《EXPERIMENTAL PHYSIOLOGY》：Cortical dynamics of cold exposure and thermal recovery: Evidence from EEG-based spatiotemporal analysis
编辑推荐：
本研究通过结合传统脑电图（EEG）分析与人工智能（AI）异常检测技术，系统探讨了20名健康受试者在冷暴露五个阶段（基线、冷暴露、风刺激、适应、恢复）中的皮层动态响应。研究发现α波段功率在14个EEG通道呈现显著阶段依赖性差异，主要分布于右侧半球额叶、中央区和顶叶区域。SHAP特征重要性分析进一步识别出阶段特异性通道（如冷暴露阶段的F8、T8、CP6，风刺激阶段的T7等）。时频分析显示冷暴露和恢复阶段在1秒内出现早期频谱响应，而AI异常检测则捕捉到较晚的潜伏期（2.201~2.735秒），体现了不同方法在解析热响应时间动力学方面的互补价值。该研究为冷感知的神经生理机制提供了新证据，并展示了传统方法与机器学习在热神经科学中的整合应用潜力。
研究背景与意义
人类热感知涉及外周输入与中枢神经调节间复杂的动态交互。然而，大脑对不同冷暴露场景响应的时空特征尚不明确。传统研究多聚焦于稳态热环境或局部冷刺激（如冷水浸泡），对全身性、动态冷空气暴露下的皮层动力学探讨较少。本研究通过模拟真实低温环境（-20~0°C）结合风刺激（7~12 m/s），利用EEG技术捕捉五个关键阶段（基线NC、冷暴露CE、风刺激WE、适应HB、恢复PR）的神经活动，旨在揭示冷应激下的皮层响应模式及其时间演化规律。
研究方法与实验设计
20名健康男性受试者在气候舱中经历标准化冷暴露流程，EEG信号通过32导联帽采集（采样频率1024 Hz）。数据分析结合传统统计方法与AI技术：
- •
传统分析：包括时域平均振幅、频段相对功率（δ: 0–4 Hz, θ: 4–7 Hz, α: 8–12 Hz, β: 12–30 Hz）拓扑图、Hjorth复杂度及时频分析（短时傅里叶变换）。
- •
AI辅助分析：采用多层感知机（MLP）、随机森林（RF）和支持向量机（SVM）分类器，结合SHAP（SHapley Additive exPlanations）量化通道重要性；利用自编码器（Autoencoder）检测个体化神经响应潜伏期。
核心发现
- 1.
空间特异性：右半球主导的α功率调制
α波段相对功率在14个通道显示显著阶段差异（FDR校正P<0.05），主要集中于右侧半球（如F8、T8、CP6等）。传统分析与SHAP模型共同验证了阶段特异性通道：CE阶段以F8、T8、CP6为主，WE阶段以T7为关键，HB阶段涉及T8，PR阶段则激活F8与CP6。这些区域关联感觉整合、情绪调节及自主神经控制，提示右半球在冷处理中的优势作用。
- 2.
时间动力学：早期感知与晚期网络响应分离
- •
时频分析显示快速频谱响应：CE响应潜伏期约0.5秒，WE约2秒，PR约1秒，反映皮层对热刺激的即时感知。
- •
AI异常检测捕捉到更晚的潜伏期（CE: 2.735秒, WE: 2.201秒, PR: 2.688秒），可能对应跨脑区网络整合过程。两种方法互补揭示冷处理可能存在快速感觉通路与慢速调控通路的双阶段模型。
- 3.
非线性动力学与模型验证
仅FC2通道的Hjorth复杂度呈现阶段差异（P=0.025），支持前额叶在冷适应中的非线性调节。SHAP分析进一步凸显T8通道在多重阶段的持续性激活，可能与体感整合及情绪记忆相关。效应量（部分η2=0.074–0.174）表明中到大效应规模，支持样本量（n=20）的统计效力。
结论与展望
本研究通过多方法融合揭示了冷暴露下右半球主导、阶段特异性的皮层激活模式，并首次报道了传统时频分析与AI检测在响应潜伏期估计中的互补性。未来需扩大样本多样性（如性别、年龄），结合fMRI等深度成像技术验证亚皮层机制，推动成果向职业安全防护或智能环境调控应用转化。
