声音序列中的非典型变化检测:一项关于先天性音乐障碍的行为学和脑磁图研究

《European Journal of Neuroscience》:Atypical Change Detection in Sound Sequences: A Behavioral and Magnetoencephalography Study in Congenital Amusia

【字体: 大 中 小 】 时间:2026年05月18日 来源:European Journal of Neuroscience 2.4

编辑推荐:

  **摘要** 先天性音乐缺失症患者表现出音高变化检测和音高记忆方面的行为障碍。然而,先前的脑电图(EEG)研究显示,对于意外的音高变化,这种患者的“不匹配负电位”(MMN)反应仍然相对完好,这表明他们在有意识和无意识的音高感知之间存在差异。本研究结合使用脑磁图(MEG)和EEG

  **摘要**

先天性音乐缺失症患者表现出音高变化检测和音高记忆方面的行为障碍。然而,先前的脑电图(EEG)研究显示,对于意外的音高变化,这种患者的“不匹配负电位”(MMN)反应仍然相对完好,这表明他们在有意识和无意识的音高感知之间存在差异。本研究结合使用脑磁图(MEG)和EEG,重新探讨了先天性音乐缺失症患者的MMN反应,同时考虑了两个因素:刺激起始的同步性(SOA)以及变化幅度的大小。研究发现,无论是否患有先天性音乐缺失症,参与者都会被动聆听包含频率或音量异常的音频序列,这些序列具有不同的刺激起始同步性和变化幅度(500毫秒或1500毫秒的SOA,以及0.25或2个半音的变化幅度,或-5或-15分贝的声压级差异)。在随后的主动变化检测任务中,音乐缺失症患者在检测微小频率变化方面表现较差,而在检测微小音量变化方面的差异则较小。长刺激起始同步性会延长音乐缺失症患者对频率和音量异常的反应时间。MEG源数据的时序分析显示,在所有测试的SOA和变化幅度下,音乐缺失症患者在右颞叶和右额叶皮层的MMN幅度减小且潜伏期延长。此外,即使在检测音量异常时,音乐缺失症患者也表现出一些MMN异常现象。得益于MEG的高灵敏度,本研究确定了音乐缺失症患者特有的右脑额颞区异常与声音处理机制的改变有关,尤其是在无意识感知阶段。

**缩写说明**

- EEG:脑电图(Electroencephalography)
- ERP/ERF:事件相关电位/场(Event-Related Potential/Field)
- fMRI:功能性磁共振成像(Functional Magnetic Resonance Imaging)
- IFG:下额回(Inferior Frontal Gyrus)
- MBEA:蒙特利尔音乐缺失症评估量表(Montreal Battery of Evaluation of Amusia)
- MEG:脑磁图(Magnetoencephalography)
- MMN:不匹配负电位(Mismatch Negativity)
- PDT:音高辨别阈值(Pitch Discrimination Threshold)
- ROI:感兴趣区域(Region of Interest)
- SOA:刺激起始同步性(Stimulus Onset Asynchrony)
- STG:上颞回(Superior Temporal Gyrus)

