间动态,演员的动作节奏由一个设定为大约每分钟50拍(BPM)的有声节拍器控制。这个音频仅在拍摄过程中作为指导,最终视频刺激中并未包含;所有视频片段都是无声呈现的。选择这个节奏是为了建立一个有意识且一致的节奏,对于更复杂的动作会进行微调,以确保动作保持自然流畅。

这些动作由两名青少年男性演员完成。为了保持肢体类别的一致性,同一类型的动作由同一个演员完成:上肢动作由一名12岁的右撇子演员执行,下肢动作由一名11岁的演员执行。由于演员是未成年人,因此事先获得了他们法定监护人的书面同意,监护人在整个录制过程中都在场。

展示的活动包括常规任务,例如将珠子转移到容器中以及用垫子擦脚。每一帧都经过精心安排,以确保可见的肢体活动部分(对于手臂至少是从肘部以下,对于腿部是从膝盖以下),并且所有相关的物体和表面都完全在视野范围内。为了保持对目标动作的关注,画面中的杂乱元素被最小化。

手臂和腿部视频进一步根据动作是否涉及与物体的交互以及拍摄角度是1PP视角还是3PP视角进行分类。在涉及物体交互的上肢(“手臂”)视频中,物体交互被定义为对物理物体的目标导向性操作(例如,将珠子从表面转移到容器中)(见补充图1B)。相应的无物体对照动作在运动学上是匹配的,但是在没有物理物体的空旷空间中通过表演完成的(例如,在空中模拟精确的钳形抓取和转移动作)。这种方法使我们能够在控制运动学的同时,单独研究物体存在的效果。对于下肢(“腿部”)视频,物体交互被定义为与某个特定物体或表面的直接物理接触,该物体或表面限制或引导了动作(例如,用门垫擦脚),与在空旷空间中进行的无约束动作相对。

在1PP视角下,相机被安装以捕捉第一人称视角,位置设置为模拟演员在执行动作时向下看自己肢体的视角。这种以自我为中心的视角旨在通过匹配自我生成动作时的自然视觉体验来最大化身体参与感和运动共鸣。在3PP视角下,相机被放置在距演员大约1.5米的固定位置,呈45度角,从外部观察者的角度拍摄肢体,提供了更客观的空间表现。这种设置使我们能够测试视角与肢体类型和物体交互是否会影响神经同步性。

自然场景视频是从公开许可的库存素材中选取的,以确保其在视觉复杂性上与动作视频相当。我们特别选择了那些摄像机运动缓慢连续的场景(例如,柔和地扫描风景),并避免了包含显著离散事件、人类或动物的场景。内容主要由风景组成,如田野、云朵和流动的水体。所有刺激的完整列表和描述见补充表1。重要的是,这些自然场景展示了具有缓慢摄像机运动的全景,提供了包含空间导航隐含提示的视觉信息(Di Marco等人,2019),但缺乏明确的生物运动。这种设计使我们能够在没有人类运动的情况下,仅通过环境空间特征来研究是否也能驱动类似的神经同步。

实验分为六个部分,每个部分持续6分钟。在每个部分中,参与者连续观看15个视频片段(每个片段24秒),之间没有间隔。部分之间有30-90秒的短暂休息。最后三个部分的内容与前三个部分相同,这使我们能够测试研究结果的可重复性。前三个部分的数据被称为“第一次观看”,最后三个部分的数据被称为“第二次观看”(见补充图1A)。

每个部分内的视频片段顺序在参与者之间是随机排列的,但每个部分内的视频片段顺序是固定的,以保持不同条件下的控制呈现顺序。具体来说,每个部分开始于一个手臂或腿部动作视频,然后是一个自然场景视频,接着是另一种类型的动作视频,以此类推,确保自然场景视频始终分隔动作视频,以减少潜在的交叉影响。这种交错方式确保了非生物动态场景——这些场景缺乏肢体动作所引发的运动激活——作为连续生物运动片段之间的感知基线。

所有视频都是无声呈现的,因为参与者同时进行了一项无注意力的听觉异常任务,其结果将在其他地方单独报告。在这个任务中,参与者听到一系列口语单词,其中一些单词与手臂或腿部动作有语义关联,而其他则是无关的或伪词。由于这种语义重叠,我们进行了控制分析,以验证每个异常类别(与手臂相关、与腿部相关、中性/伪词)在视频类别(手臂、腿部、自然)中的出现频率是否相似。分析确认异常类别在各个视频条件中均匀分布(见补充表2),表明异常任务不太可能系统性地影响这里报告的EEG结果。整个实验大约持续40分钟,所有参与者都获得了相应的报酬。

