開源數據！綜藝場景下多人對話的fMRI+MEG自然場景公開數據集

PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

認知神經科學前沿文獻分享

基本信息：

Title:Naturalistic fMRI and MEG recordings during viewing of a reality TV show

發表時間：2025.11.18

Journal:Scientific Data

影響因子：6.9

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

如果你曾在家庭聚會或同事茶歇時被“多人搶話”弄得腦袋嗡嗡作響，你已經體驗過研究者口中的“雞尾酒會問題（cocktail party problem）”：同時有好幾個人在說話，你得在嘈雜中鎖定目標、隨時切換注意、記住是誰說了什么、下一句可能接什么話。

傳統語言神經科學多在實驗室里用控制良好的句子或單人敘述來研究語言加工，這當然干凈、可重復，但也不可避免地“失真”：現實世界的語言交流往往是多說話人、情緒濃、話題跳轉快、甚至彼此打斷。要理解我們真實是如何在腦中處理語言，必須把實驗拉回生活本身。

這篇數據論文提供了一個少見而扎實的“自然場景（naturalistic）”大禮包：研究團隊把兩組各30名受試者分別送進fMRI和MEG儀器里，同時觀看同一段25分鐘的中文真人秀《爸爸去哪兒》（第一季）片段。節目發生在鄉村場景，有11位說話者（五對父子加工作人員/村民），對話真實、情緒充沛、頻繁換說話人、還有自然的打斷與重疊語音。看完視頻后，受試者還要做5道理解題，隨后進行15分鐘“回放式靜息（replay-like rest）”，讓研究者觀察觀看后記憶與加工的延續效應。這樣的設計既有fMRI的空間分辨率優勢（在哪里激活）、又有MEG的時間分辨率優勢（何時激活），非常適合研究多人會話理解、注意力重定向與社會性溝通的神經機制。相關流程在圖1（第2頁）里有一張總覽圖，從刺激到預處理到技術驗證與注釋一目了然。

Fig. 1 Overview of the fMRI and MEG data collection and analysis procedures.

Fig. 2 Experimental procedure and the annotations of the audio.

最關鍵的是，作者不僅把神經數據開源到OpenNeuro，還把音頻/文本做了精細注釋：逐句對齊的文字、說話人標簽、聲學特征（音高f0、強度RMS）、以及詞層面的詞頻、詞性（POS）、多種句法解析復雜度（比如自頂向下/自底向上/左角策略的“parser actions”數）。這對做語言模型-腦映射、語音-語義分層建模，或研究“說話人切換（speaker switching）”的學者，是一套可直接上手的資源。作者還在fMRI/MEG上做了一致性（ISC）與GLM/回歸驗證：如在說話人切換瞬間，右側顳頂聯合區（right TPJ）顯著激活——這個區域常被認為參與“把注意力從當前不關注、卻與任務相關的刺激上重新拉回”的關鍵網絡。圖6（第9頁）把“音高/強度/說話人切換”三個特征的fMRI結果與Neurosynth的術語反推圖譜做了對照，解釋力很強；對應的MEG時間動力學也在圖7（第10–11頁）給出，補上“何時發生”的拼圖。

Fig. 6 GLM analyses for localizing brain responses to word rate, pitch, intensity, and speaker switching.

Fig. 7 Quality assessment of the MEG data.

換句話說，這不是一篇“答案在此”的機制論文，而是一份高質量、跨模態、可復用的數據集，外加嚴謹的技術驗證與豐富的標注，鼓勵大家把語言研究拉回“真實世界的交流”中。你可以用它來問很多具體問題：

注意力如何在多說話人間切換？

兒童聲音或情緒語調是否引發不同的加工通道？

語音低層特征（pitch/intensity）與高層句法負荷如何在時空上交織？

對于想把大模型（LLM）對多說話人對話的表征映射到人腦的人來說，這同樣是難得的試金石。

前沿交流|歡迎加入認知神經科學前沿交流群！

核心圖表、方法細節、統計結果與討論見原文及其拓展數據。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部