生物 人類聽覺皮層神經集群的對歌唱的選擇性

• 前言
• 文章重點
• 綜述
• 介紹
• 結果
• • 顱內記錄
  • 2、電極分解
  • 3、語音和音樂選擇性組件
  • 4、歌曲的選擇性
  • 5、假設驅動的成分分析
  • 6、頻譜時間調制統計的選擇性
  • 7、為標準聲學特性選擇的組件
  • 8、單電極分析（Single-electrode analyses）
  • 9、用fMRI預測對音樂，言語的選擇性
  • 10、fMRI體素能預測比較弱的歌曲選擇性
• 討論
• 總結
• 實驗方法

前言

這是PKU腦與認知課程要求的閱讀論文，想要以此來了解人腦對于音樂的認知過程，由于筆者是計算機專業的學生，對于生物只能說是停留在高中+競賽愛好者水平，就科研而言，所加入的暑研的生物實驗室導師也盡力避免讓我因為生物知識而發愁，因此目前而言我也只是一個生物新人，如有大佬覺得我翻譯不當，歡迎批評指正。

文章重點

• 神經集群對于唱歌有反應，卻對樂器音樂或說話沒有。
• 新的統計方法推測得到神經集群來自于人體的顱內反應。
• fMRI被用于繪制顱內反應的空間分布。
• 顱內反應代表了了不同的音樂選擇性和說話選擇性人群？（Intracranial responses replicate distinct music- and speech selective populations.）

綜述

音樂在大腦中是如何表現的？雖然神經影像學揭示了對音樂的反應與其他聲音相比，人們對音樂本身的神經編碼知之甚少。為了解決這個問題問題，我們開發了一種推斷人類聽覺皮層的典型反應成分的方法，使用顱內對自然聲音的反應，并進一步利用功能磁共振成像的優越覆蓋范圍來繪制其空間分配。推斷的成分重復了許多先前的發現，包括對語音和音樂，但也揭示了一種新穎的成分，幾乎完全對音樂做出反應歌唱。歌曲選擇性無法用標準聲學特征來解釋，位于語音和音樂選擇性反應附近，并且在單個電極中也很明顯。這些結果表，音樂的表現被分成對不同類型音樂選擇性的亞群，其中之一是專門用于分析歌曲

介紹

音樂是一種典型的人類特有的能力。
為了探究人腦是否有專門用于音樂的機制，我們使用了來自人腦的顱內記錄（ECoG）來更廣泛地檢查音樂和自然聲音的神經表征。
該研究重復了許多先前的發現，同時還新發現了人腦聽覺皮層中的一部分被專門用來響應有歌聲的音樂。這一發現表明，人腦中含有一個特用于歌曲分析的神經群體。

結果

顱內記錄

介紹了ECoG在實驗中的具體運用，包括了使用ECoG測量對165種不同自然聲音的反應，以及確定了在15名患者中一組272個電極對聲音的可靠的響應等。

2、電極分解

介紹了對272個電極的反應的具體處理方法。
嘗試不分析單個電極而是將電極反應視作少量典型反應時間過程的加權和。
使用矩陣分解的方法——需要統計標準——確定了聽覺寬帶伽馬的三個統計特性
設計了捕捉這些特性的模型——方程式1

建模為卷積來讓每個組件學習——方程式2

使用僅對響應和權重施加非負矩陣分解（NMF）的簡單模型，得出了明顯的關鍵結果。
可得出15個組件（Component），其中十個較為可靠。按其響應的總幅度和權重進行編號。

3、語音和音樂選擇性組件

介紹了對語音或音樂做出選擇性響應的三個組件，圖2A為其響應，圖2B為其電極重量的解剖圖。
將fMRI和ECoG進行了關聯，形成了更可靠的圖譜。
發現C1和C15組件幾乎只對語音作出響應，二者非常相似。
C10組件對器樂和歌唱音樂都有強烈反應，對語音/聲音產生了中間反應（可能反映了我們的組件模型對語音和音樂選擇性還不能完美地分離）。
這些結果重復了我們先前的fMRI發現，顯示了非初級聽覺皮層中不同的語音和音樂選擇性簇。