EEG数据采集和预处理使用BioSemi ActiveTwo系统以500 Hz的采样频率连续记录。参与者戴上符合国际10-20系统的标准32电极帽,以Cz作为参考电极。为了后续去除眼动伪迹,还使用了两个辅助电极记录垂直和水平眼电图(VEOG和HEOG)(一个电极放置在一只眼睛下方,另一个电极放置在另一只眼睛旁边;Ntoumanis等人,2023a)。通过刺激呈现软件[PsychoPy;Peirce等人,2019]在每个视频片段开始时通过并行端口发送触发信号,实现了刺激呈现与EEG记录之间的精确时间对齐。这些触发信号与屏幕刷新率同步,以捕捉实际而非名义上的刺激起始时刻。

EEG数据按照最近的研究中建立的流程进行预处理(Cohen和Parra,2016;Ntoumanis等人,2021a,2023a,2023b)。首先,数据重新参考到平均参考电位(Ntoumanis等人,2023a),降采样至250 Hz,通过50 Hz的 notch滤波器进行滤波,然后在1 Hz到50 Hz之间进行带通滤波(Madsen和Parra,2022;Ntoumanis等人,2023a)。通过视觉检查检测到有噪声的通道(平均每个记录2.7个),并从周围的电极中插值(Ki等人,2016;Ntoumanis等人,2023a)。使用独立成分分析(ICA)和infomax算法(Bell和Sejnowski,1995)去除眼动伪迹。超出各自通道平均值4个标准差的异常样本被替换为0,并在每个异常样本前后各加上40毫秒的窗口(Cohen和Parra,2016;Ntoumanis等人,2023b)。所有预处理均在MNE Python(v1.0.3;Gramfort,2013)中完成。为每个记录生成了包含预处理步骤详细文档的交互式HTML报告。这些报告可在https://osf.io/4x98u/files/osfstorage获取。

EEG的参与者间相关性使用相关成分分析(CCA;Parra等人,2019)进行测量,这是一种多变量技术,可以识别出在参与者之间最大化相关性的EEG通道的线性组合。基于嵌入在连续EEG记录中的触发标记,提取与各个视频片段相对应的前处理后的EEG片段,然后跨参与者连接起来形成多参与者数据矩阵。对于每个视频片段,从连接的数据中计算出参与者间和参与者内的协方差矩阵。然后对这些协方差矩阵在每个条件内的所有视频中进行平均,得到一组可以统一应用于所有刺激的代表性投影向量(Cohen和Parra,2016)。这种平均方法通过确保衍生出的成分捕捉多个示例中的一致同步模式,增强了ISC估计的稳定性和泛化能力(Nastase等人,2019)。

基于这些平均协方差矩阵,使用广义特征值分解优化了最大化参与者间相关性的相关成分——即相对于参与者内变异性的空间滤波器。然后使用留一法交叉验证方法计算每个参与者的ISC,其中每个参与者的神经活动与其他所有参与者的平均活动进行关联,排除了该个体。这种方法防止了循环性,并提供了关于每个参与者的脑活动与群体反应对齐程度的无偏估计。留一法的结果是每个参与者在每个条件下的一个ISC值,反映了该参与者的神经活动与群体反应的一致程度。

报告的ISC值是三个最相关成分的总和,这遵循了以往ISC研究中的既定做法(Iotzov等人,2017;Cohen等人,2018;Petroni等人,2018)。这种综合测量方法允许我们捕捉多个组件之间的整体神经同步水平,而无需假设哪个具体成分最相关,并且对个体组件在不同条件下的解剖起源或功能意义的潜在差异具有鲁棒性。每个视频的短片段长度为24秒,足以进行可靠的ISC估计,这与之前的方法学研究结果一致,这些研究表明即使是从持续时间相似或更短的自然场景中也能稳健地测量ISC(Madsen和Parra,2022)。

为了视觉化和解释神经同步的空间分布,我们还为每个实验条件分别计算了投影向量(空间滤波器)和前向模型(Cohen和Parra,2016)。虽然投影向量描述了EEG传感器数据如何线性组合形成相关成分,但前向模型描述了相反的关系——具体来说,每个成分如何与EEG传感器耦合或投影到EEG传感器上。前向模型提供了每个相关成分在头皮上的空间分布的更符合神经生理学的解释,因为它们受体积传导的影响较小,更能反映潜在的源配置。通过分别为每个条件计算这些前向模型,我们能够可视化和系统地比较手臂、腿部和自然场景类别中三个最强相关成分的头皮地形图,可能揭示出特定条件下的神经激活模式。

