在探索大腦如何追蹤語音的征程中，科學家們就像在迷霧中摸索的行者，面臨諸多挑戰。當前，關于大腦追蹤語音的機制存在激烈爭論，相位重置假說認為語音包絡追蹤反應是通過重置內源性神經振蕩的最佳相位來實現；而誘發反應假說則主張它是由語音中一系列聲學事件誘發的瞬態反應的時間疊加。過往研究采用多種方法試圖區分這兩種假說，但很多方法的有效性備受質疑，使得這一領域的研究陷入僵局。為了打破這一困境，浙江大學生醫學院附屬第一醫院的研究人員挺身而出，開展了一項極具價值的研究。他們希望通過探索大腦追蹤語音的真正機制，為理解人類的語音感知過程提供關鍵線索。
這項研究成果發表在《Cortex》雜志上，意義重大。研究人員利用立體腦電圖（SEEG）技術，對 19 位癲癇患者進行研究。當患者聆聽約 80 分鐘的有聲讀物時，研究人員記錄下他們的 SEEG 信號。為了量化包絡追蹤反應，研究人員計算了語音包絡與低頻（LF，0.5 - 40Hz）神經活動之間的相位相干性。對于表現出顯著相位相干性的觸點，進一步計算神經 - 語音相位滯后，并評估該相位滯后是否隨頻率線性變化。
在研究過程中，研究人員運用了多種關鍵技術方法。首先是 SEEG 記錄技術，通過將深度電極植入患者顱內，精準記錄神經活動信號。其次是電極定位技術，借助結構磁共振成像（T1 - weighted MRI）和計算機斷層掃描（CT），結合 BrainSuite 和 Brainstorm 工具盒，準確確定電極觸點的解剖位置。最后，通過一系列信號處理和數據分析方法，如對語音包絡的提取、對 SEEG 信號的濾波、重采樣等處理，以及計算相位滯后、相位相干性等指標，來探究語音包絡追蹤反應的特性。
下面來看具體的研究結果。
在 “相位相干性” 方面，研究人員識別出 328 個觸點（占總觸點的 12.9%），這些觸點在語音包絡和 LF 神經活動之間表現出顯著的相位相干性。這些觸點主要分布在 HG、STG 周圍，在其他腦區也有稀疏分布。顯著的 LF 相位相干性主要出現在 1 - 20Hz 頻段，尤其是在 delta 和 theta 頻段。這表明這些腦區的神經活動與語音包絡之間存在緊密的聯系。
“線性相位特性” 研究發現，277 個觸點（占表現出顯著 LF 相位相干性觸點的 84.45%）在 LF 包絡追蹤反應中表現出線性相位特性。這些觸點集中在 HG、STG，在其他腦區也有分布。HG 和 STG 中的線性相位特性在更廣泛的頻率范圍內存在，且在 delta 和 theta 頻段，相位 - 頻率曲線的線性度更高。這一結果有力地支持了誘發反應假說。
“群延遲” 研究中，對于表現出線性相位特性的 LF 包絡追蹤反應的觸點，其群延遲在不同腦區有所不同，中位數為 122.03 毫秒。在 HG 中，群延遲約為 100 毫秒；在 STG 中，群延遲在不同亞區存在差異，且從 HG 的后內側到前外側、從 STG 的后部到前部，群延遲呈現增加的梯度。這揭示了神經活動追蹤語音包絡的時間延遲規律。
研究結論和討論部分指出，該研究為誘發反應假說提供了有力證據，表明聽覺皮層可以按照誘發反應假說追蹤語音包絡。LF 包絡追蹤反應集中在 HG 和 STG，其他腦區也有參與。線性相位特性支持誘發反應假說，盡管一些非線性振蕩器模型也可能呈現線性相位特性，但線性系統模型依據奧卡姆剃刀原理能更有效地解釋這一現象。此外，研究還發現語音和音樂包絡追蹤反應機制可能不同，未來可進一步探究。研究中觀察到的群延遲梯度，與以往研究中 HG 和 STG 對語音刺激的反應潛伏期規律相符。這些結論為深入理解大腦的語音感知機制提供了重要依據，有助于推動相關領域的進一步發展，為后續研究指明了方向，也為探索人類大腦的奧秘增添了新的拼圖。