《Brain Sciences》：Enhanced Neural Responses to Self-Name Stimuli Relative to Tone and Reversed Speech Deviants in the Auditory Oddball Paradigm
编辑推荐：
背景：听觉奇异刺激（auditory oddball）范式被广泛用于研究对偏差刺激的神经反应及注意加工。然而，不同范式所采用的偏差刺激在刺激相关性水平上存在差异，而相应神经反应很少在统一实验框架内进行直接比较。本研究旨在比较三种听觉奇异刺激范式变体所诱发的神经
背景：听觉奇异刺激（auditory oddball）范式被广泛用于研究对偏差刺激的神经反应及注意加工。然而，不同范式所采用的偏差刺激在刺激相关性水平上存在差异，而相应神经反应很少在统一实验框架内进行直接比较。本研究旨在比较三种听觉奇异刺激范式变体所诱发的神经反应，这三种变体按偏差刺激类型分别为音调、反转语音和自我姓名偏差刺激。方法：研究人员在38名健康受试者完成三种范式变体任务时记录脑电图（electroencephalography，EEG）数据。采用事件相关电位（event-related potentials，ERPs）分析考察偏差刺激诱发的神经反应。此外，研究通过源重建识别皮层激活模式，并进行分类分析以评估三种变体间神经反应的可分离性。结果：ERP结果显示，自我姓名范式诱发了最大的ERP反应，其特征为显著的P300振幅（3.95 μV）和突出的失匹配负波（mismatch negativity，MMN；?6.39 μV）。关键的是，源空间分析揭示了皮层募集范围的梯度性扩展：声学偏差（音调）和结构重分析（反转语音）分别与7个和6个显著簇相关，主要位于听觉皮层和额-扣带皮层；而自我姓名范式则涉及12个显著簇，覆盖一个分布式网络，包括显著性加工区域以及与自我参照加工相关的皮层中线结构（cortical midline structures，CMS），其中包括岛叶和后扣带皮层。分类分析与上述结果一致，自我姓名范式持续产生最高的神经可分离性（约80%准确率），且对个体间差异具有更强稳健性，表明自我参照性神经模式具有更优的可辨别性。结论：这些发现表明，在奇异刺激范式中，自我参照性听觉刺激较其他听觉偏差刺激可诱发更强且更易区分的神经反应。结果为理解不同听觉相关性维度如何调节神经加工提供了比较视角，并可为认知神经科学及相关转化应用中高效听觉范式的设计提供参考。
该文发表于《Brain Sciences》，围绕听觉奇异刺激（auditory oddball）范式中“刺激相关性”如何塑造脑反应这一核心问题展开。研究背景在于：传统音调奇异刺激范式主要考察基础声学变异检测，而语音类和自我相关刺激则牵涉更高层级的结构、语义与自我参照加工。现有研究虽分别报道了音调、语音或自我姓名条件下的神经效应，但大多聚焦单一范式，缺少在同一受试者群体、统一实验框架下对不同偏差刺激类型进行系统比较的证据，因此尚不清楚声学复杂性、语义可及性与自我相关性这些不同维度，究竟如何共同或分别影响偏差刺激的神经编码。基于此，研究人员比较了音调、反转语音和自我姓名三类偏差刺激诱发的脑电反应，旨在从时间过程、空间分布以及可解码性三个层面建立一套比较性框架。研究结果表明，随着刺激从简单声学偏差发展到复杂语音，再到具有高度自我相关性的自我姓名，神经反应呈现由弱到强、由局部到分布式、由较低可分离性到更高可分离性的层级变化，其中自我姓名条件最为突出。这一结果的重要意义在于，它不仅强化了自我参照刺激具有认知优先性的认识，也为听觉脑机接口（brain–computer interface，BCI）和临床评估研究中的范式优化提供了神经生理学依据。
在方法上，研究纳入38名健康右利手青年成人，均完成三种听觉奇异刺激任务。研究人员采集脑电图（EEG）后，依次进行滤波、重参考、独立成分分析（independent component analysis，ICA）去伪迹、分段及基线校正；随后结合事件相关电位（ERPs）提取、动态统计参数映射（dynamic statistical parametric mapping，dSPM）源定位、基于机器学习与EEGNet深度学习模型的分类分析，以及集成梯度（Integrated Gradients，IG）显著性解释分析，对神经反应的时序特征、皮层来源和可解码模式进行综合评估。样本来源为健康受试者队列，所有受试者均在同一实验时段内完成三种范式记录。
在研究结果部分，论文依次报告了多个层面的发现。
3.1. ERP Results
研究首先报告反转语音范式中的行为表现，受试者对偏差刺激的默数准确率为97.82% ± 4.37%，说明该主动任务中的注意投入充分且稳定。随后，研究人员在中线电极上观察到三种范式均可诱发典型的双相ERP反应，即早期负波与后期正波。音调范式产生的反应最早且最弱，提示简单声学偏差能够被快速检测，但引发的后续高级加工有限。自我姓名范式则诱发最强的ERP特征，其中MMN峰值振幅为?6.39 μV，峰时约205.0 ms；P300峰值振幅为3.95 μV，峰时约371.0 ms，显示出显著增强的偏差检测和后续刺激评估过程。反转语音范式的振幅高于音调范式，但潜伏期最晚，尤其P300峰时达到450.0 ms，表明当语音时间结构被破坏而语义可理解性下降时，神经系统仍需进行更长时程的结构重分析。重复测量方差分析显示，三种范式在MMN振幅、MMN潜伏期、P300振幅和P300潜伏期上均存在显著主效应，说明刺激类型显著调制听觉偏差加工。总体而言，该部分结果支持：自我姓名不仅能够增强经典ERP成分，而且使偏差刺激与标准刺激之间的神经差异更加显著。
