基于模型的脑活动分析揭示 305 名受试者的语言层级

分解语言神经基础的一种流行方法是在个体间将脑对不同的刺激（例如常规语音与打乱的词汇、句子或段落）的反应进行相关分析。尽管成功，这种“无模型”方法需要获取大量且昂贵的神经影像数据。在此，我们展示一种基于模型的方法可在暴露于自然刺激的个体内达到等价结果。我们利用近期发现的深度语言模型与人脑之间的相似性，计算 i) 脑对常规语音的反应与 ii) 由修改后的刺激（例如打乱的词汇、句子或段落）引发的深度语言模型激活之间的映射。我们的基于模型的方法成功复现了 Lerner 等人（2011）的开创性研究，该研究通过比较七名受试者聆听 7 分钟常规与打乱叙事的功能性磁共振成像（fMRI）揭示了语言区的层级。我们进一步将结果扩展并精确化到 305 名个体聆听 4.1 小时叙事性故事的脑信号。总体而言，本研究为高效且灵活的语言脑基础分析铺平了道路。