情緒是大腦的高級活動，反映了個體對外部世界的主觀心理狀態。近年來，研究人員一直致力于探索情緒的神經表征，進而理解情緒的大腦機制。情緒在大腦中的表征研究主要聚焦于兩大假說，即定位主義（locationism）和心理建構主義（psychological constructionism）。為了探索哪種假說更加合理，進而揭示情緒的神經基礎、理解情緒的神經機制，研究人員從不同的角度展開了深入的研究。目前，支持定位主義假說的證據相對較少，大量的研究結果表明情緒在大腦中的表征是分布的，從而表明心理建構主義假說更有潛力揭示情緒的大腦基礎。

為了研究情緒的大腦基礎，早期的研究主要使用多體素模式分析、貝葉斯分類器、腦網絡等傳統方法，通過不同情緒狀態下大腦活動模式的差異，為特定的情緒尋找編碼該情緒的腦區。然而，這些傳統方法要么無法利用不同腦區之間的豐富關系，要么僅對兩個腦區之間的成對關系進行建模，而忽視了多個腦區之間的相互作用和信息融合。為了揭示情緒背后的大腦機制，必須在更高的層次上考慮多個腦區之間的相互作用和信息融合。從網絡神經科學的角度來看，參與情緒編碼的腦區呈現出模塊化的結構。功能相似的模塊相互耦合，形成具有特定功能的獨特區域。我們將這個獨特的區域稱為情緒區域，類似于人腦中的功能區域，如運動區域、感覺區域、視覺區域和聽覺區域。此外，一系列的研究表明，腦網絡進一步表現出層次模塊化（hierarchical modularity）的性質。具體而言，腦網絡的所有模塊中存在著一個起主導作用的模塊，即主模塊；其它模塊（次模塊）協同發揮次要作用并與主模塊形成主次關系；每個次模塊還可以進一步劃分為一組子模塊，并且在每個子模塊內還可能存在二階子模塊等等，扮演著越來越微妙的角色。因此，在情緒編碼的背景下，整個腦網絡可以分解為與層次情緒區域相對應的層次子網絡。

由于情緒是復雜的主觀體驗，包括了多種心理操作和認知過程，從而涉及了不同的腦區。當一個人經歷情緒刺激時，整個腦網絡被分解為層次子網絡。每個子網絡都對應于一個情緒區域，并執行著不同的功能，進而形成情緒編碼中不同的心理操作和認知過程。同時，不同情緒區域的子網絡相互協作，形成了情緒編碼中的腦網絡整體。基于腦網絡的層次模塊化性質，這一分析與心理建構主義假說的關鍵思想和情感科學的專業知識相吻合。因此，本研究旨在通過多源信息融合和圖機器學習的方法研究人腦中的層次情緒區域，進而揭示特定情緒背后的大腦機制。

圖1 識別人腦中層次情緒區域的流程圖。

具體而言，如圖1所示，為了研究情緒的大腦機制，我們首先測量和收集被試在經歷視聽多源情緒刺激時的大腦信號，再使用這些大腦信號構建大腦網絡并從中提取大腦樹。隨后，我們對大腦樹進行深入的理論分析，以最大限度地促進腦區之間的相互作用和信息融合。基于理論分析的結果，我們通過多源信息融合和圖機器學習的方法將整個大腦樹分解為不同級別的樹干（亦可形象地稱為“層次樹干”），每個樹干上的信息傳遞都有助于腦區之間的信息融合。最終，我們將大腦樹中的這些層次樹干還原為人腦中的層次情緒區域。這樣一來，第一級樹干作為大腦樹的主干，與之相對應的第一級情緒區域作為基礎的情緒區域，在情緒編碼過程中起著主導作用；第l級（l ≥ 2）樹干作為大腦樹的分支，與之相對應的第l級（l ≥ 2）情緒區域作為更高級的情緒區域，并且隨著l的增加，在情緒編碼過程中起著越來越精湛微妙的作用。

基于上述思路，我們在實驗數據集上識別層次情緒區域。該數據集收集了被試觀看情緒誘發電影（即情緒刺激）時的fMRI響應。情緒刺激由《阿甘正傳》中的電影片段組成，這些片段來自StudyForrest項目，包含六種基本情緒：快樂、驚訝、恐懼、悲傷、憤怒和厭惡。為了獲得這些刺激的相應情緒評分，額外招募了多名未參與fMRI實驗的人類評分員。這些評分員為每個情緒刺激的每個情緒類別賦予一個分數，從而給情緒刺激打上標簽。最終將所有評分員的分數進行平均，得到每個情緒刺激的情緒評分。所識別出的層次情緒區域如圖2所示。進一步研究發現，層次情緒區域的級別從低到高，主要促進情緒感知的基本過程、基本心理操作的構建以及這些操作的協調與整合，從而為特定情緒背后的大腦機制提供了獨特的見解。

