皮层振荡能够预测具有不同听力状况的听众对听觉信息的分类方式

《NeuroImage》：Cortical oscillations predict auditory grouping in listeners with various hearing configurations

　　本研究比较了正常听力（NH）、助听器用户（A-only）、混合听觉植入（A+E）和纯电声植入（E-only）四组受试者在听觉对象检测任务中的表现及脑电活动。结果显示，NH组在任务敏感性和delta/theta同步活动上显著优于其他组，而alpha/beta去同步化在不同组间无显著差异。表明低频同步活动受听力损失影响，而高频活动可能反映共同的中枢处理机制。

　　这项研究探讨了不同听力配置的听众在听觉对象检测任务中的表现以及其大脑活动的差异。听觉分组是指将具有相似频谱特征的音调随时间绑定，形成听觉对象。传感器性听力损失（SNHL）会损害频谱分辨能力，而这种损害的程度会因听力配置的不同而有所变化。然而，目前尚不清楚SNHL如何影响听觉分组，以及不同的听力配置是否会影响这一能力。因此，本研究比较了四组具有不同听力配置的听众在听觉对象检测任务中的表现和大脑活动：20名正常听力（NH）听众，17名双侧助听器使用者（A-only），31名使用电声和声音刺激的耳蜗植入者（A+E），以及17名使用纯电刺激的双侧耳蜗植入者（E-only）。通过记录脑电图（EEG），参与者执行了一项随机背景噪声中的听觉对象检测任务，该任务要求检测嵌入在随机频率音云背景中的频谱和时间上具有一致性的音调短音。

研究结果显示，所有组别在任务上的敏感度都较高，但耳蜗植入者的表现比正常听力和助听器使用者差。与正常听力听众相比，助听器使用者的与听觉对象相关的诱发电位较弱，而耳蜗植入者则完全没有这种反应。在2-3.5Hz的delta（δ）和4-7Hz的theta（θ）频段中，仅在正常听力组中观察到与听觉对象相关的同步活动，而在A+E组中也观察到了delta同步。然而，所有组别都表现出8-15Hz的alpha（α）和17-30Hz的beta（β）频段的事件相关去同步（ERSP），且没有显著的组别差异。值得注意的是，个体在alpha和beta去同步上的差异预测了任务的敏感度。这些发现表明，在任何听力配置下，alpha和beta脑活动都反映了听觉分组过程。

在日常生活中，交流往往需要在背景噪声、混响室或语音较弱的条件下进行。背景噪声可能是这些情况中最显著的，尤其是对老年人和听力损失者来说，这会带来较大的挑战。检测语音并将其与背景噪声分离的能力依赖于识别具有相似声学特征的听觉成分，并将它们在时间和频率上绑定，形成可以与背景分离的听觉对象。听觉对象的形成涉及一个层次结构，从耳蜗的外围编码声学信号开始，最终在听觉皮层之外的认知过程中完成。在这个层次结构中，耳蜗在编码声音的频谱和时间特征方面的精确度是一个关键的瓶颈。这种多维的听觉对象表示会沿着听觉通路传播到听觉皮层。然而，如果这种表示缺乏精确性，它可能会阻碍发现用于对象绑定的共同听觉特征，这对语音在噪声中的感知至关重要。

众所周知，传感器性听力损失（SNHL）会导致耳蜗频谱分辨率受损。这在耳蜗植入者（CI）中尤为明显，他们依赖少数电极来编码频率信息。这种频谱分辨率的下降会损害SNHL患者和CI用户的语音在噪声中的感知能力。在正常听力（NH）人群中进行的模拟研究中，当呈现模拟CI处理的声音时，降低了频谱分辨率，也记录到了类似的语音在噪声中的感知障碍。然而，关于频谱分辨率较差如何影响中间过程，如听觉分组，从而导致语音在噪声中的障碍，目前了解较少。

在这项研究中，我们使用了随机图景-背景（SFG）范式来考察不同听力配置的听众的听觉分组能力。这一范式旨在评估依赖频率带内时间一致性的听觉分组能力。在这一范式中，刺激由分布在时间和频率上的多个音调元素组成。当听觉成分在时间上随机分布在频率上时，声音将被感知为噪声，形成“背景”条件。然而，当多个成分在时间上变得频谱一致时，它们会形成一个听觉图景或对象，该对象在感知上会从背景中“脱颖而出”，这一条件被称为“图景”。研究结果表明，所有组别在任务上的敏感度都高于偶然水平（即d’为0），尽管耳蜗植入者的表现不如正常听力和助听器使用者。此外，所有组别在alpha和beta去同步上表现出相似的水平，没有显著的组别差异。这些发现表明，alpha和beta脑活动，通过在听觉对象检测任务中测量，反映了听觉分组过程。

