← 返回文献列表

IT Literature Intelligence 终审版本 (VERIFIED) 论文编号: 228 | 原始基线: V0_ZCODE_BASELINE | 语义审核: needs_revision | 图表审核: pass

Directed Cortical Information Flow during Human Object Recognition: Analyzing Induced EEG Gamma-Band Responses in Brain's Source Space

Supp · PLOS One · 2007 · Zotero itemID=2157

这篇文章把"物体识别中的熟悉性效应"从"哪里出现伽马振荡"推进到了"这些脑区之间信息往哪个方向流动"。作者先在头皮水平用两种独立的谱估计方法复现熟悉物体诱导的伽马增强，再将其反演到源空间，用基于格兰杰因果（Granger causality）的有向耦合量"部分有向相干"（partial directed coherence, PDC）直接评估皮层振荡交互的方向性。结果显示：只有熟悉（有意义）的物体能调动一个广泛的"双向"信息流网络，而陌生的无意义图形只引发少数单向连接、汇入顶叶——这为"物体表征的激活依赖往返式信息传递"提供了首个源空间证据。

研究背景

在人类脑电（EEG）与脑磁图研究中，"诱导伽马带响应"（induced gamma-band responses, iGBR，指 30 Hz 以上、trial 间潜伏期抖动的振荡爆发）随刺激熟悉性增强是相当确定的发现：呈现熟悉物体时 iGBR 更强，峰值约在刺激后 250 ms，且出现时间随确认物体的时点而变。主流解释是局部神经元集群（neuronal assembly）的形成——特征整合进一个连贯知觉时表现为局部同步、即该电极处特定频段的功率升高。但功率终究是"单点"属性，不足以刻画跨越远距离皮层位点的大尺度网络的形成。为此研究者引入了相位锁定分析（phase-locking analysis, PLA）：在小波分解的基础上测量两两信号间的相位同步。本文作者此前的工作已经把 PLA 用到源空间——先用变分辨率电磁断层成像（variable-resolution electromagnetic tomography, VARETA）重建 iGBR 的发生源，把与物体表征相关的伽马定位到颞、额、顶多个脑区，再统计源与源之间的相位锁定，熟悉条件下可见密集的同步格局。

然而经典相位同步有两个先天局限：它是对称的、两两的计算，无法区分信息"由谁流向谁"；而且逐对计算时无法剔除间接耦合，直接耦合与间接耦合混在一起。鉴于反馈（feedback）在皮层这类高度互联结构的通信中被认为占有核心地位，一个只能给出"对称相关性"的量度势必漏掉最重要的那一半。当时的缺口正在于此：已有研究在源空间证明了同步"存在"，却没人能回答这些振荡交互的"方向"——这正是本文要补上的一步。

研究思路

作者的策略是"先复现、再定位、后有向化"。第一步，用实验室验证过多次的物体识别范式（熟悉 vs 陌生图形），但同时运行两套谱估计——自回归建模（autoregressive modeling, AR）与小波分析（wavelet）——来检验 iGBR 效应的稳健性，两者彼此作为方法学对照。第二步，不预先假定脑区，而是把熟悉性效应本身做分布式源定位，以统计显著区来确定感兴趣区（ROI），这样可以保证后续连接分析发生在"真正承载伽马效应的脑区之间"。第三步，在这些 ROI 上同时计算两种耦合：一是与既往研究可比的对称式 PLA，二是多元自回归（multivariate autoregressive, MVAR）框架下的 PDC——后者以格兰杰因果为核心（若 x 的历史能改善对 y 的预测，则 x"格兰杰导致"y），在频域上逐一评估每一对方向，因此能揭示反馈。逻辑链很清楚：若"成功激活物体表征"依赖前馈与反馈的往复传递，那么熟悉物体应当呈现双向连接网络，而无法激活表征的陌生物体至多触发孤立特征处理的稀疏单向流。