在比较不同视频类别的ISC时,低级视觉动态的差异可能作为一个混淆因素(Ntoumanis等人,2023b)。在本研究中,由于手臂和腿部动作视频是在光线一致的控制环境中录制的,这些视频可能自然地包含比描绘自然场景的视频更少的帧间亮度变化。为了控制这一点,我们使用平均亮度差异(ALD;Poulsen等人,2017;Ntoumanis等人,2023a)量化了每个视频的总体视觉动态。具体来说,对于每个视频,我们提取所有帧并将其转换为灰度(0-255),通过对RGB通道进行平均。然后计算每个帧与其前一个帧之间的绝对亮度差异,对这些差异在所有像素上进行平均,最后在整个视频上取平均,得到一个ALD值。因此,较高的ALD值反映了更大的总体亮度时间变化。ALD是使用OpenCV库在Python中计算的,用于视频处理和帧转换(von Kleist-Retzow等人,2016)。该指标随后被用作后续统计分析中的协变量,以控制视觉动态的影响,从而在考察不同视频类别之间的ISC差异时,确保观察到的任何神经同步差异都可以归因于刺激的生物学或语义属性,而不是由于低级视觉运动或亮度变化的偶然差异。

首先,我们检查了ISC与ALS之间是否存在统计学上的显著关联,正如先前研究中所报告的(Poulsen等人,2017年;Ntoumanis等人,2023b年)。在发现显著相关性后,我们根据ALD对ISC值进行了回归分析,并使用得到的残差作为所有后续分析中的ALD控制ISC测量值。利用这些残差,我们进行了单因素重复测量方差分析(ANOVA),以比较三种视频类别(手臂、腿部和自然场景)之间的ISC。在整篇手稿中,我们报告了ANOVA结果的经典η2效应大小,而不是部分或广义η2,这符合所进行分析的标准做法。事后分析包括配对样本t检验,以检查所有条件之间的ISC是否存在统计学差异。为了控制多重比较并降低I型错误的可能性,应用了Benjamini和Hochberg(1995年)的假发现率方法。这一分析分别针对第一次和第二次观看进行了,以严格测试我们对相同刺激重复暴露时的发现的可重复性和稳定性。同样的分析方法也被用来比较条件之间的个体内相关性(IaSC),使我们能够评估个体内神经反应的时间一致性是否与通过ISC测量的个体间同步性显示出相似或不同的模式。

此外,我们估计了线性回归模型,以检查视角(POV;第一人称与第三人称视角)和物体交互作用(存在与不存在)对ISC的影响。由于只有手臂和腿部视频包含这些参数的系统性变化,因此自然场景视频的数据没有包括在这些回归分析中。估计了几个候选模型,每个模型都结合了不同的主效应和交互项组合(例如,肢体类型×POV、肢体类型×物体交互作用、POV×物体交互作用以及三因素交互作用肢体类型×POV×物体交互作用),并基于Akitake信息量准则(AIC)对这些模型进行了比较。AIC提供了一种通过平衡拟合优度和模型复杂性来选择模型的原则性方法,较低的AIC值表示更好的模型。这种模型比较方法使我们能够确定哪些因素组合及其交互作用最能解释观察到的神经同步模式(补充图1B)。

首先,我们仅分析了第一次观看的数据,即实验中参与者第一次观看的视频数据。我们认为这可以减少先前观看视频对结果ISC的影响(Dmochowski等人,2012年;Chang等人,2016年)。我们分别估计了每个条件下捕获最高ISC的EEG信号成分(图1)。

有趣的是,头皮地形图的总体模式在不同条件下在质量上是相似的,这表明产生ISC的神经机制在手臂、腿部和自然场景视频类别中大致相同。具体来说,第一个成分(C1)主要呈现前额地形,可能反映了更高层次的注意力、执行功能或语义过程的参与,这些过程在观众解释和理解观察到的动作时是时间锁定的。C1中前额区域的突出,而不是通常在更被动观看范式中主导ISC的视觉区域,可能反映了我们任务的 goal-directed(目标导向的)和 motor-perceptual(运动感知)性质,其中参与者积极处理与动作相关的信息,而不仅仅是记录视觉特征。第二个成分(C2)显示出明显的枕叶阳性,可能反映了同步的低级视觉处理或对刺激特征的早期感觉反应。C1和C2的顺序——更高阶的前额过程显示出比低级感觉反应更强的同步性——可以通过我们任务强调的目标导向注意力和动作理解来解释,这使得更高阶的认知过程在参与者之间更一致地时间锁定,而更易变的低级感觉反应可能取决于个体之间的视觉注意力或眼球运动的差异。最后,第三个成分(C3)在不同条件之间观察到最大的差异,显示出枕叶阴性,并且在手臂条件下,尤其是在接近感觉运动皮层的区域显示出顶叶阳性。总体而言,相关神经活动的头皮投射表明,感知区域(主要是枕叶皮层)、与运动相关的区域(顶叶和中央区域)以及更高层次的认知区域都对个体间相关性有显著贡献,这与支持自然动作感知的分布式网络一致。

