《Biology》：Temporal Response Function-Driven Representational Similarity Analysis for Speech Perception Decoding with MEG and EEG
编辑推荐：
语音感知依赖于分布式神经元群体（distributed neuronal populations），然而传统解码方法通常采用静态策略，忽视了内在时间依赖性与动态调控。因此，本研究将系统辨识（system identification）的概念引入多变量解码。通过
语音感知依赖于分布式神经元群体（distributed neuronal populations），然而传统解码方法通常采用静态策略，忽视了内在时间依赖性与动态调控。因此，本研究将系统辨识（system identification）的概念引入多变量解码。通过采用语音刺激与神经反应之间的时滞回归（time-lagged regression）对脑反应特征进行建模，研究人员提出了一种基于时间响应函数（temporal response function, TRF）的表征相似性分析方法（representational similarity analysis, RSA），即TRF-RSA。该方法对连续刺激特征到神经反应的动态时滞映射进行建模，从而有效分离由刺激驱动的一致性活动与高维噪声。更重要的是，该方法将分析视角从原始信号的静态比较提升为权重空间中的动态轨迹分析。研究人员开展了一项听觉实验，并整合了具有高时空分辨率的光泵磁力计脑磁图（optically pumped magnetometer magnetoencephalography, OPM-MEG）与脑电图（electroencephalography, EEG）。结果显示，TRF-RSA显著增强了语音声音之间的模式相似性以及模式差异的判别能力。此外，该方法揭示了由生物性发声所诱发的更强相似性，提示人脑对这类物种特异性声音存在偏好。源定位（source localization）结果不仅证实了经典语音感知网络，还揭示了边缘系统（limbic system）和深部脑区（deep brain regions）的激活。通过对刺激特征与神经反应之间关系的建模，TRF-RSA对刺激驱动神经活动的时空模式进行了动态量化，提高了编码过程中表征模式解码的敏感性。这些发现表明，该方法是一种高敏感性的神经影像学工具，不仅推进了对语音加工时空动态的理解，也为群体动力学（population dynamics）研究提供了新的参考。
该文发表于《Biology》。研究聚焦于语音感知这一典型的高维时空整合认知过程，针对传统表征相似性分析（representational similarity analysis, RSA）主要依赖静态原始神经信号、难以刻画刺激与脑反应之间时滞依赖关系、且易受环境噪声与内源性生理伪迹干扰的问题，提出了一种基于时间响应函数（temporal response function, TRF）的动态表征分析框架。研究的核心动因在于：语音感知并非瞬时完成，而是建立在分布式神经网络对连续声学输入的多时间尺度编码基础上，传统静态分析难以反映神经表征的真实动态几何结构，因而限制了语音编码研究的灵敏度与解释力。基于这一背景，研究人员尝试将系统辨识（system identification）思想引入多变量模式分析，通过建立连续语音包络与神经反应之间的时滞映射，提取真正由刺激驱动的神经编码成分，并在权重空间中重构表征相似性。
研究人员设计了一个语音辨别实验，使用6类声音刺激，包括人类语音（HS）、人类非语音（HNS）、动物叫声（AC）、生活场景声（SL）、自然场景声（SN）和乐器声（MI），共90个刺激，每个刺激重复9次。16名健康右利手中文母语成人参与实验，分别记录光泵磁力计脑磁图（optically pumped magnetometer magnetoencephalography, OPM-MEG）与脑电图（electroencephalography, EEG）数据。研究基于语音振幅包络建立TRF模型，再将多通道TRF权重向量化，构建表征相似矩阵（representational similarity matrix, RSM），进而刻画语音感知过程中神经反应模式相似性（neural response pattern similarity, NRPS）的动态变化。同时，研究将该TRF-RSA与传统RSA（Tra-RSA）直接比较，以评估其在模式相似性表征和类别区分中的性能差异，并进一步结合源定位分析探查其解剖学来源。
主要技术方法可概括为：研究以16名健康成人为样本队列，实施90种声音刺激的听觉分类任务，分别采集OPM-MEG与128导EEG信号；通过Hilbert变换提取语音宽带振幅包络，并采用时滞回归与Tikhonov正则化建立TRF模型，在?100 ms至1000 ms时窗内拟合刺激—反应映射；在此基础上，分别于原始信号空间和TRF权重空间构建RSM，计算NRPS并进行Wilcoxon秩和检验与FDR校正；最后结合个体T
1结构像、BEM正演模型和动态统计参数映射（dynamic statistical parametric mapping, dSPM）完成源定位与群体水平统计。