方法

被试为 10 名右利手大学生（7 女，20–27 岁，平均 23.6 岁），观测 128 导 Ag-AgCl 电极的脑电（BioSemi Active-Two 系统，采样 512 Hz，另记水平与垂直眼电，平均参考，采用 SCADS 程序自动校正伪迹）。刺激为 200 张熟悉彩色图片（选自标准图库，如苹果、杯子、大象）与 200 张陌生图片（作者把有意义图片扭曲而成，在尺寸、复杂度、部件结构等方面与熟悉图片物理匹配，唯独"有无可辨认意义"不同）。每张图片约 6×6 度视角，每个试次呈现"注视点 500–700 ms——图片 700 ms——注视点 800 ms——问题"，被试用左右手食指按键判断图形是熟悉还是陌生；图片 trial 间不重复，以避免文献报道过的 iGBR 重复抑制（repetition suppression）。行为正确率约 97%。数据取自一项独立采集的 EEG 实验，但范式与刺激集与作者先前研究一致。

分析在头皮与源空间两层进行。谱分析用两种方法：AR 建模采用 Burg 算法、模型阶数 15（曾尝试用赤池/施瓦茨准则寻优但无稳定解），把每 trial 切成 150 ms、相互重叠 50 ms 的窗口串接成流以近似平稳；小波法用 7 个周期的 Morlet 减去 ERP 后求各频段幅度，且按每名被试自身伽马峰频选窗（均值约 51 Hz）。两者都在 22 个顶枕电极上平均，确认 iGBR 峰位于刺激后 150–400 ms、40–90 Hz。随后用 VARETA 在 3244 个格点（间距 7 mm）的 MNI 平均脑上做单试类反解，对熟悉减陌生的条件效应构建统计参数图（statistical parametric maps, SPM），用随机场理论（Random Field Theory）校正空间相关，由此确定四个 ROI（取每个 ROI 中效应最大的体素信号）。耦合分析前，先对各 ROI 三个方向的电流密度做主成分分解、取第一主成分，以规避"源信号三方向"问题。PLA 采用 2000 次打乱 trial 顺序的随机化检验；PDC 在同一信号上拟合 MVAR 模型、用 Jackknife 方法做统计，阈值 p<0.001（考虑到 4 个位点共 12 种可能连接的多重比较），并在伽马峰频段 40–90 Hz 内取值。

主要结果

  1. 行为：被试对"熟悉/陌生"的分类正确率约 97%，说明范式稳定地唤起了与物体识别相关的加工过程（正文结果部分）。
  2. 头皮 iGBR 熟悉性效应：在刺激后 150–400 ms、40–90 Hz 范围内，熟悉物体的 induced gamma 功率显著高于陌生物体——AR 方法下 t(9)=12.4，p<0.0001；小波方法下 t(9)=6.2，p<0.001。效应地形为宽泛的后部分布、以顶枕电极最大（图 2、图 3）。小波峰频约 58 Hz，AR 谱峰中心频率 72 Hz（边缘频率 ±21 Hz），58 Hz 落在该范围内，作者据此判定两法所得可比。
  3. 源定位：条件效应（熟悉 vs 陌生）在四个解剖上分离的 ROI 处显著——左下颞回（ITG）、双侧上顶叶（SPL）、右中额回（MFG）；表 1 注明左右 SPL 的极大值彼此明显分离，排除"单一中央顶源"的可能。
  4. 有向连接（PDC）：熟悉条件下 10 条显著连接（p<0.001），且网络整体是双向的——每个向别处发送信息的区域同时也从对方接收输入；陌生条件只有 3 条显著连接，全部单向并汇聚到顶叶区（图 4A/4B）。该格局在 p<0.001 至 p<0.02 的阈值范围内保持不变，仅在放宽到 p<0.05 时才新增连接（表 2），作者以此论证结果对统计阈值稳健。
  5. 相位锁定对照（PLA）：熟悉条件下六对 ROI 组合有四对显著相位锁定，陌生条件仅剩一对（图 4C/4D）。熟悉条件锁定发生的相位角以均值 0.2 rad 为中心（标准误 0.1），并非零相位差；由于容积传导伪迹只造成零相位差锁定，这一结果排除了熟悉条件下的锁定完全由容积传导造成的解释。

图注解读

图 1 · 刺激序列示意

原文图注：Figure 1. Excerpt of stimulus sequence. Familiar (F) and unfamiliar (U) color pictures were presented in randomized order.

