《Proceedings of the National Academy of Sciences》：Temporally structured motor and auditory representations in covert syllable production
编辑推荐：
摘要翻译：内部言语——通过隐音产生机制刻意生成言语的过程——是一种常见的人类体验。当前的理论提出，内部言语涉及与显性言语相似的感觉运动过程。在此，本研究探究内部言语期间的运动与听觉表征是否保持显性言语中观察到的粒度与时间结构。本研究使用脑磁图（magnetoe
摘要翻译：内部言语——通过隐音产生机制刻意生成言语的过程——是一种常见的人类体验。当前的理论提出，内部言语涉及与显性言语相似的感觉运动过程。在此，本研究探究内部言语期间的运动与听觉表征是否保持显性言语中观察到的粒度与时间结构。本研究使用脑磁图（magnetoencephalography, MEG）和时间分辨解码（time-resolved decoding），在两个实验中考察神经动力学。参与者隐音产生辅音-元音（consonant–vowel, CV）音节，这些音节通过辅音或元音的对比分别设计为强调发音或声学语音成分。跨实验来看，神经活动与显性言语的各阶段紧密对应。在预期音节起始之前，辅音（发音对比）从言语运动皮层被更强烈地解码，而元音（声学对比）在紧随其后从听觉皮层被更强烈地解码，这与内部生成知觉的起始一致。听觉区域中的元音可分辨性进一步根据沿以F2–F1投影近似的知觉相关声学维度上的分离程度而分级，表明听觉表征的特异性。这些发现揭示了内部言语期间时间结构化的、音素水平的、内容特异的的感觉运动表征，与涉及内部前向模型的基于产生理论的观点一致。
论文解读：内部言语产生中时间结构化的感觉运动表征——基于脑磁图的音素水平解码研究
**一、研究背景与意义**
内部言语是人类认知中普遍存在的现象，在推理、问题解决和言语工作记忆中扮演核心角色。然而，其神经机制长期未被充分阐明。内部言语并非单一现象，而是包含多种形式，其中内部说话（inner speaking）是一种常见的刻意形式，与隐音产生相关，区别于依赖记忆直接提取言语知觉的内部听觉（inner hearing）。当前理论框架提出，内部说话与显性言语共享除运动执行之外的加工阶段，其本质是一种保留感觉运动成分的运动模拟过程，包括运动发音计划、内驱副本（efference copy）及相应的听觉预测。这些经由内部前向模型传递的听觉预测被认为是在无实际运动或声音的情况下产生内部言语主观体验的基础。尽管近年颅内电生理研究已从言语运动区域成功解码想象词语，但有关内部言语中音素水平表征的本质——基本单元是什么、编码何种信息——仍知之甚少。一个主要障碍是隐音产生在试次间和参与者间的时间变异性，这限制了需要足够时间精度来解析言语产生中短暂、瞬态表征的解码方法的有效性。为此，本研究利用脑磁图（MEG）的高时间分辨率并结合时间分辨解码，系统探究内部说话过程中感觉运动活动的神经动力学与表征内容。该研究发表于《Proceedings of the National Academy of Sciences》。
**二、研究设计**
研究人员在两项实验中使用MEG记录参与者隐音产生不同音节时的神经活动。实验1（N=22）使用辅音集/pa/、/ta/、/ka/，其起始塞音在发音部位（place of articulation, PoA）上存在对比，且在辅音除阻前声学实现极小，从而分离发音成分；实验2（N=9）使用元音集/ta/、/tu/、/ti/，旨在最大化辅音除阻后的声学对比。参与者事先接受显性版本任务训练以改善隐音产生的时间对齐，并使用肌电图（EMG）确认无发音运动。研究采用时间泛化（temporal generalization, TG）解码分析和源空间解码，追踪各对比随时间以及在言语运动和听觉皮层中的可分辨性。
**三、关键技术与方法**
研究主要采用以下关键技术方法：1）MEG（157通道全头轴向梯度计）记录高时间分辨率神经信号；2）时间泛化解码分析，训练线性分类器并在所有时间点测试，以刻画神经表征的动态演变；3）源空间投影与解码，使用最小范数逆模型（dynamic statistical parametric mapping, dSPM）将传感器数据投影至源空间（共5,124个源）后逐源解码；4）基于聚类的置换检验确定统计显著性；5）余弦相似性分析评估峰特异性拓扑图的一致性；6）EMG监测排除运动伪迹。样本来源于纽约大学参与者的招募队列。
**四、研究结果**
**内部言语之下的神经过程序列。** 对实验1辅音集的时间泛化分析显示，音节身份可从非侵入性MEG信号中稳健解码，显著解码始于视觉呈现后约130 ms，并延伸至预期音节起始（约432 ms）之后。数据驱动的峰检测识别出七个解码峰，反映快速演变的表征瀑布流。峰特异性拓扑图在参与者间一致且可区分。源空间解码揭示了从视觉皮层开始，经外侧颞叶和额叶区域，进而延伸至感觉运动区域的快速进程。关键地，音节身份在预期起始前（约360–430 ms）最佳地从运动源恢复，在紧随其后（约430–500 ms）从听觉源恢复。beta频段去同步（运动参与的标志）的峰值潜伏期（中位数419 ms）恰处于起始前峰窗口内，为运动活动提供了汇聚证据。
**被动观看与隐音产生：共享与独特的神经过程。** 被动观看条件下仅识别出四个解码峰，时间范围较短。源空间解码显示被动观看在运动皮层无显著解码，尽管在颞叶区域存在可靠的解码。跨条件时间泛化显示，在预期音节起始前与运动相关解码重合的时间点上，跨条件解码失败，而在更早和更晚潜伏期存在泛化。这支持隐音产生中运动表征先于听觉表征、被动观看通过不同路径产生听觉表征的机制性分离。
**内部说话期间的运动与听觉表征。** 对辅音集，预期起始前腹侧运动皮层（vMC）中显著解码源百分比（54%）远高于听觉区域（9%），而起始后模式反转（vMC=77%；听觉=80%）。解码强度上也观察到类似分离：起始前运动解码显著更强，起始后听觉解码更强。对实验2元音集，预期起始前运动皮层无音节解码，起始后运动解码出现并与听觉解码时间重叠。元音集起始后听觉解码在显著源百分比（88% vs. vMC=53%）和解码强度上均强于运动解码，且呈现更双侧化的空间分布。进一步分析显示，听觉皮层中的元音可分辨性按元音对沿F2–F1投影的知觉相关声学维度分离程度分级：/ta/–/ti/分离最大、解码最强，/tu/–/ti/次之，/ta/–/tu/最小，表明存在群体水平的结构化声学编码。
**五、讨论与结论**
研究讨论指出，解码结果的时间结构揭示了内部说话中快速级联的瞬态神经状态，各状态间交叉时间泛化有限，符合序列加工架构。运动相关解码先于预期音节起始、听觉解码紧随其后出现，与基于产生理论的观点一致——发音过程经由内部前向模型生成预测的感觉后果。听觉皮层中无外部输入条件下存在细节性、对比敏感的表征，为内部前向模型的预测信号提供了汇聚证据。与被动观看的对比进一步表明，内部说话涉及完整的感觉运动级联，而被动观看更多反映内部听觉样路径。研究结论部分指出，这些发现揭示了内部说话期间音素水平的发音与声学-语音信息被表征，且与显性言语类似，精确的言语运动表征在时间上先于听觉知觉表征。这一结果为内部说话基于产生机制的理论提供了重要的神经证据支持。
