文献阅读：特定alpha网络调节感知觉决策的不同层面

Distinct alpha networks modulate different aspects of perceptual decision-making

（王艳华 西南大学心理学部 时空认知实验室）

大脑内部状态的波动会影响知觉变化，而alpha波段的神经振荡对大脑内部状态的波动有重要影响。然而关于alpha振荡如何调节知觉变化的研究结果并不一致，一些研究表明alpha振荡调节知觉灵敏度（d’）即对感觉信息编码的精确性,而另一些研究则表明alpha振荡调节知觉判断标准即解释感觉信息的阈值。此外，大多数研究只关注整体的alpha活动而忽略了多个alpha网络共存的事实，导致不清楚不同的alpha网络是否对知觉有不同的影响。因此，本研究旨在描述不同alpha网络如何影响知觉决策。在分析了被试执行视觉检测任务时同步记录的脑磁图（MEG）数据之后，发现：视觉alpha网络调节知觉敏感度，而感觉运动alpha网络调节知觉判断标准。这些发现调和了先前相互矛盾的结果，并突出了alpha网络在塑造知觉中的功能多样性。

本研究首先采用脑磁图（MEG）记录了32名健康参与者在视觉检测任务中的大脑活动。实验任务中，刺激栅格或噪声以16.7 ms呈现，随后呈现100 ms高对比掩蔽，被试需判断是否看见栅格。并通过“启动”操作引入判断标准偏移：保守条件下20%的启动试次呈现超阈限栅格，自由条件下则为80%；启动试次后接80个主试次，其中50%呈现阈限水平栅格。实验共包含8个区块，后续分析聚焦于主试次。

MEG数据预处理后，基于Glasser图谱将源空间划分为52个脑区，并通过LCMV波束成形提取各脑区时间序列。进一步使用时延隐马尔可夫模型（TDE-HMM）以数据驱动方式识别大规模脑网络，本研究中该模型假设观测数据由8个互斥、瞬态且重复出现的隐藏状态生成，设定15个嵌入维度（对应-28至+28 ms时延），其中状态4、7、8分别对应后高阶认知、视觉和感觉运动状态。采用零均值多元高斯观测模型，经10次模型拟合选取自由能最低的结果。由此获得各状态的刺激诱发响应及频谱信息。

通过检查各状态在alpha频段的功率与相干图谱，选取连接强度前0.25%的脑区作为关键节点（每网络6–7个），并将其alpha功率时间序列平均，得到网络水平alpha功率。采用FOOOF算法提取个体alpha峰值频率，并基于Slepian锥状窗与快速傅里叶变换计算节点alpha功率时间序列。进而构建广义线性混合模型（GLMM），将网络水平alpha功率及其激活状态与行为指标（灵敏度d′ 与判断标准c）相关联。最终使用基于聚类的置换检验进行统计推断。

模型分析结果表明，除状态2和5外，其余状态对刺激的反应均具统计显著性：状态4、6、7在刺激呈现后更易激活，而状态1、3、8则在刺激呈现后200ms内激活显著减少。不同启动条件（保守 vs. 自由）未引起状态概率时间进程的差异，进一步支持启动不调节刺激诱发活动。频谱分析结果显示，状态2、4、7、8在alpha频段存在显著振荡成分，故将其设为感兴趣状态。经FOOOF算法提取7–14 Hz频段内中心频率与带宽，并采用重复测量方差分析检验状态间差异，结果发现alpha带宽无显著组间差异，但中心频率存在显著主效应；进一步配对t检验表明，状态7的峰值频率显著更高。广义线性混合模型（GLMM）分析结果则表明视觉状态（状态7）中刺激前的alpha能量波动可调节感知敏感度（d′），且该调节仅在该状态激活期间显著，更强的alpha活动对应更低的敏感性；感觉运动状态（状态8）中的刺激前alpha功率波动则调节判断标准（c），尤其在该状态激活时，该效应集中于刺激前约250 ms，表明其发生于刺激呈现前。

本研究综合应用时延隐马尔可夫模型和广义线性混合模型结合聚类置换检验统计方法，来解释不同alpha网络究竟如何对知觉决策产生影响，为解决先前关于alpha活动知觉相关性的相互矛盾的发现提供了至关重要的见解，并在研究人脑振荡动力学方面引领了从区域到网络的重要范式转变。

参考文献：

Zhou YJ, van Es MWJ, Haegens S (2025) Distinct alpha networks modulate different aspects of perceptual decision making. PLOS Biology 23(10): e3003461. https://doi.org/10.1371/journal.pbio.3003461