这张图给出实验的直观样例：熟悉（F）与陌生（U）彩色图片以随机顺序逐一呈现。它对应方法部分的试次结构（注视点——图片——注视点——提问）与行为结果 1，读者由此可以看到两条条件在同一序列里交替出现、由被试在试末按键分类。

Figure 1

图 2 · 两种谱估计下的时频图

原文图注：Figure 2. Induced spectral changes within the gamma-band range represented by time-frequency (TF) plots for each condition (familiar and unfamiliar). TF plots A and B are based on autoregressive modeling (AR), C and D on Morlet wavelet analysis. The two vertical black lines indicate the time interval of the induced gamma-band peak (150–400 ms post-stimulus onset) as used for further analyses. All TF plots were baseline corrected, averaged across subjects and twenty-two parieto-occipital electrodes (cf. Figure 3).

时频图横轴为刺激后时间、纵轴为频率，颜色深浅代表基线校正后的功率/幅度变化。A、B 为条件各自的 AR 结果，C、D 为相应的小波结果。读图要点：熟悉条件（A、C）在竖线标记的 150–400 ms、40–90 Hz 区域内出现清晰的伽马功率抬升，陌生条件（B、D）明显更弱——这正是主要结果 2 的图形依据。两法对比还可看到小波的时程更精细，而 AR 谱峰位于更高的表观频率，正文解释这是 AR 谱以"中心频率 ± 边缘频率"表达的缘故，并不构成两种方法结论的分歧。

Figure 2

图 3 · 熟悉性效应的地形分布

原文图注：Figure 3. Grand mean spherical-spline interpolated topographies of the condition effect (familiar minus unfamiliar) as revealed by AR (autoregressive) modeling (A) and wavelet analyses (B). Both maps are based on the induced gamma-band peak from 150 to 400 ms after stimulus onset. Electrodes as used for TF plots and statistical analyses are hemmed by black lines.

A、B 分别是 AR 与小波两种方法下"熟悉减陌生"差值地形图，取自 150–400 ms 的 iGBR 峰时段。两种方法得到相互印证的宽泛后部头皮分布，顶枕电极处效应最大；黑线圈的电极就是图 2 时频图与统计检验所用 cluster。这张图支撑结果 2 的"顶枕最大"陈述，也解释了作者为何从后视角呈现——头皮水平额区并无显著效应。

Figure 3

图 4 · 源空间的功率断层与耦合格局

原文图注：Figure 4. Tomographies and coupling patterns of the induced gamma-band peak elicited by familiar and unfamiliar stimuli (150–400 ms after stimulus onset). In the SPMs significant differences (familiar versus unfamiliar) are indicated in red. The following Regions of Interest (ROIs; cf. Table 1) were defined: ITG (inferior-temporal gyrus, left), SPL (superior-parietal lobe, bilateral), MFG (middle frontal gyrus, right). The arrows in A and B represent the direction of information transfer between the ROIs and were only drawn if the PDC values were significant (p,0.001)……

（接前句）The lines in C and D display significant increases of phase-locking values (p,0.001) calculated between all ROIs.

