陈新文 李鸿杰 丁玉珑

    (华南师范大学脑认知与教育科学教育部重点实验室;华南师范大学心理学院;华南师范大学心理应用研究中心;广东省心理健康与认知科学重点实验室,广州 510631)

    1 前言

    得益于计算机硬件和算法的发展,越来越多行之有效的技术方法被用于神经影像数据分析。自机器学习中的分类算法(即基于分类的解码,classification-based decoding,简称解码分析)开创性地引入到功能性磁共振成像(functional magnetic resonance imaging,简称fMRI)数据分析之中,人们能够更好地识别与分类特定大脑认知加工活动对应的神经表征(Cox &Savoy,2003;Kamitani &Tong,2005;Norman et al.,2006)。除了解码分析外,一种称作表征相似性分析(representation similarity analysis,简称RSA)的方法也被广泛应用于fMRI研究中,它可以评估不同神经表征之间的相似性关系,具有跨任务、跨模态、跨群体等优点(Kriegeskorte,Mur,&Bandettini,2008)。两种新方法的引入,让研究者在大脑的空间结构上对神经表征信息的理解更加深刻。

    解码分析与RSA 近年来也被逐渐用于脑电(electroencephalography,简称 EEG) 和脑磁(magnetoencephalography,简称MEG)数据分析中(Carlson et al.,2011,2013;Cichy et al.,2014,2016;Cichy,Pantazis,&Oliva,2016;Cichy,Kriegeskorte,et al.,2017;Cichy,Khosla,et al.,2017;Wardle et al.,2016;Teichmann et al.,2018;Dobs et al.,2019;Giari et al.,2020;Kong et al.,2020;Xie et al.,2020)。fMRI 由于其高空间分辨率,相应的研究更多关注的是大脑空间结构上的认知加工机制;与fMRI 不同的是,EEG/MEG 高时间分辨率的特点使得相应的研究更适合从时间进程上探索大脑的认知加工机制。将解码分析与RSA 引入EEG/MEG研究中,既可以在一定程度上克服传统EEG/MEG数据分析中存在的不足,还能够从不同的角度去解释大脑对神经表征信息的动态编码情况。

    本文将从解码分析和RSA 这两种新方法与传统EEG/MEG 分析的对比展开介绍,简要阐明两种新方法的基本原理与优势;之后将对上述方法的具体实现进行阐述,并通过梳理前人采用解码分析和RSA 开展的EEG/MEG 研究,讨论两种技术在认知神经科学领域的实际应用场景;对于这两种技术在未来的EEG/MEG 研究中可能的应用方向,在文末提出了一些我们的见解 ......