**1. 引言**

音高处理和记忆能力的改变是先天性音乐缺失症的核心特征。这种终身性的神经发育障碍影响了1.5%的人口(Peretz和Vuvan,2017年)。先天性音乐缺失症具有遗传成分(Peretz等人,2007年),且患者不存在听力损失、认知缺陷或脑损伤,这与后天音乐缺失症不同(后者通常由脑损伤引起),也不是由于缺乏音乐环境刺激所致。在日常生活中,音乐缺失症患者难以辨别他人或自身的唱错音调,难以察觉旋律中的错误或不和谐音符,难以记住旋律(即使是很短的旋律),也难以在没有歌词的情况下识别熟悉的曲调(相关综述见Tillmann等人,2023年)。早期研究指出,音高处理能力的改变是该障碍的本质(Ayotte等人,2002年;Hyde和Peretz,2004年;Peretz等人,2002年),并认为对微小音高变化的辨别能力受损是导致音乐处理困难的原因。关键的是,多项研究表明,音乐缺失症患者在需要比较旋律序列的短期记忆任务中表现较差,即使音高变化的幅度超出了他们的个人辨别阈值(PDT),即使这些患者的PDT处于对照组范围内(Foxton等人,2004年;Tillmann等人,2009年;Albouy等人,2013年;综述见Tillmann等人,2016年,2023年)。因此,有观点认为音高短期记忆能力的受损可能是先天性音乐缺失症的核心缺陷。行为学研究进一步证实,当记忆任务涉及短暂音调序列时,音乐缺失症患者的表现明显劣于对照组。当音调之间的保持间隔延长、存在干扰音调或记忆负担增加时,他们的表现更为糟糕(Gosselin等人,2009年;Williamson等人,2010年;Williamson和Stewart,2010年)。解剖学和功能性神经影像学研究也支持这一假设。健康者的神经影像学研究表明,音高序列的记忆编码涉及双侧上颞回(STG,包括Heschl回和极平面)、双侧下额回(IFG)(Schulze等人,2009年;Griffiths,2001年;Zatorre等人,1994年;Gaab等人,2003年)。Tse等人(2018年)通过经颅磁刺激证实了额颞网络在音高变化检测中的关键作用。在先天性音乐缺失症患者中,该网络存在解剖学异常:右侧STG和IFG的灰白质比例改变(Hyde等人,2007年;Albouy等人,2013年);连接STG和IFG的弧形纤维连接减弱(Loui等人,2009年;另见Chen等人,2015年);右侧IFG的沟槽深度改变(Liao等人,2022年),且这些解剖学异常与 music deficit 的程度有关。fMRI和MEG研究也发现,在音乐信息的编码、保持和回忆过程中,右侧额颞路径的连接性存在异常(例如,Hyde等人,2011年;Albouy等人,2013年;Albouy等人,2015年;Samiee等人,2022年)。功能异常不仅出现在主动的音乐感知和音高短期记忆任务中,也出现在被动聆听或静息状态下的大脑活动中。实际上,与对照组相比,音乐缺失症患者在聆听音乐序列时右侧IFG的激活降低(Hyde等人,2011年),额颞网络的内联性减弱(Leveque等人,2016年;Jin等人,2024年)。因此,先天性音乐缺失症的特征是额颞路径的解剖学和功能异常,这导致了音高处理和记忆方面的行为困难。尽管大脑异常的拓扑结构已被充分描述,但先天性音乐缺失症中具体哪些处理过程发生了改变仍存在争议。缺陷发生在哪个处理层面?是隐性的还是显性的音乐处理过程受损?先天性音乐缺失症患者在隐性和显性音乐任务中的表现存在差异:尽管他们在熟悉音乐识别(例如,Ayotte等人,2002年;Peretz等人,2002年;Tillmann等人,2014年)或显性音调判断(Omigie等人,2012年;Tillmann等人,2016年)方面的表现受损,但在更间接的隐性任务中(例如,使用启动任务或熟悉度判断而非识别;参见Tillmann等人,2012年)表现与对照组相当,即使使用相同的音乐刺激。EEG研究也显示,尽管音乐缺失症患者无法明确识别旋律中的错音,但大脑仍会对音乐不协调产生反应(例如N200波形,Peretz等人,2009年;另见Zendel等人,2015年)。他们的反应对高概率和低概率音符有所不同,表明他们对音乐语法的隐性规则敏感(Omigie等人,2013年)。这些结果表明,在先天性音乐缺失症中,隐性过程可能比显性过程更为完好(综述见Tillmann等人,2023年)。本研究旨在更深入地了解先天性音乐缺失症患者中与音高相关的隐性和显性过程受损的程度。为此,我们采用了“奇异音”范式,即包含大量重复的标准音和出现频率为16%的异常音的音频序列。早期研究表明,即使是被动聆听这种“奇异音”范式也能在EEG/MEG中诱发自动事件相关电位/场(ERP/ERF),尤其是不匹配负电位(MMN)(综述见N??t?nen等人,2007年)。MMN是通过异常音与标准音引发的反应之间的差异来测量的。异常音违反了中枢听觉系统的预测,这种预测基于之前听到的声音的感觉记忆痕迹。因此,MMN被解释为反映了听觉感知中的隐性感觉记忆过程(综述见N??t?nen等人,2011年)。为了研究对相同材料的隐性和显性处理差异,我们还在主动任务中使用了相同的音调序列,要求参与者在听觉流中识别异常音。一些先前的研究利用MMN探讨了先天性音乐缺失症患者对声音序列变化的自动检测能力(Braun等人,2008年)。然而,使用熟悉旋律会涉及长期的音乐知识,而这在先天性音乐缺失症患者中可能受损(参见Ayotte等人,2002年;Graves等人,2019年的行为数据)。Moreau等人(2013年)采用了更传统的实验设计,其中异常音与标准音相差四分之一或两个半音。他们发现音乐缺失症患者在MMN幅度或潜伏期方面均无异常。多项研究使用不同的听觉环境和材料也得出了类似结果,支持MMN在音乐缺失症患者中相对完好的结论(Pralus等人,2020年关于中性及情感韵律;Nan等人,2016年和Zhang与Shao,2018年关于词汇音调;Graves等人,2023年关于不和谐音高;Quiroga-Martinez等人,2021年和2022年关于音高序列)。在更复杂的序列中,MMN在音乐缺失症患者中可能减弱(Quiroga-Martinez等人,2021年),但总体而言,这些研究支持音乐缺失症患者的隐性音高处理能力并未受损或受损程度较轻的假设。与此一致的是,音乐缺失症患者在与意识性异常检测相关的ERP成分中也表现出异常,例如P3波形的减弱或延迟(Pralus等人,2020年;Graves等人,2023年)或P600波形(Peretz等人,2009年)。然而,目前尚无研究利用MEG来探讨音乐缺失症患者中自动音高变化追踪的机制,而MEG能够以高时间分辨率和高的信噪比(SNR)研究MMN(例如,Lecaignard等人,2021年)。先前的两项MEG研究(Albouy等人,2013年;Samiee等人,2022年)探讨了先天性音乐缺失症患者在主动序列处理过程中的现象。在主动编码音乐序列时,MEG记录显示IFG和STG中的N100m波形幅度减小且潜伏期延长,表明先天性音乐缺失症患者在听觉处理早期就存在缺陷(Albouy等人,2013年)。在主动音高变化检测过程中,还观察到了听觉皮层与运动皮层和额下皮层之间的相位-幅度耦合异常(Samiee等人,2022年)。据我们所知,本研究首次使用MEG研究了先天性音乐缺失症患者的被动聆听情况。音高MMN的完整性可能受到两个刺激之间的时间间隔(SOA)的影响。Albouy等人(2016年)发现,当SOA设置为100毫秒时,音乐缺失症患者在音高辨别任务和音高序列短期记忆任务中的表现受损,而当SOA延长至350毫秒或更长时,他们的表现与对照组相当(Albouy等人,2016年)。此外,音乐缺失症患者的声音记忆痕迹可能比对照组更脆弱,长时间间隔对音高辨别能力有负面影响。例如,当SOA从1秒延长至15秒时,他们的表现显著下降(Williamson等人,2010年)。这些结果表明,先天性音乐缺失症患者在处理声音方面存在最佳的SOA范围,大约在350至1秒之间。但在他们的MMN研究中,Moreau等人(2013年)使用的SOA为500毫秒,可能无法观察到音乐缺失症患者的记忆痕迹变化。此外,在行为层面上,音乐缺失症患者在音高变化较小时在音高辨别任务中表现较差(Ayotte等人,2002年;Hyde和Peretz,2004年)。本研究操纵了变化幅度和SOA,以探讨它们是否会影响音乐缺失症患者与对照组之间的MMN差异。在正常听者中,音高变化幅度和SOA都会影响MMN的幅度和潜伏期(例如,He等人,2009年):SOA增加会延长MMN潜伏期,而音高变化幅度减小会降低MMN幅度。我们假设这两个因素对音乐缺失症患者的MMN的影响比对对照组更显著。具体来说,为了研究音乐缺失症患者的音高辨别缺陷,我们使用了以下条件:(1)较大变化幅度(两个半音)和500毫秒的SOA,以减少音乐缺失症患者的音高短期记忆困难的影响,并预期能检测到MMN;(2)较小变化幅度(四分之一半音)和500毫秒的SOA,以强调细微的辨别困难(Moreau等人,2013年;Albouy等人,2016年);(3)较大变化幅度(两个半音)和1500毫秒的SOA,以突出音乐缺失症患者的时间依赖性音高短期记忆缺陷。我们预期在小的偏差条件和较长的SOA(刺激-反应时间)下,MMN(脑磁图反应)会发生变化,即在无音乐才能者中存在隐性的、自动的音高处理缺陷。通过使用相同条件和序列的主动实验部分(但分更短的块),我们旨在确认先天性无音乐才能者在音高辨别和短期记忆方面的显性缺陷,并将使用MMN测量的对偏差的自动检测与对这些相同偏差的主动检测进行比较。此外,在被动和主动任务中,我们使用了强度上的偏差(除了频率上的偏差),以确认无音乐才能者处理与声音幅度相关的信息的能力(Cousineau等人,2015年),并排除在声音变化检测方面的一般性缺陷。为了研究上述的无音乐才能者的自动变化检测,我们使用了配对的MEG-EEG(脑磁图-脑电图)记录。MEG可以检测无音乐才能者和对照组参与者在早期、强制性的诱发反应上的差异,如Albouy等人(2013年、2015年)在主动音高短期记忆任务中描述的N1成分,以及在主动音高变化检测中的网络动态(Samiee等人,2022年)。我们进行了源重建,以研究在MMN时间窗口内无音乐才能者和对照组之间是否存在网络激活的差异以及差异所在。为了使结果呈现更加严谨,本文主要关注MEG数据,而EEG结果在支持信息中提供,以便与以往的研究进行比较。

