面部表情是個(gè)體內在情緒狀態(tài)的外在表達，大腦能快速而準確地進(jìn)行識別。以往研究發(fā)現大腦加工面孔存在外側視覺(jué)通路和腹側視覺(jué)通路。其中，外側視覺(jué)通路包括后側顳上溝（posterior superior temporal sulcus face area，pSTS-FA），腹側視覺(jué)通路包括枕葉面孔選擇區域（occipital face area，OFA）和梭狀回面孔選擇區域（fusiform face area，FFA）。包括頂下葉皮層（inferior parietal cortex, IP）在內的背側視覺(jué)通路也參與面孔和面部表情加工，卻鮮有研究。 

　　腦與認知國家重點(diǎn)實(shí)驗室傅小蘭研究組的科研人員最近開(kāi)展了一項腦磁圖（MEG）實(shí)驗。研究者招募了20名健康的成年被試，記錄其觀(guān)看七類(lèi)基本面部表情（憤怒、厭惡、恐懼、高興、悲傷、驚訝、中性）時(shí)的大腦活動(dòng)，并通過(guò)MEG定位任務(wù)確定枕葉（LO-faces）、頂下回（IP-faces）、梭狀回（FG-faces）、后側顳上溝（pSTS-faces）的面孔選擇區域。借助時(shí)間尺度上的多變量模式分析（Multivariate Pattern Analysis，MVPA）（圖1），結果顯示LO-faces、IP-faces、FG-faces、pSTS-faces在刺激后的100-150 ms之內開(kāi)始區分面部表情（圖2），并且相比于FG-faces和pSTS-faces，LO-faces和IP-faces有更高的峰值準確率。進(jìn)一步地，在大腦所有區域上的面部表情分類(lèi)也顯示枕頂葉區域的分類(lèi)準確率更高（圖3）。 

圖1.時(shí)間尺度上的多變量模式分析

圖2.在不同面孔選擇區域下面部表情區分的時(shí)間進(jìn)程

圖3.大腦所有區域的面部表情區分準確率

　　為了探究這些面孔選擇區域解碼表情信息的本質(zhì)，研究者訓練具備表情識別能力的卷積神經(jīng)網(wǎng)絡(luò )，再提取表情圖片在不同卷積層的特征計算Image-based RDM（基于圖像）和Category-based RDM（基于類(lèi)別）。表征相似性分析（representational similarity analysis，RSA）的結果顯示，甚至在刺激后的約100 ms，相比于面部表情的圖像級信息，LO-faces和IP-faces的神經(jīng)活動(dòng)和其類(lèi)別級信息更相似（圖4）。 

圖4.神經(jīng)反應和Image-based RDM、Category-based RDM的相似性分析

　　該研究首次揭示了面孔選擇區域對面部表情加工的時(shí)間過(guò)程，強調了腹側、背側、外側視覺(jué)通路的面孔選擇區域對于表情加工的快速反應，尤其是枕頂的背側通路的重要性，為表情加工的感知計算模型提供了數據支撐。 

　　心理所博士研究生張志豪為論文的第一作者，心理所副研究員趙科、研究員傅小蘭為通訊作者。其他共同作者包括陳通教授（西南大學(xué)）、劉燁副研究員（心理所）、王重陽(yáng)博士（清華大學(xué)）和劉長(cháng)虹教授（英國伯恩茅斯大學(xué)）。 

　　該研究得到國家自然科學(xué)基金（62061136001、32071055）的資助。相關(guān)成果已在線(xiàn)發(fā)表于NeuroImage。 

　　論文信息： 

　　Zhihao Zhang, Tong Chen, Ye Liu, Chongyang Wang, Ke Zhao^*, Chang Hong Liu, Xiaolan Fu^*,Decoding the Temporal Representation of Facial Expression in Face-selective Regions,NeuroImage, 2023, https://doi.org/10.1016/j.neuroimage.2023.120442.