《Frontiers in Systems Neuroscience》：Are you afraid? Neurophysiological responses to multidimensional fear in an interactive semi-immersive environment
编辑推荐：
引言： 客观恐惧识别对于临床评估和理解情绪加工过程至关重要。本研究采用多模态生物物理方法（EEG、HRV、EDA），在交互式半沉浸式环境中考察多维恐惧场景下的大脑-身体协调响应。
方法： 十名参与者经历了四个与恐惧相关的场景，这些场景映射到康德认知维度（具身性
引言： 客观恐惧识别对于临床评估和理解情绪加工过程至关重要。本研究采用多模态生物物理方法（EEG、HRV、EDA），在交互式半沉浸式环境中考察多维恐惧场景下的大脑-身体协调响应。
方法： 十名参与者经历了四个与恐惧相关的场景，这些场景映射到康德认知维度（具身性、概念性、话语性、整合性），并配有实时自适应视听刺激。研究人员同步记录EEG、HRV和EDA指标，并将其归一化至静息基线，以评估共享特征、场景特异性调制以及跨模态相关性。
结果： 神经和自主神经恐惧标记包括额叶和顶叶激活、EEG衍生指数（疲劳、兴奋、投入度）升高，以及心率和皮肤电导增加。恐惧的情境调制分别以具身性恐惧和概念性恐惧期间的自下而上和自上而下加工为特征。多模态聚类整体上呈现模态特异性组织，存在弱但显著的全局EEG-自主神经关联（Mantel检验），并验证了一个跨模态关联，即HRV（LF/HF）与EDA（SCRP）之间的关联。
结论： 恐惧既通过共享的神经生理特征表现，也通过情境依赖的认知-具身变异表现。将沉浸式技术与多模态生物物理传感相结合，为情绪研究提供了一种探索性的、具有生态效度的框架，可为未来的闭环自适应范式提供参考。
论文解读文章
一、研究背景与问题提出
恐惧识别在临床评估（如创伤评估）和常态情绪加工理解中均具有关键意义。作为一种基本的防御状态，恐惧调动中枢和外周神经系统以促进对威胁的快速检测和反应，即著名的“战斗或逃跑”机制。该状态通过自主神经唤醒增强和皮层活动改变得以体现，对其生理测量可实现客观评估，并有助于区分适应性警觉与病理性状态（如焦虑障碍）。
脑电图（EEG）凭借高时间分辨率被广泛用于研究快速变化的认知过程，包括心理疲劳、职业兴趣、认知负荷、注意和情绪等。EEG的频谱特征与潜在认知状态相关联：δ波（1–4 Hz）对应深睡眠，θ波（4–8 Hz）对应工作记忆，α波（8–12 Hz）对应注意，β波（13–30 Hz）对应执行动作，γ波（30–100 Hz）对应高阶认知。本研究仅分析θ、α和β频段，分别对应心理努力、注意和执行动作。
与脑测量互补，自主神经活动可通过自主神经系统（ANS）调控的信号进行评估。心率变异性（HRV）基于连续心跳间隔的变化，反映交感与副交感神经系统的调节转换。较低的HRV水平（交感激活）与适应挑战或认知压力源的调节能力下降相关，而较高HRV则是指韧性、行为灵活性或认知负荷的指标。皮肤电活动（EDA）测量由汗腺活动调节引起的皮肤电导变化，完全由交感神经系统决定，可可靠地反映交感功能和认知唤醒。EDA信号最显著的特征是皮肤电导反应（SCRs）的出现，即对刺激产生交感反应的相位成分；皮肤电导水平（SCL）则测量信号的缓慢变化。
在脑层面，功能磁共振成像（fMRI）研究已揭示与恐惧相关的神经环路，包括杏仁核、海马和前额叶皮层。EEG研究则识别出额叶、顶叶、颞叶和枕叶作为与恐惧相关的皮层结构，涉及θ、α和β频段。在自主神经层面，恐惧条件反射研究中，威胁性或恐惧相关线索比中性或安全线索引发更大更频繁的SCRs。然而，SCR分析存在局限——无法捕捉副交感迷走活动，而恐惧条件刺激已被证明可引发短暂心率减速，该反应主要反映迷走激活。因此，HRV作为恐惧条件反射指标受到越来越多的关注。