2 方法

2.1 参与者和行为预测试

研究共有13名先天性无音乐才能的成人和12名对照组参与者。有3名参与者被排除在分析之外:一名对照组参与者的行为表现低于其组平均值的两个标准差;一名无音乐才能的参与者由于金属牙齿假体产生了铁磁干扰,导致MEG记录无法使用;还有一名无音乐才能的参与者未能完成实验协议。最终的研究组由11名无音乐才能者和11名对照组参与者组成,在年龄、性别、惯用手、教育程度和音乐教育方面进行了匹配(见表1)。所有参与者均报告没有神经或精神疾病的历史。他们的听力也正常;也就是说,他们在500、1000、2000和4000赫兹的频率上,任何一只耳朵的听力损失都没有超过20分贝,这是通过便携式Colson K15听力计和TDH39耳机测试得出的(表1)。参与者提供了书面同意书,并因参与实验获得了报酬。根据法国法规,本研究获得了国家人类研究伦理委员会的批准(CPP SUD-EST IV,#2012-A01209634)。

表1. 参与者的人口统计数据。教育程度从法国的小学一年级开始计算。音乐教育对应于接受乐器课程的年数。MBEA(音乐才能评估)分数是MBEA六个子测试的平均分数。音高分数对应于三个调查音高感知的MBEA子测试的平均分数(例如,Williamson等人,2010年)。平均听觉阈值是根据500、1000、2000和4000赫兹的频率计算得出的。我们认为,当一个受试者的平均听觉阈值与人群标准不同,即高于20分贝时,就存在听觉损失。两组人口统计变量之间的平均比较使用了异方差条件下的双尾Student t检验,而侧化比较则使用了Fischer精确检验。SD:标准差;Min.:最小值;Max.:最大值。

| 参与者类别 | 参与者数量 | 男女比例 | 右利手/左利手比例 | 年龄(岁) | 教育年限(年) | 音乐教育年限(年) | MBEA平均分数 | MBEA音高分数 | 平均听觉阈值(dB) |
| --------- | --------- | --------- | -------------- | --------- | ------------ | -------------- | ---------- | ---------- | ------------- |
| 无音乐才能者 | 11 | 4/7 | 10/1 | 40.38 | 13.91 | 21.11 | 21.11 | 7.61 |
| 对照组 | 11 | 4/7 | 9/2 | 21 | 14.75 | 24.5 | 19.39 | 18.75 |

为了被视为先天性无音乐才能者,参与者必须在蒙特利尔音乐才能评估测试(MBEA,Peretz等人,2003年)中获得的平均分数低于正常人群平均值两个标准差(即,截止分数为23分,总分=30分)。MBEA包括六个子测试,涵盖了音乐感知和记忆的各个方面,特别是音高维度(检测出错音、轮廓变化或音程变化)、时间维度(节奏和节拍感知)以及附带记忆(即,识别在前一个子测试中使用的旋律)。所有参与者都接受了MBEA测试,对照组的所有参与者得分均高于截止分数(表1)。除了MBEA之外,还使用了一个基于自适应跟踪、两降一升阶梯程序的PDT(音高差异测试,Tillmann等人,2009年)对每位参与者进行了测试。平均而言,无音乐才能者的阈值显著高于对照组参与者,尽管两组之间存在重叠(表1)。

2.2 刺激和序列

使用的是合成谐波声音,由基频F0及其前三个振幅逐渐减小的谐波组成。声音持续时间为100毫秒,包括5毫秒的上升时间和5毫秒的下降时间。这些声音被用于六个听觉序列中。在每个序列中,标准音调都是C6(1047赫兹),并且有一个特定的偏差,其特点是由声学特征决定的,即频率或强度的大或小变化,以及固定的SOA(刺激-反应时间)。对于大偏差,每个特征(频率和强度)有一个500毫秒的SOA,另一个序列的SOA为1500毫秒。对于小偏差,SOA固定为500毫秒(图1)。图1展示了六个听觉序列。共有三种频率偏差条件,三种强度偏差条件。在参考条件下,使用500毫秒的SOA和两个半音(频率)或-15分贝(强度)的大偏差;在长SOA条件下,使用1500毫秒的SOA和大的偏差;在小偏差条件下,使用500毫秒的SOA和四分之一个半音的频率偏差或-5分贝的强度偏差。频率上的偏差音调对于小偏差比标准音调高四分之一个半音(1062赫兹),对于大偏差则高两个半音(1175赫兹,D6频率级别)。我们选择频率上的小偏差是因为无音乐才能者检测这种变化的表现接近机会水平,明显低于对照组的表现(参见Hyde和Peretz,2004年)。强度上的偏差音调对于小偏差比标准音调低5分贝,对于大偏差则低15分贝。这些值是在预测试后确定的,目的是在参考条件(大偏差,短SOA)下获得区分频率和强度偏差的同等难度水平。Tervaniemi等人(1999年)的研究中也使用了-5到-15分贝的差异。选择强度偏差的原因是,增强的效果往往会增加N1波的振幅,这与MMN重叠,从而导致对其的高估。在每个听觉序列中,听到偏差音调的概率为16.7%,偏差音调出现在三个到七个标准音调之后。

