PsyBrain 腦心前沿 | 公眾號(hào) PSY-Brain_Frontier

一鍵關(guān)注，點(diǎn)亮星標(biāo) ??

不錯(cuò)過每日前沿資訊

認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息：

Title:Naturalistic fMRI and MEG recordings during viewing of a reality TV show

發(fā)表時(shí)間：2025.11.18

Journal:Scientific Data

影響因子：6.9

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

如果你曾在家庭聚會(huì)或同事茶歇時(shí)被“多人搶話”弄得腦袋嗡嗡作響，你已經(jīng)體驗(yàn)過研究者口中的“雞尾酒會(huì)問題（cocktail party problem）”：同時(shí)有好幾個(gè)人在說話，你得在嘈雜中鎖定目標(biāo)、隨時(shí)切換注意、記住是誰說了什么、下一句可能接什么話。

傳統(tǒng)語言神經(jīng)科學(xué)多在實(shí)驗(yàn)室里用控制良好的句子或單人敘述來研究語言加工，這當(dāng)然干凈、可重復(fù)，但也不可避免地“失真”：現(xiàn)實(shí)世界的語言交流往往是多說話人、情緒濃、話題跳轉(zhuǎn)快、甚至彼此打斷。要理解我們真實(shí)是如何在腦中處理語言，必須把實(shí)驗(yàn)拉回生活本身。

這篇數(shù)據(jù)論文提供了一個(gè)少見而扎實(shí)的“自然場景（naturalistic）”大禮包：研究團(tuán)隊(duì)把兩組各30名受試者分別送進(jìn)fMRI和MEG儀器里，同時(shí)觀看同一段25分鐘的中文真人秀《爸爸去哪兒》（第一季）片段。節(jié)目發(fā)生在鄉(xiāng)村場景，有11位說話者（五對(duì)父子加工作人員/村民），對(duì)話真實(shí)、情緒充沛、頻繁換說話人、還有自然的打斷與重疊語音。看完視頻后，受試者還要做5道理解題，隨后進(jìn)行15分鐘“回放式靜息（replay-like rest）”，讓研究者觀察觀看后記憶與加工的延續(xù)效應(yīng)。這樣的設(shè)計(jì)既有fMRI的空間分辨率優(yōu)勢(shì)（在哪里激活）、又有MEG的時(shí)間分辨率優(yōu)勢(shì)（何時(shí)激活），非常適合研究多人會(huì)話理解、注意力重定向與社會(huì)性溝通的神經(jīng)機(jī)制。相關(guān)流程在圖1（第2頁）里有一張總覽圖，從刺激到預(yù)處理到技術(shù)驗(yàn)證與注釋一目了然。

Fig. 1 Overview of the fMRI and MEG data collection and analysis procedures.

Fig. 2 Experimental procedure and the annotations of the audio.

最關(guān)鍵的是，作者不僅把神經(jīng)數(shù)據(jù)開源到OpenNeuro，還把音頻/文本做了精細(xì)注釋：逐句對(duì)齊的文字、說話人標(biāo)簽、聲學(xué)特征（音高f0、強(qiáng)度RMS）、以及詞層面的詞頻、詞性（POS）、多種句法解析復(fù)雜度（比如自頂向下/自底向上/左角策略的“parser actions”數(shù)）。這對(duì)做語言模型-腦映射、語音-語義分層建模，或研究“說話人切換（speaker switching）”的學(xué)者，是一套可直接上手的資源。作者還在fMRI/MEG上做了一致性（ISC）與GLM/回歸驗(yàn)證：如在說話人切換瞬間，右側(cè)顳頂聯(lián)合區(qū)（right TPJ）顯著激活——這個(gè)區(qū)域常被認(rèn)為參與“把注意力從當(dāng)前不關(guān)注、卻與任務(wù)相關(guān)的刺激上重新拉回”的關(guān)鍵網(wǎng)絡(luò)。圖6（第9頁）把“音高/強(qiáng)度/說話人切換”三個(gè)特征的fMRI結(jié)果與Neurosynth的術(shù)語反推圖譜做了對(duì)照，解釋力很強(qiáng)；對(duì)應(yīng)的MEG時(shí)間動(dòng)力學(xué)也在圖7（第10–11頁）給出，補(bǔ)上“何時(shí)發(fā)生”的拼圖。

Fig. 6 GLM analyses for localizing brain responses to word rate, pitch, intensity, and speaker switching.

Fig. 7 Quality assessment of the MEG data.

換句話說，這不是一篇“答案在此”的機(jī)制論文，而是一份高質(zhì)量、跨模態(tài)、可復(fù)用的數(shù)據(jù)集，外加嚴(yán)謹(jǐn)?shù)募夹g(shù)驗(yàn)證與豐富的標(biāo)注，鼓勵(lì)大家把語言研究拉回“真實(shí)世界的交流”中。你可以用它來問很多具體問題：

注意力如何在多說話人間切換？

兒童聲音或情緒語調(diào)是否引發(fā)不同的加工通道？

語音低層特征（pitch/intensity）與高層句法負(fù)荷如何在時(shí)空上交織？

對(duì)于想把大模型（LLM）對(duì)多說話人對(duì)話的表征映射到人腦的人來說，這同樣是難得的試金石。

前沿交流|歡迎加入認(rèn)知神經(jīng)科學(xué)前沿交流群！

核心圖表、方法細(xì)節(jié)、統(tǒng)計(jì)結(jié)果與討論見原文及其拓展數(shù)據(jù)。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部