传统神经生理学研究常依赖高度受控的人为实验室环境。沉浸式和半沉浸式技术为研究情绪提供了更具生态效度的情境，半沉浸式环境允许自由表达和运动，同时增强沉浸感。虚拟现实（VR）引发恐惧的有效性受“临场感”的高度调节，即“身临其境”的心理感受，其特征包括空间临场感、参与感和真实感。临场感由“沉浸感”增强，取决于用于创建和显示VR的设备特性，如显示质量和实时反馈。多模态界面对于提供多感官刺激、提高保真度和临场感至关重要。
鉴于VR能够唤起情绪，其越来越多地被用于闭环恐惧症治疗中。这些系统监测生理信号以实时动态调整暴露场景。尽管暴露可能在体验期间急性诱发压力（EDA和HR升高），但可降低多种恐惧症治疗后的焦虑水平，包括恐高症、恐蛇症、幽闭恐惧症、恐火症和公开演讲恐惧。
现有研究存在静态设置和单模态局限的问题。本研究通过整合非侵入性多模态神经生理记录（EEG、BVP、EDA）于实时交互（基于心理生理学）的沉浸式环境中加以解决，采用8电极EEG（OpenBCI）分析θ、α和β频谱带，并使用生物特征手环（Empatica E4）动态调节基于投影的VR设置，包括可视化、灯光和声音。研究提出两个核心问题：（1）在半沉浸式环境中，神经和自主神经响应在基线与恐惧相关场景之间有何差异？（2）在不同半沉浸式交互恐惧相关场景中，神经和自主神经响应如何变化？研究假设为：沉浸式恐惧场景中的参与者将表现出压力相关的自主神经响应（EDA、HRV）增强；在所有沉浸式场景中，与视觉信息处理（枕叶）、规划（中央）、情绪加工（顶叶）和决策（额叶）相关的脑活动应增加。
二、研究设计与关键方法
研究招募了10名健康成年人（男性4人，女性6人），年龄18至36岁（均值25.11，标准差6.21），排除正在接受药物治疗或存在心血管/身体限制的个体。实验在4×4米空间内进行，数据于2024年4月29日至5月3日一周内采集。
实验设计为四个连续场景的学习体验，每个场景包含3分钟特定任务。参与者依次经历各场景：先进行2分钟睁眼静息基线，然后依次完成场景1、2、3和4，各场景间有1分钟清洗期。场景顺序固定，因为早期场景中的决策会影响后续场景。场景设计基于康德认识论哲学，代表现代哲学划分的认知学习与整合层次。
场景1（具身性恐惧）为身体体验，不涉及语言，仅通过身体表达。参与者暴露于通过图像和声音唤起的恐惧情境中，其身体运动可改变投影距离并生成特定声音。场景2（概念性恐惧）为反思性练习，参与者在屏幕上的恐惧相关词云中大声说出最能代表恐惧体验的词语或提出替代词。场景3（话语性恐惧）要求参与者将先前概念应用于连贯句子中，朗读与场景2所选词语最匹配的文本片段。场景4（整合性恐惧）以象征性综合收尾，参与者观察Vanitas画作并通过面部表情探索其引发的情绪。
信号采集方面，EEG通过Ultracortex Mark IV（OpenBCI）干电极可重构头戴设备获取，包含8个通道：额前区（Fp1、Fp2）、中央区（C3、C4）、顶叶区（P7、P8）和枕叶区（O1、O2），采样频率250 Hz。自主神经响应通过Empatica E4腕带采集，可记录EDA（4 Hz）、皮温（4 Hz）、三轴加速度（32 Hz）和血容量脉搏（BVP，64 Hz）。
EEG预处理采用标准化预处理（PREP）流程、有限脉冲响应滤波（4–30 Hz）、伪影子空间重构（ASR）和独立成分分析（ICA）去除非脑成分。BVP信号采用基于部分离散傅里叶变换重建的自适应频域方法去噪。EDA信号采用数据驱动的经验迭代平滑方法处理。
信号处理方面，EEG基于快速傅里叶变换计算1秒功率谱密度（PSD），半秒重叠，计算θ、α、β频段的平均功率及各脑区合并活动。同时计算三个EEG衍生指数：投入度指数（Engagement = β/(θ+α)）、兴奋度指数（Excitement = β/α）和疲劳指数（Fatigue = θ/α）。BVP和EDA数据分割为90秒窗口（50%重叠），提取HRV特征（SDNN、RMSSD、pNN50、LF、HF、LF/HF、总功率）和EDA特征（平均EDA、SCL、SCR峰值计数、累积SCR幅度、平均SCR幅度、SCR上升时间和恢复时间）。所有特征以各参与者2分钟基线期的均值和标准差进行z-score归一化。