2.3 程序

参与者在同时进行MEG(脑磁图)和EEG(脑电图)记录的过程中完成了整个被动和主动听觉协议。他们坐在一个隔音、磁屏蔽的记录室中,通过带有泡沫耳塞的空气传导管双耳聆听声音。参与者被要求避免头部动作和眨眼。在MEG/EEG记录开始之前,确定了每个人对标准音调的检测阈值,并调整了音量水平,使声音呈现的时间比他们的阈值高45分贝。参与者首先进行被动听觉条件,在此期间他们观看了一部自己选择的带字幕的静默电影。他们被告知忽略声音,以便将注意力集中在视觉刺激上。然后,他们进行主动任务,被指示在检测到偏差音调时按下一个按钮。从被动条件开始可以保持受试者的天真状态,避免他们主动寻找偏差音调。六种类型的听觉序列的呈现顺序在参与者之间进行了平衡,使用了拉丁方阵来控制一阶carry-over效应。使用Neurobehavioral系统软件来呈现刺激并记录参与者的按键动作。被动和主动块在给定的指令以及试验次数上有所不同。被动记录的听觉序列具有500毫秒的SOA,包含840个刺激,其中包括140个偏差音调;而具有1500毫秒SOA的序列包含280个刺激,其中包括47个偏差音调。每个序列持续約7分钟。每种条件各呈现一次序列,除了具有1500毫秒SOA的序列,那里连续呈现了三个序列,以获得与其他条件相同的偏差音调数量(即,每种条件140个偏差),从而导致被动序列的记录时间约为70分钟。序列之间有短暂的休息时间。相比之下,主动任务的听觉序列包含180个刺激,每种条件包含30个偏差音调,总持续时间为17分钟。

2.4 行为数据:预处理和统计分析

为了研究参与者的行为能力,我们使用自定义的MATLAB脚本(The MathWorks Inc.)提取了命中次数、误报次数和反应时间。我们将命中事件定义为在刺激后[+150; +1500]毫秒的时间窗口内给出的答案,提前给出的答案(即预期中的)被视为误报。使用Statistica软件(StatSoft)进行了ANOVA分析。当需要时,使用Greenhouse–Geisser校正调整了p值。为了更精细地解释显著的主效应和交互作用,进行了Least Significant Difference(LSD)Fisher事后检验。对于误报,使用Mann–Whitney U检验来比较组别(无音乐才能者/对照组)在每种条件下的情况,因为数据是偏斜的,并且每种条件下至少有10名参与者没有误报。

2.5 MEG记录

记录是使用275通道的整个头部MEG系统(CTF-275,由VSM Medtech Inc.提供)和与MEG系统结合的56电极EEG系统进行的(有关EEG的方法和结果的详细信息见支持信息)。水平和垂直的眼电图(EOG)以及心电图(ECG)记录是用双极 montage获得的。电生理记录是以600赫兹的采样率和0.016到150赫兹的带宽连续进行的。数据应用了MEG梯度校正(一阶)。头部位置是连续确定的(150赫兹采样率),使用三个基准点固定线圈:右耳前和左耳前点以及鼻点。在记录之前,使用数字化笔(Fastrak,Polhemus)在参与者的头部定位了电极和基准点。此外,还为每位参与者获取了头部的T1加权磁共振成像(MRI)图像。在基准位置放置了高MRI对比度标记,以便在MRI上容易定位这些点,从而实现解剖和功能数据的共注册。

2.6 MEG数据预处理和ERF计算

对于被动听觉数据,首先使用CTF工具(CTF MEG International Services LP)、Matlab脚本(The MathWorks Inc.)和在里昂神经科学研究中心开发的ELAN软件包(Aguera等人,2011年)对MEG数据进行了预处理。对于主动任务数据,没有进行MEG/EEG数据的分析:只进行了行为分析。通过记录基准点的位置,为每位参与者确定了所有条件下的中位头部位置。根据确定的头部位置,我们排除了受头部运动影响超过1.5厘米的时期。然后,我们识别了SQUID跳变,即对于MEG数据,当信号在任何400样本长度的时间窗口内超过10,000-fT阈值时。SQUID跳变被纠正,包含SQUID跳变的时期随后被从分析中排除。一名无音乐感参与者和一名对照组参与者在他们的脑磁图(MEG)记录中出现了心肺伪迹。因此,对于这两名参与者,我们应用了由CTF提供并在Albouy等人(2013年)描述的信号校正模型,该模型使用信号空间投影方法。这种方法能够揭示出一个信号空间向量,描述伪迹在传感器空间中的全局分布。然后,将MEG数据投影到与该向量正交的空间上,以消除伪迹。对于所有参与者,我们在连续数据中应用了以50、100和150赫兹为中心的带阻滤波器,以去除电源线伪迹。接着,连续数据在2到45赫兹的范围内进行了三级巴特沃斯滤波处理。从每个刺激开始前的-100到400毫秒的时间段中提取了数据段。如果某个传感器上的信号变化超过2000飞特斯拉(fT)(MEG传感器)、100微伏(EEG传感器)或50微伏(EOG传感器),则这些数据段会被丢弃,并使用球面样条对噪声EEG电极进行插值处理。对于每个参与者、每种条件和每个传感器,通过分别对没有伪迹的数据段进行平均来获得事件相关功能(ERF),包括标准刺激和异常刺激的情况(每个数据块中的前三个标准刺激以及紧随异常刺激之后的标准刺激)。平均而言,在不同条件下的数据段数量为:无音乐感组中异常刺激为121±15(平均值±标准差);对照组中标准刺激为481±64;对照组中异常刺激为118±15;对照组中标准刺激为470±64。基线校正是通过减去刺激开始前-100到0毫秒区间内的信号平均值来完成的。随后,通过从每个参与者的标准ERF中减去相应的异常ERF来计算差异ERF。

