《Frontiers in Human Neuroscience》：From cortical and white matter structure to meaning: a brain-constrained neural network of semantic grounding in action and perception
编辑推荐：
语义与概念处理的脑基础复杂且难以解释。特定词类选择性地激活某些皮层区域，而其他区域则作为语义枢纽处理所有类别的词汇。除了一般神经生物学原理，皮层区域及其通过白质束的连接对于确定该区域在语言和语义处理中的角色至关重要。然而，大多数神经网络模型未能捕捉大脑的解剖结
语义与概念处理的脑基础复杂且难以解释。特定词类选择性地激活某些皮层区域，而其他区域则作为语义枢纽处理所有类别的词汇。除了一般神经生物学原理，皮层区域及其通过白质束的连接对于确定该区域在语言和语义处理中的角色至关重要。然而，大多数神经网络模型未能捕捉大脑的解剖结构，限制了其提供机制解释的能力。这里，研究人员提出了一个包含12个额颞枕叶皮层的脑约束神经网络模型（brain-constrained neural network model, BCN），该模型受纤维束成像衍生的结构连接（tractography-derived structural connectivity）约束，扩展了先前主要基于文献衍生连接（literature-derived connectivity）的建模工作。通过Hebbian相关学习（Hebbian correlation learning），语义电路（semantic circuits）在模拟的皮层区域中自发涌现，呈现出不同的拓扑结构：动作词（action words）激活额-中央运动区域，而物体词（object words）优先涉及初级视觉区（primary visual area, V1），复制了神经影像研究中的一系列神经激活模式。关键的是，位于神经架构中央的区域——前颞叶（anterior temporal, AT）和额下前皮层（inferior prefrontal cortex, PFi）——表现出类别一般性语义处理（category-general semantic processing），与语义枢纽功能（semantic hub function）一致。一个新的预测涉及次级颞枕区（secondary temporo-occipital region, TO）的潜在枢纽贡献，尽管该效应在不同纤维束成像衍生的结构连接变体中表现出变异性。进一步的相关分析揭示，具有更丰富区域间连接的区域发展出更高的语义电路神经物质密度（neural matter densities）。总的来说，这些发现表明，在白质层面增加生物现实性的脑约束神经模型能够提供分布式语义表征如何跨越多模态枢纽、感觉运动及语言区域涌现的机制性解释。
研究背景：语义基础化理论认为，词汇意义根植于感觉运动经验，而符号理论则认为意义由抽象、模态独立的编码表征。神经影像研究表明，语义处理涉及分布式的皮层网络，包括模态特异性区域（如视觉、运动皮层）和类别一般性语义枢纽（如前颞叶、额下前皮层）。尽管已有计算模型尝试模拟这些过程，但多数模型未能充分融入大脑的解剖结构，尤其是白质连接。研究者提出，增加生物现实性的模型能更好地解释语义表征的涌现机制。
本研究目的：研究人员基于先前12区域脑约束神经网络（BCN）模型，用来自Brainnetome图谱（Fan et al., 2016）的纤维束成像结构连接取代文献衍生的连接，以测试在更真实的白质连接约束下，类别特异性语义表征和类别一般性语义枢纽是否仍能涌现，并产生新预测。论文发表在《Frontiers in Human Neuroscience》。
研究方法：核心技术方法包括：（1）脑约束神经网络模型（BCN）模拟12个额颞枕叶皮层区域，每个区域由625个兴奋性神经元和同等数量的抑制性中间神经元组成，采用Hebbian学习规则（LTP/LTD）；（2）从Brainnetome图谱（Fan et al., 2016）提取53个皮层亚区，映射到12个模型区域，并基于概率纤维束成像数据构建二值化连接矩阵，采用12.5%阈值确定区域间连接；（3）学习过程：模拟6个物体词和6个动作词，通过同时刺激初级听觉区（A1）和初级发音运动区（M1i）作为词形输入，刺激初级视觉区（V1）或初级外侧运动区（M1L）作为语义基础化输入，共进行12,000次学习试次；（4）统计分析：使用四因素方差分析（ANOVA）比较各类别条件下细胞组装（CA）密度，并采用Pearson相关分析评估连接丰富度与CA大小的关系。
研究结果：（1）Cell assembly size and topographies：通过四因素ANOVA分析，发现存在显著的WordType × PeriExtra × FrontTemp × AreaType交互作用（F(2,20)=39.75, p<0.0001）。在额外缝侧区域，初级视觉区（V1）对物体词表现出显著更高的CA细胞密度（p<0.0001），而外侧运动区（M1L、PML、PFL）对动作词显著更高（p<0.0001）；前颞叶（AT）和颞枕区（TO）对两类词无显著差异，提示类别一般性处理。在岛周区域，动作词在发音运动区（M1i、PMi、PFi）和听觉区（A1、AB）中形成显著更大的CA（p<0.004），而副带区（PB）无差异。此外，枢纽区域（AT、PFL）的CA密度显著高于次级和初级区域（p<0.0001）。（2）Correlation results: connectivity richness and cell assembly size：Pearson相关分析显示，模型区域间连接数量与CA细胞密度呈显著正相关（r(10)=0.89, p<0.001），与之前的跳跃链接模型结果一致（r(10)=0.90, p<0.001），表明连接丰富度促进更大CA的形成。
讨论总结：研究结论部分翻译如下：先前的建模方法提出，动作与物体相关语义表征的拓扑差异源于连接结构与Hebbian相关学习的相互作用（Garagnani and Pulvermüller, 2016; Pulvermüller, 2013; Tomasello et al., 2017, 2018）。然而，先前的模拟依赖于文献综述得出的连接模式。在本研究中，研究人员通过建模相同的12个额颞枕叶皮层，但用来自Brainnetome图谱（Fan et al., 2016）的纤维束成像连接数据加以约束，扩展了这一工作。当前模型复制了先前建模和神经影像研究的核心发现，包括感觉运动皮层中的类别特异性激活以及连接枢纽参与更一般的语义处理。同时，它产生了新的预测：颞枕区（TO）作为AT和PFL之外的潜在额外连接枢纽，以及动作相关表征在岛周区域中的表达比先前观察到的更强，这两点均需进一步实证检验。总体而言，这些发现强调了纤维束成像约束的BCN的优势与局限性。这类模型减少了文献衍生连接假设固有的偏差，但也继承了与图谱分区及其到模型区域的不完美映射相关的不确定性。重要的是，当前结果帮助架起了大脑解剖结构、神经生理机制与语言-语义理论在词汇意义研究中的桥梁，展示了不同生物现实性水平的脑约束神经网络如何为语义表征的机制解释提供信息。