本研究的参与者包括85名，分为四个组：20名正常听力（NH）听众，17名双侧助听器使用者（A-only），31名使用电声和声音刺激的耳蜗植入者（A+E），以及17名使用纯电刺激的双侧耳蜗植入者（E-only）。所有参与者均为美国英语母语者，并且各组在年龄上匹配。耳蜗植入者需要至少使用设备六个月才能参与研究。研究得到了大学爱荷华大学的伦理委员会批准，所有参与者均签署了同意书并获得了参与报酬。

在SFG任务中，参与者被要求在声音结束之后按下键盘上的“1”或“2”来表明他们是否检测到了听觉对象的出现。参与者被要求在每个试验后5秒内做出反应，并在反应后有一个1秒的延迟期，随后是一个1秒的固定十字（作为基线），然后是下一个试验的声音刺激。研究过程中，参与者被要求保持眼睛在中央十字上并尽量减少身体和眼睛的运动。

为了测试不同组别在任务表现上的差异，我们测量了任务敏感度、反应偏差和反应时间。任务敏感度通过d’值（d’ = z(Hit_Figure) - z(FA_Ground)）来衡量。当极端的Hit_Figure和FA_Ground值出现时，进行了调整，将0替换为0.5/i_n，将1替换为(i_n - 0.5)/i_n，其中i_n是记录的试验数量。反应偏差通过计算标准的Hit_Figure和FA_Ground值之和，然后乘以-0.5来衡量（c = -0.5*(z(Hit_Figure) + z(FA_Ground))）。对于c的测量，极端的Hit_Figure和FA_Ground值也进行了类似的调整。反应时间（RT）通过计算每个参与者在特定试验中的中位数RT来衡量。

研究结果表明，所有组别在任务上的敏感度均高于偶然水平，但耳蜗植入者的表现明显低于正常听力和助听器使用者。此外，虽然所有组别都表现出alpha和beta去同步，但这些去同步的强度在各组之间没有显著差异。这些结果表明，alpha和beta脑活动可能与听觉分组过程相关，而与听力配置无关。

在EEG记录过程中，我们采用了BioSemi Active2系统，使用64个通道，对应于国际10/10电极放置系统。EEG数据以2048 Hz的采样率在线记录。两个额外的电极，共同模式感测电极（作为接地电极）和驱动右腿电极（用于减少共模噪声），被连接到顶叶附近。对于耳蜗植入者，记录前移除了覆盖植入设备的电极。整个实验过程中，所有电极的偏移电压保持在30 mV以下。

在EEG预处理阶段，我们使用了定制的MATLAB脚本，结合EEGLAB工具箱功能进行离线处理。EEG数据被降采样四倍，达到512 Hz。降采样后的数据使用Butterworth带通滤波器进行处理（高通频率：2 Hz；低通频率：35 Hz；滤波器阶数：3381）。EEG记录从刺激开始前1000 ms到刺激后5000 ms，并在刺激开始前800-100 ms进行基线校正。

为了去除伪迹，我们采用了一个三阶段过程：第一阶段涉及移除异常通道和试验；第二阶段涉及消除与耳蜗植入和眼睛、肌肉运动相关的伪迹；第三阶段涉及在移除眼睛和耳蜗植入伪迹后，去除额外的噪音试验。第一阶段中，我们绘制了每个试验中所有通道的最大绝对电压直方图，移除了极端高电压的试验（约两倍于均值的标准差）。然后，移除了最大绝对电压超过100 μV的通道。最后，将剩余试验的电压绘制为直方图，并根据相同的方法确定了坏试验。剩余通道的数量在正常听力组为63.9（±0.31），在助听器组为63.71（±0.59），在A+E组为57.72（±3.12），在E-only组为52.17（±4.79）。

在去除伪迹的第二阶段，我们使用独立成分分析（ICA）应用Infomax算法（由EEGLAB工具箱提供）来提取与耳蜗植入和眼睛、肌肉运动相关的伪迹。ICA成分被确定为耳蜗植入伪迹，基于两个标准：第一，声音刺激开始和结束时存在强直流电平；第二，耳蜗植入侧表现出双极性地形图。肌肉相关的ICA伪迹基于两个标准进行识别：第一，ICA时间序列显示出连续的大尖峰，类似于肌电图波形；第二，ICA地形图显示出一个单一的焦点活动，具有外周头部定位。这一过程导致从正常听力样本中移除平均1.95（±1.09）个ICA成分，从助听器组中移除2.58（±1.12）个ICA成分，从A+E组中移除12.16（±3.79）个ICA成分，从E-only组中移除11.11（±3.63）个ICA成分。

在去除伪迹的第三阶段，我们以类似的方式移除了额外的试验。具体而言，移除ICA成分后，每个试验中所有通道的最大绝对电压被计算，然后移除高于两倍均值标准差的试验。这一三阶段过程导致各组之间试验数量不均。然而，我们通过取较小试验数量的等量试验，对各组的试验数量进行了均衡。最终，各组的试验数量分别为：正常听力组49.25（±4.62），助听器组46.41（±5.25），A+E组47.25（±5.38），E-only组40.47（±6.56）。