接下来,我们试图检查不同条件是否引发了不同的ISC水平。为此,需要通过汇总所有条件的数据来估计相同的投影向量(图2A;Cohen和Parra,2016年)。为了考虑ALD可能引起的混淆,我们首先计算了ISC与ALD之间的相关性,发现其具有统计学意义(r = 0.278,p = 0.033)。因此,我们首先根据ALD对ISC值进行了回归分析,并使用得到的残差作为ALD控制的ISC测量值。在控制ALD之后,腿部视频的平均ISC残差最高(M = 0.005,SD = 0.06,CI [?0.018, 0.028]),其次是手臂视频(M = 0.001,SD = 0.06,CI [?0.022, 0.024]),而自然场景视频的平均ISC残差最低(M = ?0.009,SD = 0.05,CI [?0.03, 0.012])。使用这些残差,单因素重复测量ANOVA显示条件对ISC有显著影响(F(2,54) = 11.596,p < 0.0001,η2 = 0.052,CI [0.018, 0.087]),在控制ALD之后(图2B)。事后分析表明,腿部视频引发的ISC大于手臂视频(t = 7.818,p < 0.0001,d = 0.607,CI [0.417, 0.789)和自然场景视频(t = 2.241,p = 0.033,d = 0.302,CI [0.068, 0.531])。尽管这种差异没有达到统计学显著性(t = 1.937,p = 0.063,d = 0.236,CI [0.027, 0.441),但自然场景视频引发的ISC仍大于手臂视频。

此外,我们估计了线性回归模型,以测试视角(POV)和物体交互作用对ISC的影响。由于只有手臂和腿部视频包含这些参数,因此自然场景视频的数据没有包括在这个分析中。估计了几个候选模型,每个模型都包含不同的交互项组合,并根据Akitake信息量准则(AIC)进行了比较。表1总结了最适合数据的模型的结果(最低AIC)。与ANOVA结果一致,回归显示观看腿部视频时的ISC高于观看手臂视频时的ISC(p = 0.008)。此外,与物体有交互作用的手臂视频比没有物体交互作用的手臂视频引发的ISC更高(p = 0.004)。然而,这种效应在腿部视频中显著性和较小的(p = 0.016)。相反,1PP视角角度在观看腿部视频时增加了ISC(p = 0.006),但在观看手臂视频时没有这种效果(p = 0.221)。这些发现表明,增强神经同步的因素在上下肢动作感知之间是系统不同的,物体交互作用对手臂运动至关重要,而以自我为中心的视角对腿部运动至关重要。

鉴于我们的实验设计允许参与者多次观看视频,我们使用了第二次观看的数据来测试第一次观看所得结果的再现性。头皮地形图与第一次观看估计的地形图相似(图3A),因此表明无论观看次数如何,相同的电极部位对ISC的贡献最大。单因素重复测量ANOVA显示条件对ISC有显著影响(F(2,54) = 3.928,p = 0.026,η2 = 0.010,CI [0.001, 0.024]),在控制ALD之后(图3B)。事后分析表明,腿部视频引发的ISC大于自然场景视频(t = 2.526,p = 0.018,d = 0.233,CI [0.071, 0.391),与第一次观看的结果一致。此外,比较腿部视频和手臂视频之间的ISC时也出现了显著性趋势(t = 1.912,p = 0.067,d = 0.161,CI [0.016, 0.303),方向与第一次观看相同。最后,手臂视频和自然场景视频之间的ISC没有显著差异(t = 0.978,p = 0.337,d = 0.082,CI [?0.058, 0.220),与第一次观看的结果一致。

进一步分析比较了第一次和第二次观看之间的ISC。当结合所有条件的数据时,两次观看之间的ISC没有显著差异(t = 0.082,p = 0.935,d = 0.005,CI [?0.095, 0.105])。然而,当单独考虑每个条件时,我们发现第二次观看手臂视频时的ISC相对于第一次观看有所增加(t = 3.230,p = 0.003,d = 0.274,CI [0.119, 0.424)。这种情况在腿部视频(t = 1.928,p = 0.065,d = 0.181,CI [0.020, 0.339)或自然场景视频(t = 0.536,p = 0.596,d = 0.072,CI [?0.150, 0.293)中并未观察到。最后,我们试图检查不同条件是否引发了不同水平的IaSC。对于这一分析,分别估计了相关成分,以最大化个体内和跨观看的神经同步性。头皮地形图与最大化ISC时获得的非常相似(图4A),这表明负责跨个体相关活动的神经源导致了个体内的可靠性。然而,单因素重复测量ANOVA显示条件对IaSC没有显著影响(F(2,54) = 1.108,p = 0.337,η2 = 0.011,CI [0.000, 0.040),在控制ALD之后(图4B)。

为了解决关于运动刺激的时间标准化及其对ISC潜在影响的担忧,我们对视频的节奏结构及其与神经同步性的关系进行了额外分析。对于每个视频,我们逐帧计算了光流以估计运动向量。然后对光流场的幅度进行了平均处理,以获得运动能量时间序列。接着我们计算了这个时间序列的功率谱,并将目标节奏频率(0.5–1.5 Hz;大约相当于50 BPM)处的标准化谱功率定义为Rhythmicity Index(RI)。因此,RI捕捉了节拍器频率下刺激运动的周期性调制的强度。