2.7 脑磁图(MEG):源重构
使用FreeSurfer软件包(Fischl 2012;http://surfer.nmr.mgh.harvard.edu)对每张T1加权的MRI图像进行了分割。经过视觉检查后,将分割后的文件导入Brainstorm工具箱(Tadel等人,2011;http://neuroimage.usc.edu/brainstorm)中进行源分析,同时引入了差异ERF和MEG传感器的位置信息。在实验当天进行的空白房间记录中计算了一个噪声协方差矩阵,并使用与任务相同的预处理流程进行了处理。在个体解剖结构与MEG传感器之间进行配准后,使用OpenMEEG软件(Gramfort等人,2010;https://openmeeg.github.io/)计算了正向模型。在由FreeSurfer分割的白质-灰质边界处,进行了加权最小范数估计。具体来说,使用线性逆估计器(加权最小范数电流估计,信噪比为3,白化PCA,深度权重为0.5)和15,002个电流偶极子,从275个梯度计信号的时间序列中估计了皮层电流。源的方向被限制为与个体MRI的灰质-白质边界正交。然后将源图投影到标准脑模型(ICBM152)上,并进行了空间平滑处理(全宽半高(FWHM)= 3毫米)。随后进行了组平均和统计分析。

2.8 源级数据的统计分析
ERF分析按照以下步骤进行:
- 使用t检验在所有参与者的每个条件下的每个顶点处,比较整个大脑水平的信号幅度与零,以检测ERF的出现;
- 在MMN峰值潜伏期为130毫秒的频率条件下和180毫秒的强度条件下,在参考条件下绘制了感兴趣区域(ROIs)(见图2)。频率参考条件的ROI被用于所有频率条件,强度参考条件的ROI被用于所有强度条件后的分析。ROIs是通过Brainstorm中实现的半自动程序增长的。时间ROIs在每个半球的上颞叶生长,起始于Heschl回附近具有显著MMN的顶点,右侧额叶ROI则从在下额叶回显示显著MMN的顶点生长,与Lecaignard等人(2021年)的研究中的额叶ROI在空间上相对应。在每个条件下的所有参与者中,确定了MMN出现的感兴趣的时间窗口。选择右侧颞叶区域是因为它的出现窗口最长(涵盖了其他区域)。在频率参考条件下,窗口为85–178毫秒;在频率长SOA条件下为105–177毫秒;在频率小偏差条件下为151–238毫秒;在强度参考条件下为138–213毫秒;在强度长SOA条件下为150–221毫秒;在强度小偏差条件下为168–243毫秒。对于每个参与者、每个条件以及每个传感器,提取了该时间窗口内每个ROI的平均幅度和峰值潜伏期。图2在图示查看器中打开,使用PowerPoint显示。
3 结果
3.1 行为
对于命中次数和反应时间,我们计算了2×2×3或2×2×2的方差分析(ANOVA),其中组(无音乐感/对照组)作为参与者间的因素,维度(频率/强度)以及条件(参考/长SOA/小偏差)或SOA(参考/长SOA;对于反应时间RT)作为参与者内的因素。
3.1.1 表现(命中次数和误报)
关于命中次数的ANOVA(图3A)显示组(F(1, 20) = 14.15,偏η2 = 0.414,p < 0.001)、条件(F(2, 40) = 62.86,偏η2 = 0.759,ε = 0.590,p < 0.001)有显著效应,组与维度之间的交互作用(F(1, 20) = 5.33,偏η2 = 0.210,p = 0.03)和组与条件之间的交互作用(F(2, 40) = 11.34,偏η2 = 0.362,ε = 0.590,p = 0.002)也有显著效应,而组、维度与条件之间的三重交互作用(F(2, 40) = 6.26,偏η2 = 0.239,ε = 0.658,p = 0.01)同样显著。维度本身的效应以及维度与条件之间的交互作用不显著(所有p值 > 0.35)。图3在图示查看器中打开。
行为。(A) 每组中频率(左)和强度(右)条件下的命中次数 (B) 反应时间 (RTs)。最大命中次数为30次。反应时间(RTs)仅包括正确响应的情况。由于某些参与者在这些条件下的命中次数较少(图表为空小提琴图),因此报告了小偏差条件下的RTs,但未进行进一步分析。***: p < 0.001; **: p < 0.01; *: p < 0.05(组间比较)。无音乐感组的反应时间为红色和橙色小提琴图;对照组为黑色和灰色小提琴图。实心点代表个体数据,空心点代表每组的平均值。对三重交互作用的事后分析显示,无音乐感组和对照组在参考条件和长SOA条件下的命中率没有显著差异,在强度或频率的偏差条件下也没有显著差异(所有p值 > 0.48)。然而,无音乐感组在频率的小偏差条件下的命中率显著低于对照组(p < 0.001),而在强度的小偏差条件下也明显更低(p = 0.02)。此外,分析表明无音乐感组在检测强度的小偏差时的表现优于对照组(p = 0.004),而对照组在检测频率的小偏差时表现更好(p = 0.002)。误报情况(即参与者在实际上没有偏差的情况下误按按钮)非常罕见(每组平均不到2次)。在任何六个条件下,无音乐感组和对照组之间的误报情况均无显著差异(p值 > 0.25,使用Mann–Whitney U检验)。
3.1.2 反应时间
我们没有分析小偏差条件下的RT,因为一些参与者的命中次数非常低(三个无音乐感参与者中不到10次)。实际上,这些参与者出现了很多遗漏(即,尽管有偏差存在,但他们没有按按钮)。ANOVA考虑了组因素、SOA因素(参考SOA与长SOA)和维度因素。RT的ANOVA(图3B)显示组因素(F(1, 20) = 7.13,偏η2 = 0.263,p = 0.015)、SOA因素(F(1, 20) = 28.60,偏η2 = 0.588,p < 0.001)以及SOA与维度之间的交互作用(F(1, 20) = 5.77,偏η2 = 0.224,p = 0.03)和组与SOA之间的交互作用(F(1.20) = 4.96,偏η2 = 0.199,p = 0.04)有显著效应。SOA与维度之间的交互作用表明,当SOA设置为500毫秒时,参与者识别强度大偏差的速度明显慢于识别频率大偏差的速度(p < 0.001),但在SOA为1500毫秒时则没有这种差异(p = 0.21)。组*SOA的交互作用表明,无音乐感组在长SOA条件下的速度明显慢于对照组(p = 0.002),而在500毫秒的较短SOA条件下则没有这种差异(p = 0.18)。维度的主效应和组与维度之间的交互作用的效应大小较大,但未达到统计显著性(分别为F(1, 20) = 3.8,偏η2 = 0.159,p = 0.07和F(1, 20) = 2.75,偏η2 = 0.121,p = 0.11)。三重交互作用不显著(p = 0.78)。
3.2 源空间中MMN的幅度和潜伏期
我们从源级数据的时间进程中提取了每个实验条件、每个参与者和每个维度(右侧和左侧颞叶、右侧额叶)的六个ROI的平均MMN幅度(在感兴趣的时间窗口内)和MMN峰值潜伏期(见图2)。对于时间区域使用最小潜伏期,对于额叶区域使用最大潜伏期,这取决于事件相关反应的极性(见图4)。一名无音乐感参与者和一名对照组参与者在某个条件下缺少MEG数据;因此,我们从这两名参与者的数据中移除了用于MEG数据统计分析的部分。图4在图示查看器中打开。
每个组的每个ROI和条件的源数据时间过程的总体平均值。事件相关响应(差异波)在声音开始前的[-100至400毫秒]时间窗口内说明。颜色编码与图3相同,表示组和变化维度。频率条件在顶部面板中显示,强度条件在底部面板中显示。线条特征表示条件(参考条件为粗线,长SOA为实线,小变化为点划线)。
3.2.1 右侧颞叶ROI(图5)
图5在图示查看器中打开
右侧颞叶ROI中的MMN。(A) 每组的平均源幅度(以pA·m为单位)和(B) 平均峰值潜伏期(以毫秒为单位)。颜色编码与图3相同,表示组和变化维度:无音乐感组为红色和橙色小提琴图;对照组为黑色和灰色小提琴图。实心点代表个体数据,空心点代表每组的平均值。在MMN幅度的ANOVA中,我们发现条件(F(2, 36) = 26.29,偏η2 = 0.594,ε = 0.781,p < 0.001)有显著效应:在长SOA(p < 0.001)和小偏差(p < 0.001)条件下,源级别的MMN幅度降低,而在长SOA和小偏差条件下没有显著差异(p = 0.22)。组与维度之间的交互作用(F(1, 18) = 4.96,偏η2 = 0.216,p = 0.039)显示:无音乐感组的MMN幅度在频率偏差条件下显著低于对照组(p = 0.026),而在强度偏差条件下两组之间没有显著差异(p = 0.842)。条件与维度之间的交互作用(F(2, 36) = 7.19,偏η2 = 0.286,ε = 0.749,p = 0.002)表明,在长SOA条件下,强度偏差的MMN幅度大于频率偏差(p = 0.043),而在小偏差条件下,强度偏差的MMN幅度小于频率偏差(p = 0.003),但在参考条件下两个维度之间没有显著差异(p = 0.75)。其他效应和交互作用不显著(p值 > 0.163)。在MMN潜伏期的ANOVA中,我们发现组(F(1, 36) = 4.54,偏η2 = 0.202,p = 0.047)有显著效应,无音乐感组的MMN潜伏期比对照组长。条件效应显著(F(2, 36) = 86.97,偏η2 = 0.829,ε = 0.899,p < 0.001),小偏差条件下的MMN潜伏期显著长于参考和长SOA条件(两者p值 < 0.001),而参考和长SOA条件之间没有显著差异(p = 0.12)。维度效应也很显著(F(1, 18) = 74.17,部分η2 = 0.805,p < 0.001),并且与条件因素存在交互作用(F(2, 36) = 26.55,部分η2 = 0.596,ε = 0.956,p < 0.001)。在参考条件下(p < 0.001)以及长SOA条件下(p < 0.001),强度差异引起的MMN反应潜伏期比频率差异引起的更长,但在小偏差条件下(p = 0.95)则没有这种差异。其他效应和交互作用均不显著(ps > 0.31)。