在进行EEG数据清理后，我们应用了球面样条插值方法（Perrin et al., 1989）来恢复在记录前或在通道拒绝阶段被移除的通道。然而，这一插值方法在处理大量缺失通道时被认为不太可靠。这一限制在耳蜗植入者中尤为相关，因为通常在EEG记录前移除了颞顶叶通道。为了解决这一问题，我们从所有后续分析中排除了14个颞顶叶通道（每侧7个：C5、C6、CP5、CP6、T7、T8、TP7、TP8、P5、P6、P7、P8、P9和P10）。这些通道的排除确保了各组之间通道数量的可比性。

在诱发反应分析中，我们关注了五个前额中央通道（FZ、FCz、CZ、FC1和FC2），因为之前的证据表明EEG诱发反应在这些站点上主要由活动驱动。在进行诱发反应分析后，我们通过在图景和背景条件下取平均值，测量了组别的诱发反应。随后，我们对诱发反应进行了处理，将EEG数据重新参考为O1和O2电极的平均值。这些电极被选为参考点有两个原因：首先，这些枕叶区域远离耳蜗植入设备，从而最小化了耳蜗植入相关的伪迹；其次，重新参考到枕叶区域提供了足够的距离，使得听觉N1反应的测量更加可靠。

我们对每个参与者在图景和背景条件下的诱发反应进行了拓扑图分析，以确定听觉对象检测的头皮活动模式是否与声音起始时的活动模式相似。对于每个参与者，N1峰值被确定为声音起始后100-250 ms和图景起始后200-350 ms内最大负峰。这些时间窗口的选择基于之前使用SFG范式进行的EEG研究（Guo et al., 2022），显示N1反应在这些时间窗口内。随后，我们通过在每组内平均N1峰值，创建了组别层面的N1拓扑图。被排除的14个颞顶叶通道（见2.5节）未被包含在任何组别的拓扑图中。

接下来，我们进行了时间-频率反应分析，以识别在图景和背景条件下功率显著不同的时间段。对于EEG分析，我们关注了五个结果：ITPC、delta、theta、alpha和beta ERSP。首先，我们询问了背景条件（即背景仅刺激）在各组之间是否存在差异，以排除任何潜在的组别差异是否由背景条件驱动。鉴于背景条件在我们的实验中作为对照条件，我们不期望在任何结果上发现组别差异。对于频率特异性ERSP和ITPC结果，通过集群-基于的排列测试（见表2）平均了在显著集群中获得的ERSP和ITPC测量值。由于在ITPC和delta ERSP中只有正常听力和A-only组有显著集群，我们进行了独立样本t检验，以比较这些效应在剩余两个组之间的差异。结果表明，在ITPC和delta ERSP测量上，各组之间没有显著差异。

对于alpha和beta ERSP，我们进行了单因素方差分析（ANOVA），以检查在确认方差相等后，各组之间是否存在差异。结果表明，只有beta ERSP在各组之间存在显著差异。这些发现进一步支持了alpha和beta去同步在所有组别中均存在，且不受外围听觉配置的影响。

此外，研究还发现，alpha和beta去同步活动的幅度在所有组别中相似，这表明这些高频率振荡可能反映了与听觉对象检测相关的认知信号。功能上，alpha调制被认为在抑制中起作用，其中alpha去同步可能反映了对任务无关刺激的抑制。此外，alpha振荡的调制被认为与注意力的抑制有关。在图景条件下的beta去同步可能与预测的更新有关，即beta活动可能与随机到一致的音调短音的预测变化有关。这些发现表明，alpha和beta振荡可能与听觉对象检测的神经认知过程相关。

研究还发现，不同听力配置的参与者在听觉对象检测任务上的表现存在差异。这些差异主要由听力配置和大脑活动共同决定。通过层次回归模型，我们发现alpha和beta去同步活动在所有组别中均存在，并且它们的幅度与听觉对象检测任务的敏感度相关。这些结果表明，听觉对象检测不仅依赖于外围听觉能力，还依赖于大脑活动。然而，研究也指出了一些局限性，例如在耳蜗植入者中去除的ICA成分可能影响结果，以及任务设计可能未充分揭示听觉对象检测中的神经活动差异。

总体而言，这项研究揭示了不同听力配置下听觉对象检测的神经机制。这些发现不仅有助于理解听觉分组的神经基础，还可能为改进听觉辅助设备的设计和使用提供理论依据。未来的研究可以进一步探讨不同听力配置下alpha和beta去同步活动的具体机制，以及它们在听觉对象检测中的具体作用。此外，还可以比较主动和被动听觉对象检测条件下的神经反应差异，以及不同听力配置对听觉对象检测的贡献。