4、歌曲的選擇性

關鍵新發現——有一個組件（C11）幾乎只對歌唱音樂（伴隨有歌唱的音樂）有反應。
C11對演唱音樂的反應顯著高于對語音和器樂的反應之和。

5、假設驅動的成分分析

為了研究是否需要非負性和稀疏性等統計假設來檢測語音、音樂和歌曲的選擇性，實驗者進行了對電極響應的加權和的學習。（近似于對三者的二元偏好）
結果是二元歌曲選擇性不能由語音和音樂選擇性的加權和產生。
表明音樂選擇性確實與語音/歌聲選擇性不同。

6、頻譜時間調制統計的選擇性

研究語音、音樂和歌曲的選擇性是否可以用一般的聲學表示來解釋，如頻譜時間調制。
設計了新的用自然聲音和合成聲音對照的實驗。
結果：對調制匹配的合成聲音產生的反應明顯弱于自然聲音；
歌曲選擇組件（C11）幾乎只對自然演唱的音樂作出響應，而對自然語音、自然器樂和調制匹配的演唱音樂幾乎沒有響應。
表明語音、音樂和歌曲選擇性不能用標準頻率和調制統計來解釋。

7、為標準聲學特性選擇的組件

詳細研究了六個可靠的ECoG組件，其表現出較弱的類別選擇性（對自然聲音和合成聲音的反應比之前研究的類別選擇成分的反應更相似），并表明了標準聲學特征的選擇性證據。
具體介紹了C2、C3、C4、C6、C7、C14對聲音反應的特性。
測量了通過標準聲學特征、類別標簽（即指語音和音樂選擇性組件或歌曲選擇性組件）或它們的組合可預測的跨聲響應方差的總分數（方法為Star Methood中的方法）
（the overall fraction of the across-sound response variance predictable by standard acoustic features, category labels, or their combination）
通過對比，發現標準聲學特征預測的差異比類別標簽更大。
發現聲學特征預測的方差總量在一些類別選擇性分量中相對較高，推測可能是由標準聲學特征和更高階、類別特定特征（例如，音素結構）之間的跨自然聲音的虛假相關性驅動的。合成聲音的方法通過排除聲音的高階特征有效地解決了這個問題。

8、單電極分析（Single-electrode analyses）

實驗目的：探究單個電極中是否存在音樂或歌曲的選擇性
實驗方法：
使用一個數據子集確定了對語音、音樂或歌曲有選擇性的電極，然后在遺漏的獨立數據中測量它們的反應。電極識別包括三個步驟。
1)測量對所有具有五個以上范例的聲音類別的跨時間和刺激的平均反應
2)確定了一個具有高度選擇性（選擇性>0.6）和顯著性（通過自舉法，P<0.001）的電極池，與所有其他類別相比，對語音、音樂或歌曲的反應。
3)從這個電極池中，形成了三組：那些對語音的反應明顯多于其他所有的，音樂比其他所有的，或者對歌唱表現出超加性的選擇性
實驗結果：
觀察到大量語音選擇性的電極和少量的音樂和歌曲選擇性電極。
每個音樂和歌曲選擇性電極都在獨立的數據中復制了它們對音樂或歌曲的選擇性。
音樂和歌曲選擇性電極對調頻一致（modulation-matched，不確定翻譯對不對）的合成音的反應要比自然音弱
實驗特點：
根據被試的音樂訓練水平來排除了音樂訓練水平對實驗結果的影響
本實驗分量方法通過去掉單個電極中存在的弱的歌曲選擇性而分離出了唱歌的選擇性。
實驗結論：單個電極中歌曲的選擇性存在。

9、用fMRI預測對音樂，言語的選擇性

提出問題：為什么本實驗能觀察到先前研究無法探測到的關于歌曲的選擇性？
假設：因為本實驗使用了ECoG，ECoG在測量神經活動上具有更好的性能
證明: 利用ECoG可以預測到到粗略的fmri數據分析出來的歌曲選擇性元素（利用線性回歸分析），但反之不成立。