分析不同条件下的RI值揭示了不同的节奏轮廓。手臂条件在大约0.8 Hz处显示出一个明显的峰值,证实了成功的时间同步。腿部条件的节奏分布更广,尽管RI值相对于没有生物运动且几乎没有周期性结构的自然条件仍明显升高。腿部条件的更广分布可能反映了下肢运动的生物力学和运动学差异——特别是更大的质量和惯性,以及更复杂的加速度-减速动态——这些因素引入了运动能量周期性的变化。重要的是,两种运动条件都显示出比自然条件更高的节奏性,证实了刺激的有效时间标准化。为了测试ISC是否直接受节奏强度驱动,我们检查了所有刺激之间ISC与RI的相关性。这项分析得出非显著的相关性(r = ?0.25,p = 0.178),表明观察到的ISC效应不太可能反映低级刺激的周期性。值得注意的是,在计算ISC之前,EEG信号在1到50 Hz之间进行了带通滤波,这可能削弱了节奏成分。

本研究使用EEG的个体间相关性(ISC)分析来研究观察自然人类运动背后的神经动态。我们系统地研究了运动类型(上肢与下肢)、背景特征(视角)和低级视觉属性如何调节不同观众之间的神经同步性。我们的研究结果揭示了一种复杂的模式:条件特定的同步性、在不同观看次数下的稳健可重复性,以及个体间(ISC)与个体内(IaSC)相关性测量之间的根本差异。与使用自然刺激的先前研究一致,所有视频类别的观察都引发了脑电图(EEG)信号中显著且可靠的个体间同步性(Dmochowski等人,2012年;Ki等人,2016年)。这表明,无论刺激内容如何,神经反应的时间动态在参与者之间高度同步,暗示了感知和认知处理的共享机制(Hasson等人,2004年)。关键的是,这种神经同步性的强度受到视频类别的显著影响。在使用平均亮度差(ALD)指标统计控制了低级视觉特征后,描绘腿部运动的视频比描绘手臂运动和自然景观的视频引发了更强的个体间同步性。在手臂运动视频和自然景观视频之间没有发现统计学上的显著差异。这一发现可以通过“宏观可供性”概念来解释,它指的是在感知到远距离空间布局时,与运动相关的行为会自动得到促进(Di Marco等人,2019年;Tosoni等人,2021年)。腿部运动与人在外部空间中的整体导航密切相关,可能通过激活处理导航相关线索的通用机制,从而在观察者之间引发更一致和共享的神经反应。相反,与人在周围空间中的物体操作相关的手臂运动则倾向于引发更多变化且依赖于情境的解释,导致较低的神经同步性(Di Marco等人,2019年)。研究表明,行走行为通过减少α振荡来增强外围视觉处理,从而降低抑制性控制并扩展对导航至关重要的注意力焦点(Cao和H?ndel,2019年)。鉴于腿部运动与这种功能性大脑状态密切相关,描绘此类行为的刺激更有可能在个体之间激活一个通用的神经网络,而手臂运动则涉及更个性化的认知处理,导致个体间神经同步性降低。研究发现,第一人称视角(1PP)特别增强了腿部视频的个体间同步性(p = 0.006),但没有增强手臂视频的同步性(p = 0.221),这揭示了一种与肢体特定性和视角依赖性相关的机制,我们认为这是生态观看体验与行为新颖性相互作用的结果。首先,人在日常活动中主要从第一人称、向下看的视角观察自己的脚(例如走路、坐着、上下楼梯或系鞋)。这创造了从以自我为中心的参考框架观察脚的广泛感知-运动经验。当我们的参与者从1PP视角观察脚部动作时,这种视角与他们习惯性的视觉经验相匹配,可能促进更自动和统一的身体模拟——仿佛他们自己正在执行这些动作(Ruby和Decety,2001年;Jackson等人,2006年)。关键的是,这种熟悉的自我中心视角被应用于高度不寻常的操作动作:参与者观察到脚抓取物体、滚动球以及用脚趾擦地板——这些在日常生活中很少执行或观察到的运动行为。熟悉的1PP视角与新奇的运动内容的结合产生了一种协同效应,可能在整个观察者中统一了注意力参与度,从而提高了个体间同步性。这种新颖性-注意力假设对于理解我们的结果至关重要。脚部操作本质上比手部操作更显著且更能吸引注意力:虽然在日常视觉经验中观察到别人用手抓取、移动或操纵物体很常见,但观察到脚做同样的动作则不常见且令人惊讶。这种差异性新颖性可能导致对脚部动作的注意力分配更加一致和受刺激驱动,减少了个体在观看过程中注意力分配的差异性。