这是全文的核心图。上排 SPM 中红色为熟悉显著强于陌生的体素，四个 ROI（左 ITG、双侧 SPL、右 MFG）由此确定；A/B 里箭头表示显著 PDC 连接的方向，C/D 里线段表示显著 PLA 连接。A（熟悉）：箭头密集且每对方向都成对出现，构成往复网络——对应结果 4 的"双向"论断。B（陌生）：只有三条单向箭头，全部指向顶叶——对应"汇聚于顶叶的稀疏单向流"。C/D 给出对称式 PLA 的对照：熟悉四条线、陌生仅一条，与 PDC 在总体连通度上一致，但 PDC 在陌生条件下与 PLA 的格局不同，正文以此为据强调 PDC 反映的是"有效连接"这一不同层面。

Figure 4

图 5 · 显著连接对的平均 PDC 值

原文图注：Figure 5. Mean partial directed coherence (PDC) values computed over all significant ROI pairs for each condition (solid black line: familiar; solid magenta line: unfamiliar). The dashed lines represent the corresponding standard errors of PDC values.

本图把每种条件下所有显著 ROI 连接对的 PDC 均值随横轴（按方法部分，PDC 在 40–90 Hz 频段内求值）画在一起：黑线为熟悉、品红线为陌生，虚线为对应标准误，PDC 取值范围 0–1。它是图 4 定性连接格局的量化补充——正文说明"所有显著脑交互的 PDC 实际走向由图 5 分别按条件呈现"，但未对两条曲线的差异做逐点统计描述，故可将其理解为对结果 4 强度层面的展示；熟悉条件显著连接数目更多、耦合更普遍这一点已由图 4 确立。

Figure 5

讨论

作者的解读围绕三个 ROI 的既有功能定位展开：下颞皮层属腹侧视觉通路，其神经元对基本视觉特征之间较复杂的关系有调谐；额区激活与物体识别中的自上而下促进（top-down facilitation）有关；上顶皮层则反复被报道参与特征绑定——低阶特征需在空间上整合为一个物体。熟悉条件下的往复网络恰与"动态预测"与再入（reentry）式整合的理论预期吻合：输入触发的反应要在功能上连贯的集群里协调，本应依赖双向振荡交互的迭代过程。反过来，陌生物体缺少有意义的结构信息（虽然低空间频率等低阶特征与熟悉图片匹配），稀疏且汇聚于顶叶的单向连接可能只反映孤立特征的加工：额区发出的传递可解释为低空间频率驱动的自上而下影响，下颞向顶叶的输入则与该区对复杂特征关系的偏好一致。作者还援引一项人脸知觉研究佐证"顶叶是汇聚点"的功能合理性——该研究发现人脸成分配置正确时顶叶 iGBR 增强，而错置的特征无法诱发整合。

作者同时坦承一个重要局限：一切耦合量度都不可避免地对信噪比敏感，陌生条件下连接稀疏，也可能只是局部伽马活动整体下降、而非脑区间交互本身减少——这一替代解释在现有方法下无法排除，答问之道有赖未来方法学的发展（例如直接比较局部功率水平相当的两个条件之间的方向性）。方法论层面，作者把 PDC 与高度相关的有向传递函数（DTF）一并置入 MVAR 文献脉络，并强调与既往源空间耦合研究的不同：那些研究通常按解剖学先验预选 Brodmann 区，而本研究的源定位完全由伽马频段的熟悉性效应本身引导，目的就是刻画"承载物体表征"的那些区域之间的网络。

一句话总结

在我看来，这篇 2007 年的 PLOS One 论文的价值不在效应本身——熟悉物体的伽马增强当时已很成熟——而在把"功率—同步—方向性"这条分析阶梯又抬了一级：用数据本身选出的源做有向连接分析，让"反馈参与物体表征激活"第一次有了人的无创证据。陌生条件只给单向流的解读带一点"负结果讲故事"的味道，作者自己点出的信噪比混淆也确实要紧，读的时候值得把它当成一个待检验的模型而非定论。

审校与证据追溯 (Verification & Evidence)

图表审计结果

关键事实与局限性声明