《Frontiers in Neuroscience》：Attention to speech modulates distortion product otoacoustic emissions evoked by speech-derived stimuli in humans
編輯推薦：
本研究創新性地利用基于自然語音諧波構建的刺激信號，在“雞尾酒會”場景下實時記錄并分析了“類語音畸變產物耳聲發射（Speech-like DPOAE）”，首次發現聽覺皮層下行反饋可對耳蝸活性過程進行頻率特異性調節。結果表明，當注意力聚焦于某一說話人時，其語音中“可解析諧波”對應的耳聲發射振幅會顯著降低，而對“不可解析諧波”則無此效應，這為理解選擇性注意在聽覺場景分析中，耳蝸水平的最早期貢獻提供了直接生理證據，并為探索自然情境下的聽覺處理開辟了新途徑。
2 材料與方法
2.1 實驗設計
實驗采用單說話人和競爭說話人兩種范式。在競爭說話人場景中，一段由女聲（平均基頻f0(w)= 195 ± 40 Hz）和一段由男聲（平均基頻f0(m)= 90 ± 20 Hz）朗讀的有聲書疊加后，呈現給參與者的右耳。參與者被要求將注意力集中于女聲（Att. F）、男聲（Att. M）或一個視覺文本（Att. V）。同時，從參與者的左耳（對側耳）誘發并記錄“類語音畸變產物耳聲發射”。
刺激信號源自語音信號中的諧波。為了同時測量四種不同的類語音DPOAE，研究者設計了四對刺激波形：Fres（基于女聲的第7、9次可解析諧波）、Funres（基于女聲的第15、18次不可解析諧波）、Mres（基于男聲的第6、8次可解析諧波）以及Munres（基于男聲的第15、18次不可解析諧波）。所有刺激對中較低諧波（n）的波形被合成為W(1)(t)，較高諧波（m）的波形被合成為W(2)(t)，并通過兩個獨立的揚聲器播放到耳道中，平均聲壓級為37 dB SPL，以避免誘發中耳肌反射。
2.2 參與者
共40名參與者（21名女性，19名男性），年齡18-31歲，均為右利手、母語為德語、無神經或聽力損傷。其中2名因理解分數低于幾率水平或錄音故障被排除，最終38名參與者的數據被納入分析。
2.7 實驗流程
每次試次（trial）持續約2分鐘，隨后參與者回答3個理解問題，并在13點Likert量表上評價感知到的腦力勞動強度（mental effort），以確保任務投入度。實驗包含單說話人測量和競爭說話人測量。在競爭說話人場景的主要部分，參與者在三種注意力條件（Att. F, Att. M, Att. V）下完成試次，同時記錄四種類語音DPOAE。
2.8 類語音DPOAE分析
類語音DPOAE通過將預期的失真產物波形w2n-m(t)與麥克風錄音進行復互相關（complex cross-correlation）來測量，并取互相關包絡的絕對值。通過檢查在特定延遲窗口（1 ± 3 ms）內，互相關包絡的峰值是否超過噪聲水平的97百分位數，來判斷單個試次中是否存在顯著的類語音DPOAE。為比較不同注意力條件下的DPOAE，提取了每個試次在總平均峰值延遲處的互相關包絡值（即振幅）進行分析。
3 結果
3.1 理解分數與腦力勞動強度
在單說話人和競爭說話人條件下，所有注意力條件下的理解分數都很高（91%-97%），且無顯著差異。在競爭說話人條件下，感知到的腦力勞動強度存在顯著差異：關注視覺任務（Att. V）時強度最低（5.7 ± 2.2），關注男聲（Att. M）時強度最高（7.3 ± 1.7），關注女聲（Att. F）時居中（6.5 ± 1.8）。
3.2 類語音DPOAE的測量
在單說話人場景下，刺激Fres、Funres、Munres在超過85%的試次中都能引發顯著的類語音DPOAE，而刺激Mres的表現顯著較差，僅在約35%的試次中可測。在競爭說話人場景下，Mres的表現依然很差（約12%試次可測），因此后續分析將其排除。
3.3 類語音DPOAE的注意力調制
注意力對類語音DPOAE振幅產生了特異性調制，但對峰值延遲無影響。
- •
對于Fres刺激（女聲可解析諧波）：當注意力集中于女聲（Att. F）時，其DPOAE振幅顯著低于注意力集中于男聲（Att. M）時（p = 0.0003，振幅比0.8，即-2.2 dB），也顯著低于關注視覺任務時（Att. V）（p = 0.0003，振幅比0.7，即-2.6 dB）。而Att. M與Att. V條件之間無顯著差異。
- •
對于Funres刺激（女聲不可解析諧波）：DPOAE振幅在三種注意力條件下均無顯著差異。
- •
對于Munres刺激（男聲不可解析諧波）：DPOAE振幅在三種注意力條件下均存在顯著差異。當注意力集中于男聲（Att. M）時，振幅最高；當注意力集中于女聲（Att. F）時，振幅最低（與Att. M相比，p = 7×10-7，振幅比1.5，即+3.8 dB）；關注視覺任務（Att. V）時振幅居中。
4 討論
本研究成功開發了可同時測量多種源自語音諧波的類語音DPOAE的方法。核心發現是，選擇性聽覺注意力能特異性調制與目標語音中“可解析諧波”相關的耳蝸活性，而對“不可解析諧波”則無此效應。當注意力聚焦于某個說話人時，其可解析諧波對應的DPOAE振幅降低，這與通過內側橄欖耳蝸（MOC）系統抑制耳蝸放大器增益，從而在耳蝸水平早期增強目標信號、抑制背景噪音的假說一致。然而，男聲可解析諧波（Mres）的DPOAE信號微弱且不穩定，限制了對其注意力調制的分析，這可能與其較低的頻率（約350 Hz）以及耳蝸在該頻段的調諧特性有關。
對于男聲不可解析諧波（Munres）表現出的、與女聲可解析諧波（Fres）相反的注意力調制模式（注意時振幅增強），一個可能的解釋是頻譜重疊帶來的混淆。Munres的頻段（~1.05 kHz）與Fres的頻段（~0.97 kHz）部分重疊。當注意女聲時，可能通過MOC系統抑制了其可解析諧波（Fres）所在頻段（包括重疊部分）的耳蝸增益，這同時抑制了落在該頻段內的MunresDPOAE，導致在Att. F條件下Munres振幅最低。反之，當注意男聲時，該抑制解除，Munres振幅相對升高。
總之，本研究證實了耳蝸主動過程在噪音中語音選擇性注意的早期階段即發揮作用，支持了“認知過程可通過皮層-耳蝸下行通路在感覺外周塑造知覺”的觀點。所開發的類語音DPOAE技術為在自然場景下研究聽覺分析提供了新工具。
