面部表情蕴含了人类丰富的情感状态，在日常的社会交往中也起着至关重要的作用。人们可以毫不费力地快速识别出他人的表情。然而，人脑是如何在极短的时间内快速解析这些复杂的表情信息的？大脑中专门负责面孔加工的核心区域在面部表情的动态神经表征中究竟扮演着怎样的角色？
针对这一问题，我们结合高时间分辨率的MEG技术和多变量模式分析（MVPA）方法，探索了面部表情在面孔选择区域引起的神经表征是如何随着时间而演变的。通过对比大脑在处理不同面部表情时的时间动态过程，并采用基于聚类的符号排列检验进行严格的统计分析，揭示了面部表情信息在大脑特定区域加工的时间进程。
图1：大脑对面部表情解码的时间进程
我们首先考察了面部表情引起的神经活动的整体解码时间进程（见图1）。结果发现，从大约150 ms，面部表情的解码准确率显著高于随机水平。这说明，在面部视觉加工的早期及中后期阶段，大脑的面孔选择网络已经能够有效提取并区分不同的面孔表情特征。
为了进一步揭示特定面孔选择区域在表情表征中的具体作用，我们结合相似性分析和卷积神经网络不同层的深度特征，分别解码了大脑不同核心面孔区域的神经活动（见图2）。结果显示，表情信息在不同的面孔选择区域展现出了独特的时间动态模式。这些区域在处理表情信息时不仅表现出极高的敏感性，还在时间进程上呈现出特定的协同或递进关系，说明不同面孔区域在表情的动态解析中承担了各自独特的作用。
图2：卷积网络深度特征和大脑神经表征的相似性
该研究为大脑如何随时间动态处理面部表情，提供了新的神经生理学证据，并对人类社会认知过程中的面孔神经表征动态机制提供了新的见解。
该研究获得国家自然科学基金项目（62061136001, 32071055）的资助。中国科学院心理研究所张志豪为文章第一作者，赵科副研究员与傅小兰研究员为该项目的通讯作者。研究已发表在NeuroImage上。
论文信息：Zhang, Z., Chen, T., Liu, Y., Wang, C., Zhao, K., Liu, C. H., & Fu, X. (2023). Decoding the temporal representation of facial expression in face selective regions. Neuroimage, 120442. https://doi.org/10.1016/j.neuroimage.2023.120442
附件下载：