Nature| 我们的大脑是如何解码语音的？

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

前言

言语感知是将声学信号转换为语言结构（如音节、单词和句子）的过程。颞上回（STG）是人脑中言语感知和理解的关键区域。要了解言语感知的神经基础，就需要我们在神经元的基本计算单元的规模上以及它们在大脑皮层深处的组织上研究人脑。最近有研究使用了高密度的神经像素阵列从皮质层与言语至关重要的高级听觉区域的九个部位685个神经元信息进行了采集，实验背景是参与者需要听一些句子：

“Junior, what on Earth’s the matter with you?”

当科学家问出上面这句及其他199句特定的话时，接受脑部手术的清醒者脑中数百个神经元信号被捕获，这些信号向我们解释语音提供了前所未有的细节。结果显示，某些语言处理神经元会响应特定的词性，例如鼻音“m”和“n”或句子的开头，从而增加其活动。13日，这项工作以“Large-scale single-neuron speech sound encoding across the depth of human cortex”为题发表在《自然》期刊。

颞上回（STG，红色区域;由人工着色）参与语言处理。图片来源：Kateryna Kon/科学照片库

Nature | Research Article

虽然最近已有研究对皮质表面场电位进行记录（皮质电图（ECoG）），可以根据ECoG了解大脑表面的不同部位对特定语音（例如辅音和元音的特征）作何反应。虽然该工作描述了整个颞上回（STG）的语音编码，但一个主要的局限性是每个电极上的ECoG信号其实是数千个神经元的综合活动。同样的，使用微电极记录单个神经元的方法只能从少量单元中进行采样。因此，两者都无法解析皮质深度的神经元组织。

为了解决人脑中语音的神经元处理问题，这项研究在参与者听自然说出的一些句子时使用高密度多电极Neuropixels探针记录了STG中皮质层数百个单个神经元的细胞活动。这种方法能解决：（1）单个神经元编码的声学和语音特征;（2）STG皮层神经元的功能组织;（3）单神经元活动与使用ECoG从皮质表面记录的群体活动的关系。

“这是语言神经生理学家长期以来一直想要得到的关键数据。”波士顿马萨诸塞州总医院的神经科学家威廉·穆尼奥斯说，虽然他没有参与这项工作。

一个探头，近千个传感器

“神经生理学家经常依靠数十到数千个神经元的总读数来了解大脑活动。但是，试图通过这样的观察来了解单个神经元类似于站在泰勒斯威夫特音乐会外面，试图通过聆听整个人群的咆哮来辨别个别粉丝在大喊大叫。”马萨诸塞州总医院的神经科学家Angelique Paulk说。

幸运的是，一项名为Neuropixels的新开发的技术现在可以提高分辨率，加州大学旧金山分校的神经科学家Matthew Leonard和加利福尼亚州斯坦福大学的Laura Gwilliams说，他们是这项工作的共同主要作者。

Neuropixel探针是一根细如线、厘米长的棒，内衬有近一千个传感器，每个传感器都能够检测来自单个神经元的电信号。在探针被推入脑组织后，沿其长度的许多传感器与不同的神经元接触。探头返回传感器所接触的神经元的活动读数。每次插入设备时，研究人员都可以记录来自一到几百个神经元的信息。

a: 插入人体皮层的Neuropixels探针的特写照片。b: 九个穿透的记录位置（右STG位点（RH）绘制在左半球）。c: 磁共振成像显示 Neuropixels 探针跨越 p1 中整个皮质深度的大致位置（MTG，颞中回）。d: p1 中插入部位切除组织的组织学提供了 STG 内的近似层状边界。e: 言语反应和非反应单位的数量。f: 单次试验尖峰栅格，例如神经元，显示神经元对不同句子的不同反应。每个神经元显示 10 个不同句子的多次试验（用虚线分隔）。尖峰波形（平均值和 100 个随机选择的单个尖峰）显示在右侧。红线表示句子的开始和偏移。g: 三种尖峰波形（上图;FS，快速尖峰;RS，规则尖峰），分布在九个部位的皮质深度（下图）。h: 来自 p1 中 117 个神经元的三个句子（重复平均值）的阈值 PSTH（50 ms 窗口）（按深度排序）显示了整个深度的诱发活动模式。

Leonard、Gwilliams和他们的同事从大脑的一个称为颞上回的听觉区域读取了八名参与者的读数，这些参与者正在听200个英语句子。沿着探针长度的区域显示出具有特殊功能的迹象 – 例如对元音或指示问题的上升语调做出反应。然而，每个区域也包含具有其专业之外功能的神经元。

这种具有不同功能的神经元的混合物可以帮助大脑合成转瞬即逝的信息。例如，言语“发生得非常快”，Leonard说。“一旦我说了，它就不存在了。”将具有互补功能的神经元放在一起可以帮助大脑整合传入的信息并对其做出快速反应。

这些发现有助于显示大脑如何执行其功能。“你不能只是说，’元音住在这里’，你可以回答，’这就是元音表示的产生方式’，”Gwilliams说。

该研究的结果有助于人类STG三维功能组织的新兴模型的建立。并且Neuropixels 的应用有可能为下一代人类神经科学带来变革。目前大规模神经元记录的演示将大大加速我们对人类皮层独特计算和表示的理解。

▼扫码阅读英文原文

Leonard, M.K., Gwilliams, L., Sellers, K.K. et al. Large-scale single-neuron speech sound encoding across the depth of human cortex. Nature (2023). https://doi.org/10.1038/s41586-023-06839-2

*中文解读仅供参考，一切内容以英文原文为准。如涉及版权问题，请联系我们删除。

END

编辑 | 罗虎

来源 | Nature

审核 | 医工学人

关注“康复（神经）工程”，可进入医工学人交流群