1PP视角通过提供一个身体化的、以自我为中心的框架来放大这种效应,增强了“我正在执行这个不寻常动作”的感觉,而3PP视角引入了空间距离(“是别人在执行这个不寻常动作”),可能会削弱身体化的参与感并增加个体间的处理差异性。重要的是,这种视角敏感性在手臂动作中并不存在(p = 0.221)。我们将这种无效效应归因于两个因素。首先,手在日常生活中既可以从第一人称(在个人的手动任务中)也可以从第三人称(在社交互动、演示、协作工作中)的视角被广泛观察,从而在不同视角下创造了平衡的视觉-运动经验。这可能使参与者在身体模拟手部动作方面同样熟练。其次,我们视频中的手部操作(例如抓取、移动、转移物体)是熟悉且经常观察到的动作,缺乏脚部操作所具有的注意力新颖性。由于没有脚部视频所特有的新颖性驱动的注意力捕获,视角操作对手臂视频的个体间同步性影响很小。因此,1PP × 肢体相互作用表明,视角依赖的身体化并不是生物运动感知的普遍属性,而是由(1)生态观看统计(通常为特定身体部位体验到的视角)和(2)行为新颖性(观察到的行为有多不寻常)之间的相互作用所决定的。当熟悉的视角(1PP对于脚部)与新颖的行为(脚部操作)结合时,通过增强的身体化注意力实现了最大的神经同步性。自然景观视频的中间个体间同步性值显著低于腿部视频(p = 0.033),但显示出向更高值趋势(p = 0.063),这为我们提供了关于驱动神经同步性的因素的见解。我们研究中的自然景观视频描绘了生态上普遍存在的视觉内容:全景景观、流动的水、移动的云层以及缓慢的镜头扫过自然场景。这类刺激具有几个可能促进观察者之间相对一致神经反应的属性。首先,自然场景涉及低级视觉处理机制(运动检测、空间频率分析、深度感知),这些机制在个体间高度保守,并主要由自下而上的刺激属性驱动,而不是自上而下的解释过程(Bartels和Zeki,2004年;Hasson等人,2004年)。由摄像机运动和环境动态(水流、云层移动)产生的连续光流可能会触发观察者之间对运动敏感视觉区域(MT+/V5)的一致激活,从而导致中等的个体间同步性。其次,全景景观视图可能涉及与处理导航空间距离相关的类似神经机制。研究表明,感知环境布局中的远距离(相对于近距离)目标有助于促进与行走相关的运动,并激活编码空间距离的感觉-运动系统(Di Marco等人,2019年;Tosoni等人,2021年)。虽然这些研究使用了受控的环境布局而不是自然场景,但自然景观视频中存在的远距离地平线和可穿越的地形可能会激活参与编码可导航空间和规划潜在运动轨迹的相关神经系统。第三,自然场景本质上是生态上熟悉的,但始终是变化的:虽然人类有丰富的观看自然环境的经验(在进化上相关的视觉内容),但每个特定的景观提供了新颖的配置细节,从而在没有抽象刺激的解释模糊性的情况下维持注意力。然而,尽管具有这些特性,自然景观视频引发的个体间同步性仍然显著低于腿部视频(p = 0.033)。这种差异表明,明确的生物运动,特别是与运动和不寻常操作相关的执行器的运动,比单纯的环境可供性或低级视觉动态更能驱动强的神经同步性。自然景观视频超过手臂视频的趋势(p = 0.063),尽管不具有统计学意义,但与空间可供性和低级视觉一致性可以在一定程度上补偿缺乏生物运动的假设一致。相反,尽管手臂视频包含明确的生物运动和运动共振,但由于手部动作的巨大动力学多样性和它们熟悉、低显著性的特性,可能会遭受高解释变异性的影响。这种模式表明,个体间同步性的大小取决于刺激驱动的注意力捕获、运动共振和解释约束之间的平衡。发现物体交互显著增强了手臂视频的个体间同步性,这与这样一个观点一致:具体目标的存在提供了一个更受限且明确的运动模式,减少了观察者之间的解释变异,导致更共享的神经表征(Di Marco等人,2019年;Casartelli等人,2023年)。观察手-物体交互时,物体属性(形状、大小、重量)和任务要求(精度要求、空间目标)所施加的物理约束缩小了可能的行为解释范围,促进了个体之间更统一的认知处理。这与微观可供性文献一致,后者表明可操纵的物体自动激活特定的手部运动程序(Tucker和Ellis,1998年)。相比之下,没有物体的手势手臂运动可能被解释为更具变异性——作为交流手势、抽象表达或模糊的运动模式——从而降低了神经同步性。