统计分析采用双侧精确置换检验比较各恐惧场景与基线的差异，Friedman检验考察四个场景间的差异，p值经Bonferroni校正。效应量采用配对Cohen's d和Cliff's δ。多模态层次聚类采用Spearman距离和平均连接法，Bootstrap重采样（1,000次迭代）进行聚类验证，Mantel检验（1,000次置换）测试跨模态耦合。
三、研究结果
3.1 场景基神经生理响应
EEG结果显示，额叶区θ波在各恐惧场景中均高于基线但未达统计显著，话语性场景最高（4.12）；α波在各场景中均略有升高但无显著差异；β波在具身性（p = 0.0003，δ = 1）、话语性（p = 0.02，d = 1.02，δ = 0.75）和整合性（p = 0.005，δ = 0.75）场景中达到统计显著。中央区θ和α波在概念性场景中最高（分别为5.23和3.44），β波在概念性场景中最高（6.15）。顶叶区在话语性场景中θ、α、β均最高（分别为1.89、0.40、1.75），其中α波在概念性场景中显著低于基线（p = 0.02，d = –1.31，δ = –0.75）。枕叶区在话语性场景中θ、α、β均显著升高（分别为3.81、1.62、3.30），其中β波达到统计显著（p = 0.03，δ = 0.50）。
EEG衍生指数方面，疲劳指数在具身性、话语性和整合性场景中均显著升高（p = 0.0003，δ = 1）；兴奋度指数在具身性（p = 0.02，δ = 0.75）、话语性（p = 0.0003，δ = 1）和整合性（p = 0.005，δ = 0.75）场景中显著升高；投入度指数在具身性（p = 0.04，δ = 0.75）和话语性（p = 0.005，δ = 0.75）场景中显著升高。
自主神经响应方面，心率（BPM）在具身性场景中最高（2.25），概念性场景中效应量达到大效应（d = 0.90，δ = 0.75）；SDNN、RMSSD、pNN50、HF和总功率均在话语性场景中最高（分别为0.88、1.47、2.60、0.90、0.50），其中RMSSD（d = 0.94，δ = 0.75）和pNN50（d = 1.20，δ = 0.75）效应量较大；LF和LF/HF在所有场景中均低于基线。EDA方面，平均EDA和SCL在概念性场景中最高（分别为0.52和0.53），效应量达到大效应（d = 0.82和d = 0.84，δ = 0.50）；累积SCR幅度和平均SCR幅度在话语性场景中最高（均为3.00），且达到统计显著（p = 0.005，d = 2.17和d = 2.34，δ = 0.75）；SCR上升时间在话语性场景中最高（1.70）；SCR恢复时间在话语性场景中最高（0.52）。总功率在具身性场景中显著低于基线（p = 0.005，d = –1.10，δ = –0.75）。
3.2 跨设备关系
多模态层次聚类显示，整体上特征按模态特异性组织，但存在弱但显著的全局EEG-自主神经关联（Mantel检验）。研究验证了一个跨模态关联：HRV（LF/HF）与EDA（SCRP）之间存在显著相关。
四、讨论与结论
讨论部分要点： 针对研究问题（1），基线比较显示恐惧场景引发共享的神经和自主神经激活模式，包括额叶和顶叶激活、EEG衍生指数升高以及心率和皮肤电导增加。针对研究问题（2），场景间比较揭示了恐惧的情境调制：具身性恐惧以自下而上加工为特征（身体体验驱动），概念性恐惧以自上而下加工为特征（认知反思驱动）。话语性场景在多个EEG频段和EDA指标上表现出最强响应，整合性场景则涉及面部表情相关的情绪加工。跨设备发现表明，尽管整体上各模态独立组织，但HRV与EDA之间存在特定的跨模态耦合，提示交感神经系统的协调激活。
研究结论： 恐惧既通过共享的神经生理特征表现，也通过情境依赖的认知-具身变异表现。将沉浸式技术与多模态生物物理传感相结合，为情绪研究提供了一种探索性的、具有生态效度的框架，可为未来的闭环自适应范式提供参考。