3.2.2 左颞叶ROI(图S1)
在MMN幅度和潜伏期方面,组间效应不显著,组因素与其他因素之间也没有交互作用(所有ps > 0.15)。虽然未达到统计学显著性,但条件×组之间的交互作用效应大小较大(F(2, 36) = 3.24,部分η2 = 0.152,ε = 0.859,p = 0.06),这表明在长SOA条件下,音乐家的MMN潜伏期比对照组更长。有关该ROI的详细统计信息,请参见支持性材料。

3.2.3 右前额ROI(图6)
图中显示了右前额ROI区域的MMN现象。(A)每组的平均源幅度(单位:pA·m)和(B)平均峰值潜伏期(单位:ms)。颜色编码与图3相同,代表组别和变化类型:音乐家用红色和橙色小提琴图表示;对照组用黑色和灰色小提琴图表示。实心点表示个体数据,空心点表示每组的平均值。对于MMN幅度,组间效应显著(F(1, 36) = 5.59,部分η2 = 0.237,p = 0.03),音乐家的MMN幅度低于对照组。条件因素也有显著影响(F(2, 36) = 9.16,部分η2 = 0.337,ε = 0.915,p < 0.001):长SOA条件和小偏差条件下的MMN幅度低于参考条件(分别p < 0.001和p = 0.002),而长SOA条件和小偏差条件之间没有差异(p = 0.62)。其他效应和交互作用均不显著(ps > 0.2)。对于MMN潜伏期,条件效应显著(F(2, 36) = 91.53,部分η2 = 0.836,ε = 0.908,p < 0.001),小偏差条件下的MMN潜伏期明显长于参考条件和长SOA条件(ps < 0.001),而参考条件和长SOA条件之间没有显著差异(p = 0.41)。维度效应也显著(F(1, 18) = 157.17,部分η2 = 0.897,p < 0.001),强度差异引起的MMN潜伏期长于频率差异。维度因素与条件因素存在交互作用(F(2, 36) = 9.34,部分η2 = 0.342,ε = 0.750,p = 0.002),在参考条件和长SOA条件下,强度差异引起的MMN潜伏期显著长于频率差异(ps < 0.001),但在小偏差条件下没有这种差异(p = 0.07)。组因素没有显著的效应或交互作用(ps > 0.22)。