相反,物体交互对腿部视频的减弱效果表明,物理物体或表面的存在并不等同于限制下肢动作的解释。这可能反映了即使没有物体,腿部运动也与典型的运动模式和姿势控制强烈相关,这些在观察者之间具有相对一致的功能解释。物体接触的添加(例如,用脚垫擦拭脚)可能不会显著减少已经由运动背景确立的解释模糊性。包括腿部运动更好的个体间同步性这一总体刺激驱动的神经同步模式在第二次观看的数据中得到了成功复制,证实了这些效应在重复暴露中的稳健性。这种可重复性表明,观察到的神经同步模式反映了稳定的、受刺激驱动的属性,而不是短暂或会话特定的因素。理解腿部运动增强个体间同步性的一个补充框架来自Karakose-Akbiyik等人(2023年)的最新工作,他们证明额顶叶和后颞区编码了一个共享的神经代码,用于描述事件的物理特性,无论代理是人类还是无生命物体。我们认为,腿部运动更加刻板且生物力学上受到限制(例如,踏步、踢腿、擦拭),可能在观察者之间更一致且稳健地激活这种通用的事件-物理代码。相比之下,手臂运动表现出巨大的动力学多样性,并且充满了依赖于情境的目标,这可能招募了额外的特定于代理的系统——特别是在右pSTS/TPJ和双侧SPL中(Karakose-Akbiyik等人,2023年)——这些系统引入了个体间的解释变异。共享事件-物理与特定于代理的神经系统之间的这种不同参与提供了一种机制,解释了为什么下肢运动在观察者之间驱动更强的神经同步性,而手臂运动则引发更个性化的处理模式。还观察到了特定于内容的重复效应,即手臂视频在第二次观看时的个体间同步性显著增加,这表明手臂视频观察可能存在独特的学习或预期机制。这种选择性增强可能反映了第二次暴露时解释不确定性的减少:由于已经看到过手臂动作一次,参与者可能发展出更一致的心理模型或对动作序列的预期,从而导致他们神经反应的更大一致性。腿部和自然景观视频缺乏这种重复效应,表明即使在初次观看时,这些类别也可能被更均匀地处理,从而减少了与学习相关的增强空间。个体间相关性的头皮地形学显示,同步的神经活动在枕颞区和顶叶区域最为强烈。这种模式与我们的先前工作(Ntoumanis等人,2023b)一致,并且与这些区域在自然刺激的视觉和语义处理中的已知作用相符。枕颞区,包括上颞沟,是生物运动感知和从观察到的动作中提取运动信息的核心。顶叶区域,特别是靠近感觉运动皮层的区域,参与了运动共振和将观察到的动作转化为自己的运动库。有趣的是,第一个相关成分(C1)主要显示了前额地形,可能反映了观察者在解释和理解观察到的动作时涉及的更高级别的注意力、执行或语义过程。C1中前额区的突出性,而不是在更被动的观看范式中通常主导个体间同步性的视觉区域,可能反映了我们任务的目标导向、运动感知性质,其中参与者积极处理与动作相关的信息,而不仅仅是注册视觉特征。个体间同步性与个体内同步性之间的差异是这项研究最有趣的结果之一。支配个体间神经对齐的机制(ISC)与个体内部的时间一致性(IaSC)之间的差异表明,一个共同的、分布式的皮层网络——包括高级视觉、前额(注意力)和顶叶(可能具有运动共振)区域——支持了观察者之间的共享参与以及个体内部随时间的可靠处理(Dmochowski等人,2012年;Ntoumanis等人,2023b)。然而,在刺激特征如何影响这些测量方面出现了关键的分歧。虽然物体交互和观点角度是个体间同步性的显著调节因素,但它们对个体内同步性的大小没有显著影响。这表明这些内容特征对于促进群体间的共同参与至关重要,但对个体在多次观看时的神经一致性影响较小。这种模式暗示,个体间的神经共享一致性(IaSC)可能更多是由稳定的、类似特质的个体差异在神经处理结构中驱动的,而非由短暂、由刺激驱动的属性所驱动。核心发现表明,IaSC通常高于个体间相似性(ISC),这一结果有力地支持了这样的直观观点:个体的神经反应在时间上与其自身更为相似,而非与其他人的反应相似,从而证实了IaSC方法论的有效性。这种区分为我们提供了对自然视觉过程中大脑动态的更细致理解,表明ISC和IaSC分别反映了不同的神经和认知现象——一个反映共同的、由刺激驱动的参与,另一个反映稳定的、个体特定的处理特征。这一框架为研究个体差异和刺激属性如何相互作用以塑造感知开辟了新的途径。