4.1. Dynamic Changes in Similarity of Neural Response Patterns
该部分比较了TRF-RSA与Tra-RSA在整体语音加工时间进程中的表现。MEG结果显示，刺激前至刺激后约70 ms，NRPS基本维持在约0.52水平；其后TRF-RSA迅速升高，在90 ms达到0.61，显著高于Tra-RSA的0.57。二者分别在167 ms与160 ms出现首个峰值，随后短暂下降，并在240 ms附近形成第二个峰，呈现明显双峰动态。统计分析表明，TRF-RSA在刺激后90–435 ms时间窗内的模式相似性显著高于Tra-RSA。EEG结果与之高度一致：显著差异时间窗为94–475 ms，且TRF-RSA在早期上升、峰值高度及持续时间上均优于Tra-RSA。该结果说明，通过在TRF权重空间而非原始信号空间中进行相似性度量，可以更灵敏地捕获语音编码期间由刺激驱动的神经表征动态。
4.2. Similarity of Neural Response Patterns Within Categories
该部分关注六类声音内部的类别内相似性。MEG中，Tra-RSA下HS、HNS、AC、SL、SN、MI的NRPS分别为0.63、0.60、0.58、0.52、0.55和0.53，而TRF-RSA分别提升至0.77、0.75、0.71、0.66、0.68和0.68，六类刺激均达到统计学显著。EEG中同样观察到一致提升：Tra-RSA下分别为0.69、0.65、0.60、0.56、0.57、0.59，TRF-RSA提升至0.80、0.77、0.74、0.69、0.70、0.72，且全部达到显著水平。进一步将声音划分为生物性声音与非生物性声音后，MEG中Tra-RSA未能检测到显著差异，而TRF-RSA则发现生物性声音的模式相似性显著更高；EEG中两种方法均可检测到差异，但TRF-RSA显著性更强。该结果表明，TRF-RSA不仅提高了类别内表征一致性，也增强了不同大类声音之间的可分离性，尤其揭示出人脑对生物性发声的偏好。
4.3. Source Localization of Neural Response Pattern Similarity
该部分利用MEG与EEG源定位分析NRPS的解剖学来源及其时空演化。MEG结果显示，刺激后100 ms时，下额回（inferior frontal gyrus, IFG）、Heschl回（Heschl’s gyrus, HG）、眶额回（orbito-frontal gyrus, OFG）和海马旁回（parahippocampal gyrus, PG）已出现显著激活；至150 ms，激活范围和强度进一步增强，并扩展至颞叶声音区（temporal voice area, TVA）、下颞回（inferior temporal gyrus, ITG）与岛叶（Insula），提示加工由早期声学特征提取向高级语义与复杂声音整合过渡；250 ms时，大多数脑区激活减弱，仅PG仍保留一定活动，450 ms未见显著激活。EEG源定位呈现相似时空分布：100 ms时HG首先激活；150 ms时TVA、OFG、IFG、Insula和ITG出现强激活；250 ms时右侧TVA、Insula、PG和ITG仍显著；450 ms时右侧Insula、中颞回（middle temporal gyrus, MTG）和PG仍可见活动。该结果不仅支持经典语音加工网络的参与，也提示边缘系统与部分深部结构参与了语音编码。
讨论部分围绕三方面展开。首先，在早期语音编码阶段，TRF-RSA较Tra-RSA更敏感地揭示了约90 ms后开始的表征相似性增强，并在150–250 ms维持较高水平，说明神经群体在这一阶段发生了更显著的表征同步。其次，在不同类别声音之间，尤其是生物性与非生物性声音之间，TRF-RSA更清晰地检测到生物性发声的优势表征，这与TVA对同种属发声更敏感的既有认识一致。再次，源定位提示语音感知不仅依赖HG、TVA、IFG、OFG等经典听觉—语言通路，还涉及PG与Insula等与记忆、情绪及复杂整合相关的脑区，表明语音感知可能依赖更广泛的分布式网络。论文同时指出，TRF-RSA通过对连续自然刺激与神经反应进行时滞建模，拓展了多变量解码技术在临床评估、发育障碍筛查、助听装置优化和神经可塑性追踪中的应用潜力。局限性方面，原文指出OPM-MEG与EEG为分开采集，未来可进一步采用同步多模态记录，并拓展样本多样性及优化计算效率。
结论部分可译为：
本研究通过整合刺激特征与神经信号，对人脑在语音感知过程中的反应特征进行了建模。通过将时滞回归与多变量分析相结合，研究人员建立了TRF-RSA，使其成为一种具有更高判别力与敏感性的表征分析工具。结果表明，TRF-RSA克服了传统RSA的局限，能够有效捕获由刺激驱动的神经活动，并显著提高语音编码过程中的模式敏感性。此外，该研究不仅增强了语音刺激的类别内模式相似性，还揭示出生物性声音之间更强的相似性，提示人脑对这些语义类别存在偏好。在网络层面，源定位证实了经典语音网络的参与，同时揭示了边缘系统和深部脑区的扩展性激活，指向一种更为分布式的语音感知神经架构。通过对刺激特征与神经反应之间映射关系的建模，TRF-RSA能够动态捕获刺激诱发脑活动的时空模式，从而提高语音编码期间神经表征刻画的敏感性。这些发现提示，该框架不仅是阐明语音加工时空动态的有力分析工具，也为理解语言理解所依赖的分布式神经机制提供了更细致的视角。