3.2.4 组间差异总结(图7)
MEG测量得到的主要效应对比了音乐家(红色/橙色)和对照组(黑色/灰色)在自动频率变化检测(右图)和强度变化检测(左图)方面的表现。在右颞叶(a)和右前额叶(b)ROI区域观察到了MMN幅度和/或潜伏期的差异。大脑图像由Freepik(https://www.freepik.com/)提供。因此,在从MEG数据中观察到了以下组间差异:(1)在所有条件下,音乐家的MMN幅度在右颞叶区域对频率差异的响应幅度降低;(2)同样在右颞叶区域,无论频率还是强度变化,音乐家的MMN潜伏期都比对照组长;(3)在右前额叶区域,音乐家的MMN幅度在所有类型的变化下都降低,但组间潜伏期没有差异;(4)在长SOA条件下,音乐家的MMN潜伏期在左颞叶区域相较于对照组有增加趋势,无论是频率变化还是强度变化。

4 讨论
本研究使用MEG和主动行为任务(变化检测)以及包含相同异常序列的被动听觉任务,揭示了音乐障碍患者在自主和预注意水平上对声音序列变化的检测方式是如何改变的。正如假设的那样,在行为层面上,先天性音乐障碍与对小幅度变化的主动频率变化检测能力欠缺以及长SOA条件下的检测能力缺陷有关。重要的是,这种行为缺陷与右颞叶和右前额叶区域的自动处理过程中的MMN时间进程变化有关。即使在“最佳”(参考)情境下,音乐障碍患者的频率-MMN幅度和潜伏期也发生了改变。频率-MMN的幅度和潜伏期在所有测试条件下都发生了变化。音乐障碍患者在检测小幅度变化方面的能力优于对照组,而在检测小频率变化方面的能力则较差。尽管如此,行为数据和MMN动态都表明,先天性音乐障碍患者在检测强度变化方面也存在障碍,尽管程度较轻,表现为右颞叶区域的MMN潜伏期异常和右前额叶区域的MMN幅度异常。下面我们将讨论这些发现对理解先天性音乐障碍、变化检测中的自动和显性机制以及音高和响度处理的影响。

4.1 先天性音乐障碍中的音高变化检测:自动处理与显性任务表现
在要求检测重复序列中的音高变化时,我们观察到先天性音乐障碍患者在最佳条件下(音高变化大两个半音,SOA为500毫秒)的表现几乎与对照组相当。但即使在最佳SOA条件下,他们仍然无法检测到小幅度(四分之一半音)的变化,且将SOA延长到1500毫秒后,他们的反应延迟更明显。这些结果进一步证明了先天性音乐障碍患者在音高处理方面存在缺陷,尤其是在音高变化检测任务中(例如Hyde和Peretz 2004年;Van Vugt等人2025年;Tillmann等人2023年的综述)。在本研究中,我们首次使用MEG记录显示,这些缺陷确实存在,表现为右颞叶皮层中频率-MMN幅度降低,以及右下额叶皮层中频率-MMN潜伏期延长,与对照组相比。这些结果与先天性音乐障碍患者右额-颞网络的已知解剖和功能异常一致(Peretz 2016年综述;Tillmann等人2023年),并将其扩展到自动音高变化处理方面。这些MEG发现突显了先天性音乐障碍患者在多种情境下自动提取音高规律性的能力受损。在最佳情境下,如参考条件,自动建立的记忆痕迹可能足以实现接近正常的行为表现。注意资源的参与可能部分补偿了这种处理阶段的缺陷。值得注意的是,尽管如此,频率-MMN在先天性音乐障碍患者中仍发生了变化,但并未完全消失。当前结果与之前关于先天性音乐障碍患者MMN的EEG研究结果之间存在差异(例如Moreau等人2013年;Quiroga-Martinez等人2021年),这可能是由于MEG信号的敏感性更高,得益于其良好的信噪比以及通过源重建能够分离不同生成器的贡献(Lecaignard等人2021年)。实际上,在本研究中同时收集的EEG数据并未显示组间在MMN幅度或潜伏期方面的显著差异(见支持性材料)。这是使用标准头皮EEG数据分析流程观察到的结果,该流程未包括源重建。在EEG中,来自颞叶和额叶的MMN信号可能在头皮层面重叠,掩盖了组间的细微差异,而MEG的源定位有效分离了这些信号,揭示了潜在的异常活动。必须强调的是,当前研究的样本量较小(每组n=10人,用于EEG和MEG数据分析),因此需要未来的重复研究。MEG数据分析中显著组效应(或涉及组因素的交互作用)的效果大小为部分η2在0.2至0.25之间;而EEG数据分析中非显著组效应的效果大小约为部分η2的0.15。这种效应大小(对应于Cohen的f > 0.4)在更大的样本量下(例如每组18人,假设f = 0.4,r = 0.5,用于三个重复测量之间的相关性计算,使用G*Power软件)可以以80%的功率被检测到。然而,考虑到所测试的特殊人群,达到更大的样本量仍然是一个挑战。

4.2 音高和响度处理的共同和不同机制
通过使用频率和强度差异,我们研究了音高和响度的处理机制。正如先前关于MMN的结果所预期的(例如Tervaniemi等人1999年),这两种类型的变化(频率或强度)都引发了明确的MMN反应,当变化幅度较小时,或当序列内的SOA从500毫秒增加到1500毫秒时,MMN反应变得更小且延迟更长(例如He等人2009年)。对于这两种维度,源重建显示双侧听觉皮层和右下额叶皮层参与了头皮记录信号的生成(如Lecaignard等人2021年所述)。然而,结果模式中的某些特征表明,除了这些解剖学相似性之外,两种维度之间还存在差异。具体来说,与对照组相比,先天性音乐障碍患者在右颞叶区域的MMN幅度降低仅出现在频率-MMN中,而在右颞叶区域的潜伏期和右前额叶皮层的幅度方面,组间存在差异。这种结果模式表明,听觉皮层中可能存在处理音高和响度的不同网络,而前额区域可能更普遍地参与跨维度的听觉变化检测。这些发现与那些提出频率-MMN和强度-MMN源自听觉皮层中不同神经群体的研究结果一致(例如Giard等人1995年;Rosburg 2003年;Lecaignard等人2021年)。

