人类语音感知中脑网络动态的时间、空间与频谱研究

本研究关注人类语音感知中不同脑网络如何在时间、空间和频谱维度协同，采用词语与白噪声刺激的被动聆听任务，结合高密度 EEG、有效连接分析及 fMRI 约束的表征相似性分析，构建整合三个维度的研究框架。基于摘要分析，未取得论文全文。 方法上，研究利用高密度 EEG 与有效连接分析重建具有较高时间和频谱分辨率的脑网络动态，并将高空间分辨率的 fMRI 约束引入表征相似性分析，以考察空间分布网络的功能表现如何随时间变化。摘要未交代有效连接估计方法、脑源重建流程、表征相似性分析的具体对象，以及 fMRI 约束的获取与整合方式，这些技术细节尚未验证。 作者报告，在该被动聆听任务中，听觉与高级认知网络沿腹侧通路通过 theta 和 gamma 振荡参与语音感知，并在词语与噪声条件之间呈现层级性的响应差异；言语运动编程网络主要在语音感知较晚阶段通过 beta 频段沿背侧通路参与。作者还报告，alpha 频段活动通过振荡抑制调节双通路，相关功能网络并行推进，共同完成语音感知。摘要未提供具体时间窗、效应量或统计检验结果，因此这些发现应视为作者对当前任务结果的报告，而非已确证的因果机制。 该工作的主要研究对象是语音感知的脑网络机制，不是 BCI 解码算法或在线控制系统。复现需核对被试与刺激构成、EEG 采集及预处理、频段定义、连接分析与跨模态整合流程；实验协议、对照、消融及统计信息尚未验证。现有材料不足以判断结果的跨被试稳定性，也不足以推断其对 BCI 性能的提升。