持续语音神经追踪揭示：语音降级诱发延迟增强的晚期脑响应机制及其在听感知代偿中的意义

《Frontiers in Neuroscience》：Neural tracking of continuous speech reveals enhanced late responses to degraded speech

本研究通过脑电图（EEG）与时间响应函数（TRF）技术，系统探究了清晰语音与噪声声码化（vocoded）语音处理中的神经动态差异。结果发现，清晰语音在早期成分（N1TRF/P2TRF）诱发更强响应，而退化语音则在约376–408?ms引发显著的晚期成分（P400TRF），该成分源定位至右侧额下回（IFG）等语言处理区。这为预测编码（predictive coding）框架下听感知代偿机制提供了直接证据，对人工耳蜗（CI）用户的康复策略具有重要启示。

　　

引言

在噪声、失真或难以理解的语音信号环境中，人脑通过整合高级认知过程与低级听觉机制进行代偿。以往研究虽已明确处理退化语音所涉及的神经通路，但其时间动态仍不清晰。本研究利用时间响应函数（TRF）分析，旨在揭示清晰与退化（即噪声声码化）语音信号处理的时间进程，特别关注神经响应如何随语音可懂度变化。

材料与方法

研究纳入50名正常听力受试者（20–33岁），在隔音室中通过被动聆听范式呈现清晰自然语句与4通道声码化语句。脑电（EEG）使用64导系统记录，采样率2048?Hz，后续降采样至256?Hz并分割为3?s时程。语音信号通过NSL工具箱生成128子带包络，TRF通过多变量时间响应函数（mTRF）工具箱估计，时间窗为?100至600?ms，采用留一交叉验证确定最佳岭参数（λ=750）。为控制警觉度影响，同时分析α功率（8–12?Hz），未发现条件间显著差异。源分析基于MNE-python工具箱，使用Destrieux图谱定义六对双侧感兴趣区：颞横回（HG）、颞极前区（PP）、颞平面（TP）、缘上回（SMG）、颞中回（MTG）与额下回（IFG）。

结果

在传感器层面，TRF分析识别出三个关键成分：N1_TRF（80–103?ms）、P2_TRF（131–185?ms）与P400_TRF（376–408?ms）。清晰语音在N1_TRF与P2_TRF上表现出显著更强的响应，而退化语音则引发更广泛且幅度更大的P400_TRF响应。地形图显示，N1_TRF与P2_TRF在自然条件下于中央区（如FC4、C3）占主导，而P400_TRF在声码化条件下于Cz电极处最显著。模型性能指标显示，声码化条件的均方误差（MSE）显著更低，而包络-神经响应的皮尔逊相关性显著更高，表明退化语音诱发了更稳定、刺激锁定的神经跟踪。置换测试进一步验证，所有TRF成分的幅度均显著高于随机分布，确认其反映真实的刺激-响应耦合。

在源层面，自然条件在N1_TRF期间于左MTG、在P2_TRF期间于左SMG显示主导激活；而声码化条件则在P400_TRF期间于右IFG呈现峰值激活。各感兴趣区内显著体素的比例分析一致表明，早期成分在自然条件下占优，晚期成分在声码化条件下占优。

讨论

本研究结果在预测编码框架下得到合理解释：清晰语音提供准确的声学线索，使自上而下的预测能够最小化预测误差，从而支持高效的早期感知与快速词汇选择，表现为增强的N1_TRF/P2_TRF。相反，退化语音因声学细节缺失而产生更大的预测误差，需要募集前额叶、颞叶等高级语言区域进行额外的误差校正与语义整合，这体现为延迟且增强的P400_TRF响应。该成分在极性上虽为正波，与传统事件相关电位（ERP）研究中的负性N400不同，但TRF分析更注重响应的时间与功能背景，其延迟出现的时间特征与语义整合过程一致。

研究还观察到，尽管使用了被动聆听范式（受试者观看无声电影），仍可稳定引出与语言处理相关的早期与晚期TRF成分，这表明语音处理可在无显式注意下自动进行。这一发现支持了利用被动范式研究退化语音感知、特别是临床群体（如人工耳蜗用户）的可行性。

本研究的发现对听力康复具有重要意义。增强的早期响应提示，针对清晰语音的听觉训练可强化基于预测的快速处理；而增强的晚期响应则表明，对于声学信息受限的听者，干预措施应着重提升错误监控与语义整合能力，例如结合视觉或语境线索的训练。未来研究需在听力损失、老年或人工耳蜗用户等群体中检验行为可懂度与神经指标间的关联，并可通过纳入词汇起始、语义意外性等预测因子，进一步明确P400_TRF成分的语言学含义。

结论

本研究通过TRF分析揭示了大脑在应对不同可懂度语音时的动态适应机制：清晰语音促进高效的早期感知，而退化语音则诱发延迟的晚期代偿响应。这些发现深化了对听觉皮层在挑战性聆听条件下处理机制的理解，并为改进听觉假体与康复策略提供了神经科学依据。