10、fMRI體素能預測比較弱的歌曲選擇性

提出問題：先前研究并沒有能證明fmri可以呈現對音樂的選擇性的表征，但這些成分并不能解釋所有的體素反應，而且歌曲選擇性有可能與一些殘余方差相關。
證明：嘗試通過交叉驗證回歸來預測歌曲選擇性ECoG成分的時間平均反應，但我們沒有使用fMRI成分，而是使用原始體素反應
結果：在獨立數據中，體素預測顯示出微弱但明顯的超加性歌曲選擇性。
體素預測的歌曲選擇性比觀察到的ECoG成分要弱得多，但比觀察到的fMRI成分強

討論

本實驗表明人腦包含一個對歌曲有選擇性的神經群體，它與對音樂和語言的神經反應不同。
歌曲的選擇性證明方法：
1)統計分解方法；
2)更簡單的、假設驅動的成分方法；
3)個別電極的反應
歌曲選擇性由與中間和前部顳上回(STG)表征，不能用標準頻率和調制特征來解釋

推出：音樂是由多個不同的神經群代表的，這些神經群對音樂的不同方面具有選擇性，其中至少有一個神經群對唱歌有特別的反應

歌曲選擇性

本實驗是驗證專門參與歌曲感知的神經群體的第一個實驗。
對于一下問題進行探究：
1）什么聲音特征是歌曲選擇性的基礎？
提出假設：歌曲選擇神經群非線性地整合了將歌唱與語音和音樂區分開來的多種特征；
2）為什么歌曲選擇反應在解剖學上位于語音和音樂選擇反應之間？
類別選擇區域的位置可能部分反映了這些類別的低層次屬性的偏差，加上發育早期存在的粗粒度地圖
3）歌曲選擇性人群如何與聽覺皮層以外的區域互動？
原則上可以通過反饋影響聽覺皮層的反應，而且人們普遍認為聽覺回路在語音和其他聲樂的產生中起著關鍵作用，本實驗為更精確地研究這種相互作用提供了基礎。
4）歌曲選擇性最初是如何產生的？
來自于個人經驗，但音樂的選擇性不依賴于明確的訓練
5）神經性歌曲選擇性的知覺后果（perceptual consequences）是什么？
神經基礎仍不清楚，但一種可能性是，更突出的刺激可能在高級感覺區域有更獨特的表征。

音樂選擇性
本實驗驗證了先前的fMRI研究（一個音樂選擇性成分，其選擇性大大高于單個體素中存在的選擇性）。
本實驗假設這是由于體素內神經群的重疊造成的。

言語選擇性
先前研究已經確定了STG中的一個大區域，該區域對非語音的聲音有優先反應（“顳部語音區”）。然而，語音和聲音的選擇性反應在大腦中的不同程度仍不清楚
本實驗發現語音選擇性成分（C1、C15）對非語音發聲幾乎沒有反應，而C4對廣泛的語音和非語音發聲有強烈反應。這一發現表明，語音和聲音確實有空間上的不同表征。

組件建模 : 優勢、局限性以及與先前方法的關系

本實驗基于元素模型發現了一種新形式的音樂選擇性（歌曲選擇性）
分量建模的難點：矩陣近似不確定
主要方法：統計假設，并根據元素模型的特性，采用ECoG
一些細節：
1）fMRI分解方法對體素權重進行了統計約束
2）本實驗模型中的每個分量由單一的時間過程和單一的電極權重模式定義-> 可以更容易地被解釋為潛在的神經元群體的反應
3）可以將單個電極內重疊的反應拆開
4）不要求一個成分的反應時間過程的形狀在不同的刺激中相同

結合fMRI和ECoG數據的優勢

fMRI和ECoG數據有不同的優點和缺點
fMRI數據粗的，但有非侵入性 -> 可以提供許多受試者的密集、全面的覆蓋。
ECoG覆蓋稀疏，時空精度更好。
本實驗采用結合ECoG和fMRI優勢的方法：通過ECoG推斷一組典型的反應模式，然后用fMRI繪制其空間分布圖。

總結

發現了對歌曲有選擇性的神經群體，為音樂的神經密碼相關問題提供了參考。

實驗方法

略

總結

以上是生活随笔為你收集整理的生物 人类听觉皮层神经集群的对歌曲的选择性的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。