圖2 所識別的層次情緒區域，（a）所有基本情緒，（b）快樂，（c）悲傷。頂部的圖例列出了Power Atlas提出的所有13個功能系統和一個不確定系統。每個子圖都展示了相應的大腦樹，并呈現了前三個層次的情緒區域。所有結點均根據圖例進行著色，第一級、第二級和第三級情緒區域內的內部連接分別以綠色、藍色和紅色突出顯示。

相關研究成果“Identifying the hierarchical emotional areas in the human brain through information fusion”已經發表在信息融合領域頂級期刊Information Fusion。中國科學院自動化研究所的博士研究生黃中昱為論文第一作者，杜長德副研究員為論文共同作者，何暉光研究員為論文通訊作者。該研究得到了國家自然科學基金、北京市自然科學基金等項目的支持。

論文鏈接：

https://www.sciencedirect.com/science/article/pii/S1566253524003919

作者簡介

黃中昱，中國科學院自動化研究所在讀博士研究生，目前研究興趣包括圖機器學習、情感計算、類腦智能。以第一作者在IEEE TPAMI、Information Fusion、IEEE TMI、ICML、MICCAI等人工智能國際頂級期刊/會議上發表5篇學術論文。曾榮獲研究生國家獎學金、北京市三好學生、上海市優秀畢業生、中國科學院優秀共青團員、海淀區星級志愿者等綜合榮譽。

杜長德，中國科學院自動化研究所副研究員，從事人工智能、腦科學、模式識別、AI for Brain 領域的研究，在神經編解碼、多模態神經計算、視覺-語言-大腦聯合建模、大模型評估與解釋等方面發表了40多篇高水平研究論文，包括 Cell子刊/TPAMI/ICLR/AAAI/ACMMM/KDD 等。主持國家自然科學基金青年基金、中科院特別研究助理資助項目、中國人工智能學會—華為 MindSpore 學術獎勵基金，科技創新2030—“新一代人工智能”重大項目子課題等人才項目。作為研發骨干參與科技創新2030—“腦科學與類腦研究”重大項目，國自然重點項目，科技部國家重點研發項目等。長期擔任 TPAMI, NeuroImage, ICLR, CVPR 等期刊/會議的審稿人/程序委員，是中國自動化學會模式識別與機器智能專委會委員。多次受邀在國際頂級人腦圖譜大會 (OHBM)、國際頂級多媒體大(ACMMM)、國際頂級人工智能大會（AAAI）做學術報告。曾獲得中科院院長獎、北京市優秀畢業生、2021年AI華人新星百強、IEEE ICME 2019 最佳論文獎（亞軍）、研究成果被《MIT Technology Review》等科技媒體頭條報道。

何暉光，中國科學院自動化研究所研究員，博士生導師，中國科學院特聘核心崗位研究員，國家高層次領軍人才。先后主持包括多項國家自然科學基金、863項目、國家重點研究計劃課題等多個重要項目。先后獲得國家科技進步二等獎兩項（排二、排三），北京市科技進步獎兩項，教育部科技進步一等獎（排三），中科院首屆優秀博士論文獎等獎項。入選國家高層次人才計劃，北京市科技新星，中科院“盧嘉錫青年人才獎”，中科院青年創新促進會優秀會員等。其研究領域為人工智能，醫學影像分析，腦-機接口等，其研究結果在IEEE TPAMI/TNNLS/TCYB/TMI/TMM, ICML等發表文章200余篇。自動化學報編委，中國圖象圖形學報編委。IEEE高級會員, CCF/CSIG杰出會員。建國七十周年紀念章獲得者。

僅用于學術分享，若侵權請留言，即時刪侵！

歡迎加入腦機接口社區交流群，

探討腦機接口領域話題，實時跟蹤腦機接口前沿。

加微信群：

添加微信:RoseBCI【備注：姓名+行業/專業】。

歡迎來稿

1.歡迎來稿。投稿咨詢，請聯系微信：RoseBCI

點擊投稿：

2.加入社區成為兼職創作者，請聯系微信：RoseBCI

一鍵三連「分享」、「點贊」和「在看」

不錯過每一條腦機前沿進展