4.3 对先天性音乐障碍的综合性理解
本研究探讨了先天性音乐障碍这一神经发育障碍的两个仍有争议的问题:首先,缺陷发生在哪个处理层面;其次,这些异常是否具有特异性。本研究揭示,先天性音乐障碍患者在处理规则声音序列的变化时,自动处理过程已经受损。这一发现与Omigie等人(2013年)报告的早期前额负波异常一致,即患者的注意力更多地集中在音色而非旋律本身上。这可能与一些研究的结果相反,后者显示先天性音乐障碍患者在隐性/间接任务中的表现相对完好(例如Peretz等人2009年;Tillmann等人2014年,2016年)。然而,应该注意的是,即使存在变化,这里也观察到先天性音乐障碍患者在频率变化后的MMN反应仍然清晰可见,与之前的EEG研究结果一致(Moreau等人2013年;Quiroga-Martinez等人2021年,2022年)。因此,他们实现的自动声音序列表示质量可能足以在隐性任务中取得成功。总的来说,这些发现表明,音乐障碍患者在早期和自动处理阶段就已经存在异常的听觉序列处理能力,表现为规律性提取和/或自动预测过程的缺陷。这些异常可能会在后续处理阶段进一步加剧,或者取决于具体的任务(也参见Zendel等人2015年的研究)。仍有待分析的是,在发展过程中,自动处理阶段的异常是否阻碍了更高层次处理能力的发展,从而影响音高信息的自觉提取,或者 vice versa。在此,我们进一步观察到了先天性音乐缺失患者在处理音强变化方面的异常现象,但这些异常现象比处理音频频率变化的异常现象更为有限:(1)在行为层面,与对照组相比,先天性音乐缺失患者在检测微小音强变化时表现较差,但在检测微小频率变化时的表现略好;(2)仅在先天性音乐缺失患者的右侧颞叶区域,频率相关的MMN(-Mean Multiple Signal Negative)信号幅度有所下降。先前的多项研究已经指出,先天性音乐缺失患者在音高处理之外的其他听觉方面也存在异常(参见Tillmann等人2023年的综述)。Whiteford和Oxenham(2017年)报告称,音乐缺失患者在精细音量调节检测方面存在缺陷。Marin等人(2012年)和Tillmann等人(2009年)还发现,音乐缺失患者在音色处理和记忆方面也存在问题,尤其是对音色明亮度维度的处理能力受损(Graves等人2019年)。先天性音乐缺失患者在时间和节奏处理方面也存在缺陷,但并非所有患者都会受到影响,且受影响的程度通常小于音高处理的缺陷(Lagrois和Peretz 2019年;Van Vugt等人2025年)。尽管音高处理异常是先天性音乐缺失的标志性特征,但这种缺陷可能还会影响到其他听觉维度。基于当前的MMN研究结果,我们可以推测这些缺陷可能与右侧前额叶皮层的功能障碍有关,因为在先天性音乐缺失患者中,频率相关的MMN和音强相关的MMN信号幅度都出现了类似的下降。这也引发了一个问题:这些异常现象是在发育的哪个阶段以何种方式出现的?以及不同听觉特征(如音高、响度和音色)的处理机制在发育过程中是如何相互作用和发展的。Hyde等人(2007年)提出,音乐缺失个体的听觉皮层和下额叶皮层较厚可能是由于发育过程中神经迁移异常导致的,从而改变了局部神经连接,这一机制也与阅读障碍有关。总结来说,本研究揭示了先天性音乐缺失患者在右侧前额-颞叶网络中存在异常的自动声音变化检测能力,其中频率变化的损伤最为严重,而音强变化的损伤相对较轻。这些发现为未来的发展研究提供了方向,旨在探讨听觉序列的自动处理与意识处理之间的相互作用,以及前额-颞叶网络的典型和非典型发育过程。

作者贡献:
Yohana Lévêque:概念构建、数据管理、数据分析、方法论设计、验证、数据可视化、原始论文撰写、审稿与编辑。
Camille Fakche:数据管理、数据分析、数据可视化、原始论文撰写、审稿与编辑。
Lesly Fornoni:数据管理、研究实施、验证、数据可视化、论文撰写、审稿与编辑。
Fran?oise Lecaignard:方法论设计、软件开发、论文撰写、审稿与编辑。
Sébastien Daligault:研究实施、软件开发、验证、论文撰写、审稿与编辑。
Claude Delpuech:方法论设计、软件开发、论文撰写、审稿与编辑。
Julien Jung:研究协调、项目管理工作、论文撰写、审稿与编辑。
Barbara Tillmann:概念构建、资金筹集、方法论设计、项目管理工作、研究监督、论文撰写、审稿与编辑。
Anne Caclin:概念构建、数据管理、数据分析、资金筹集、方法论设计、项目管理工作、资源协调、软件开发、研究监督、数据验证、数据可视化、原始论文撰写、审稿与编辑。

致谢:
本研究的开放获取出版得到了COUPERIN CY26项目的资助。

本项工作得到了法国国家研究署(ANR)对BT和AC的资助(项目编号ANR-11-BSH2-001-01)。本研究在里昂大学旗下的CeLyA实验室(“里昂声学中心”,项目编号ANR-10-LABX-0060)和Cortex实验室(“大脑皮层的构建、功能与认知功能及康复”,项目编号ANR-11-LABX-0042)的支持,这些实验室均隶属于法国国家研究署(ANR)的“未来投资”计划(项目编号ANR-11-IDEX-0007)。BT还获得了勃艮第-弗朗什-孔泰大区的ANER资助(项目编号MusiC)。

利益冲突:
作者声明没有任何利益冲突。

数据可用性声明:
本研究支持的数据可向通讯作者A.C.索取,经合理请求即可提供。

同行评审信息:
本文的同行评审历史信息可访问以下链接:https://www.webofscience.com/api/gateway/wos/peer-review/10.1111/ejn.70529。
相关新闻
生物通微信公众号
微信
新浪微博

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