从大脑功能连接模式中解码六种基本情绪

情感是人类智力的重要组成部分。从复杂的神经模式中识别特定的情绪类别(即情绪信息的神经解码)是当前情绪研究的关键问题。

分类情绪模型已经提出了一套基本的情绪单位(例如，愤怒、厌恶、恐惧、快乐、悲伤和惊讶)，它们在大脑中有专门的和独立的神经回路大脑支持不同情绪信息的表达。因此，不同的大脑区域专门参与处理特定的基本情绪。近年来，越来越多的证据表明，基本情绪的表征可能得到大规模的支持功能连通性(FC)大脑中的网络。

最近，一篇名为《从大脑功能连接模式解码六种基本情绪》的论文在《中国科学院学报》在线发表中国生命科学北京大学心理与认知科学学院方方博士的团队

本研究从数据驱动的角度分析了以大脑网络模式为代表的情绪信息的神经机制。利用滑动窗口技术和随机森林模型构建了情绪脑网络的解码模型，证明功能连接模式包含了基本情绪的表征信息。

方教授的团队收集了人类参与者的全脑功能磁共振成像数据，同时他们观看了表现六种基本情绪之一(愤怒、厌恶、恐惧、快乐、悲伤和惊讶)或表现中性表情的面部照片。他们利用哈佛-牛津图谱在整个大脑区域获得了每种情绪的FC模式，并应用多元模式解码从中性表情中解码出六种基本情绪。

结果表明，全脑FC模式成功地从中性表情中区分了六种基本情绪。通过分析识别情绪时大脑各区域的贡献比例，进一步揭示每种基本情绪贡献最大的10个脑节点的空间分布位置。

这种数据驱动的研究方法不仅确定了以前与面部和情绪处理研究相关的重要区域，例如梭状回研究人员还发现了一些大脑区域，这些区域很少被认为对情绪表征有贡献，比如大脑的右杏仁核supramarginal回以及大脑边缘系统中的其他区域。

此外，基于脑网络的解码模型在全脑区域和贡献最大的10个脑区域的解码性能均优于传统的基于体素激活的解码模型。总之，本研究结果进一步表明，大脑网络模式包含更多有用的情绪信息解码相比于体素激活模式，这意味着从功能上研究情感识别存在很大的潜力大脑区域．