3.2. Source-Space Results
在源空间分析中，研究人员利用dSPM将头皮电位活动映射到皮层表面，以描绘不同范式的时空神经动力学。音调范式在约200 ms时表现出较清晰的双侧颞上回（superior temporal gyrus，STG）负向活动，随后减弱，说明其主要依赖听觉相关区域的早期偏差检测。反转语音范式则在较晚阶段出现更明显的正向活动，活化区域集中于颞叶和扣带区域，符合语音结构重分析和较高认知负荷的特征。相比之下，自我姓名范式显示最鲜明的双阶段转换：约200 ms时双侧颞区先出现负向活动，至300 ms后迅速转为更强的正向活动，并在300–400 ms时最为突出。进一步的时空簇置换检验显示，音调和反转语音范式分别出现7个和6个显著簇，而自我姓名范式达到12个显著簇，皮层募集范围最广，涉及显著性加工区域及与自我参照加工相关的皮层中线结构，包括岛叶和后扣带皮层。该结果说明，自我姓名加工并非仅增强单一ERP波幅，而是动员了更广泛的分布式神经网络，反映出其在显著性评估与自我相关信息加工中的特殊地位。
3.3. Classification Results
分类分析用于评估不同范式下标准刺激与偏差刺激神经反应的可分离性。结果显示，所有分类器在三种范式中均达到高于机会水平的表现，但自我姓名范式在单被试、混合被试和跨被试三种评估方案中始终表现最佳，其后依次为反转语音和音调范式。在多种模型中，EEGNet获得最高总体性能。尤其在自我姓名范式的跨被试条件下，EEGNet平均准确率达到83.54%，优于传统支持向量机（support vector machine，SVM）的72.03%。同时，尽管随着个体间差异增大，分类性能整体下降，但三种范式的排序始终稳定，即自我姓名 > 反转语音 > 音调。这表明，自我参照性听觉刺激诱发的神经模式在个体内和个体间都更一致、更易区分。论文同时指出，较高的解码准确率应谨慎理解，其更稳妥的含义是：在当前记录和分析条件下，自我姓名条件下标准与偏差刺激的神经可分离性更强，而非简单等同于“表征更丰富”。
3.4. EEGNet Saliency Topography
为理解深度学习模型依赖哪些神经特征完成分类，研究进一步开展了基于IG的显著性拓扑分析。结果显示，三种范式的判别性模式在50–450 ms内均呈现清晰时间演化。音调范式的显著活动主要局限于50–150 ms早期窗口，空间上集中于额中央区域，且整体强度较弱，说明模型主要利用早期时间锁定反应进行判别。反转语音范式从约100 ms开始出现更广泛的时程参与，并延续至约350 ms，涉及额中央和顶区，反映了对语音结构重分析所需的更高加工需求。自我姓名范式则表现出最强、最持久的显著性模式，自150 ms起即出现广泛贡献，并在200–400 ms达到峰值，显著电极分布于额中央和顶叶区域，这与经典P300头皮分布高度一致。更重要的是，显著性高峰时窗与ERP分析中的MMN和P300时窗相吻合，其空间分布也与源空间分析所识别的关键皮层区域相对应。这表明EEGNet并非依赖偶然噪声特征，而是在利用具有明确神经生理意义的时空模式进行分类，从而为深度学习解码结果提供了可解释性支撑。
讨论部分围绕“刺激相关性层级”对神经加工的影响展开总结。研究认为，三种奇异刺激范式都能稳定诱发偏差相关神经反应，证明听觉奇异刺激设计对研究听觉变化检测是有效的；但不同范式在神经反应强度、时间进程、空间募集范围和分类可分离性上存在系统差异。自我姓名条件下更大的P300、更广泛的皮层激活和更高的分类准确率，共同表明自我参照性刺激在认知系统中具有更高优先级。论文特别指出，这种优势并不能被简单归结为刺激概率更低或任务更主动，因为尽管反转语音条件引入了主动默数任务以增强注意投入，其神经反应和分类性能仍未超过被动聆听条件下的自我姓名范式。这支持自我相关信息能够自动捕获注意并持续动员认知资源的观点。与此同时，作者也谨慎指出，三种范式在标准刺激类型、偏差概率、试次数、刺激持续时间、刺激间隔和任务要求等方面并未完全匹配，因此结果应被解释为对三类常用听觉奇异刺激变体的比较性刻画，而不能视作对单一刺激显著性因素的严格因果分离。研究还提到，当前样本仅限健康青年人群，分类结果也缺少正式标签置换检验，未来仍需在临床群体、老年群体以及更严格控制的刺激参数下进一步验证。
研究结论部分可译为：本研究比较了包含音调、反转语音和自我姓名偏差刺激的三种听觉奇异刺激范式中的神经反应。三种范式均成功诱发了清晰的偏差刺激相关神经反应，证明听觉奇异刺激范式适用于研究人脑中的听觉变化检测。在三种范式中，自我姓名刺激较音调和反转语音偏差刺激产生了显著更大的P300振幅、更广泛的皮层激活模式以及更高的分类准确率。这些结果提示，在听觉奇异刺激范式中，自我参照性听觉刺激可能诱发显著更强且更易区分的神经反应。上述发现为不同类型听觉偏差刺激所引发神经反应的比较研究提供了有价值的视角，并有助于认知神经科学研究及转化应用中高效听觉奇异刺激范式的选择与设计。更重要的是，ERP、源空间、分类和显著性分析结果的收敛，构成了多层次验证框架，表明深度学习模型能够依赖与听觉显著性相关、具有神经生理学意义的EEG模式进行判别。