重要的是,本研究采用了严格控制的设计来分离特定运动学和情境特征对神经同步性的影响。这种方法得出的结果进一步完善了我们之前的发现(Ntoumanis等人,2021b年)。具体来说,在我们之前的研究中并未观察到腿部运动在驱动ISC方面的明显优势。我们认为这种差异突显了方法论的关键影响。之前的研究使用了生态丰富但复杂的视频片段,其中运动嵌入在不同的情境中,并且ISC是在短暂的时间锁定期内计算的。相比之下,当前的范式使用了离散的、定义明确的视频片段,并在整个观看期间计算了整体的ISC值。这种方法提供了更稳定的注意力参与度测量,减少了来自无关情境内容的潜在干扰。

此外,发现物体交互是影响ISC的一个重要调节因素,特别是对于手臂动作来说,这表明动作的目标导向性是一个关键因素——这是一个之前运动学注释未能捕捉到的维度。在第二次观看时成功复制了核心结果,进一步强化了这些效果的稳健性和由刺激驱动的性质。据我们所知,这是首次使用相关成分分析(CorrCA)对自然动作感知中的EEG数据进行IaSC测量的研究,为理解个体神经处理的可靠性及其与群体级同步性的关系提供了新的视角。

需要承认这项研究的几个局限性。首先,虽然样本量(N=28)与类似的EEG-ISC研究相当,但更大的样本量将提供更大的统计能力,以探索潜在的个体差异和更复杂的相互作用。其次,虽然表面EEG在捕捉高时间精度的同步皮层活动方面表现出色,但它限制了我们对大脑深部结构(如基底神经节、海马体)对观察到的效应的具体贡献作出明确结论的能力。第三,尽管对拍摄条件进行了精心控制,并使用了ALD作为协变量,但完全等同不同刺激类别下的所有感知特征本质上来说是具有挑战性的。未来采用补充性神经成像方法(如fMRI用于空间分辨率,MEG用于源定位)的研究将有助于解决这些局限性。

与刺激构建相关的两个限制值得考虑。首先,肢体类型与演员身份混杂在一起:所有手臂动作都由一名青少年演员完成,所有腿部动作由另一名演员完成。因此,观察到的手臂和腿部视频之间的ISC差异理论上可能反映了演员特定的因素(如个体运动风格、动作平滑度),而非肢体特定的特性。为了缓解这一担忧,我们进行了每视频的ISC分析,发现每种肢体类别内的视频具有持续的ISC值,表明这种肢体相关模式并非由单个视频或演员的独特特征所驱动。尽管如此,未来的研究应该为每种肢体类型使用多名演员,以区分肢体特定效应和演员特定效应,我们对肢体特异性的结论应谨慎解读。其次,参与者是儿童(11-12岁),而我们的受试者是成人(18-34岁)。先前的研究表明,观察动作时的神经反应可能会根据年龄匹配的演员进行调整(Lui等人,2011年),这可能会影响运动共鸣的强度。虽然这种年龄不匹配对手臂和腿部条件都适用,因此不会影响它们之间的比较模式,但它可能会影响绝对的ISC幅度,并可能与肢体类型产生我们设计无法评估的交互作用。未来使用年龄匹配的刺激的研究将澄清观察到的肢体相关效应是否在不同年龄的演员中普遍存在。

总之,我们证明了观察人类动作,尤其是下肢动作,能够在观看者之间引发稳健且可复制的神经同步性,这种同步性还会受到目标导向性和视角的影响。ISC和IaSC之间的区分揭示了一个关键见解:尽管相似的神经网络被激活,但影响群体共同体验和个体可靠性的因素是不同的。这些发现具有潜在的临床意义,因为了解动作感知背后的神经机制以及共享与个体神经反应之间的区别可以为治疗以社交认知和运动处理缺陷为特征的障碍(如自闭症谱系障碍、中风康复和帕金森病)提供信息,通过针对特定的神经网络来增强神经同步性并改善社交和运动功能。这一框架为研究个体差异和刺激属性如何相互作用以塑造感知开辟了新的途径。

这些发现为临床应用提供了几种具体的方向。在自闭症谱系障碍中,社交认知和动作理解的缺陷已有充分记录,我们的刺激集可以用来探究处理目标导向动作与非生物运动的特定障碍,ISC的降低可以作为社交注意力功能障碍的潜在神经标志。对于中风康复,特别是上肢运动障碍的患者,物体交互和视角对神经同步性的肢体特异性调节表明,观看控制良好的动作视频——尤其是那些从第一人称视角展示的可操作物体的视频——可以增强运动共鸣,并在整合到动作观察治疗协议中时支持功能恢复。在帕金森病中,基底神经节功能障碍会影响节奏性运动的启动和执行,节拍器节奏的腿部运动刺激可能被用来评估或训练神经同步到运动节奏,可能为步态康复策略提供信息(Hackney等人,2015年)。ISC和IaSC之间的区分进一步表明,临床评估可以分别探究共享的神经参与(ISC,反映社交调谐)和个体处理稳定性(IaSC,反映神经功能的一致性),为评估干预效果和跟踪不同患者群体的恢复情况提供互补的指标。
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