面部表情识别：理论模型和神经影像学证据的元分析

文献:Xu, P., Peng, S., Luo, Y., & Gong, G. (2021). Facial expression recognition: A meta-analytic review of theoretical models and neuroimaging evidence, Neuroscience and Biobehavioral Reviews, (2),. https://doi.org/10.1016/j.neubiorev.2021.05.023

论文原文

1.背景介绍 ¶

面部表情识别是人类大脑的一项基本功能。目前已经提出了多种理论模型来解释情绪的认知过程和神经表征，如离散情绪理论（discrete emotion theory）(Ekman, 1992, 2008)，维度（dimensional）情绪理论(Barrett, 1998; Gable and Harmon-Jones, 2010; Hamann, 2012)，定位主义（locationist account）(Barrett, 2006; Ekman and Cordaro, 2011)和心理建构主义（psychological constructionist account）(Lindquist and Barrett, 2012; Lindquist et al., 2012)。情绪在大脑中的表征方式一直存在争议，面部表情识别的神经心理学机制也很复杂，可能涉及对面部几何特征的感知和对表情的识别。本文中研究者基于是被面部情绪时的大脑激活和连接探索其神经机制。目的是：识别离散和维度情绪的大脑激活和连接特征；比较离散和维度情绪大脑图谱的共同和独特模式；解码已识别大脑网络的功能特征；探索面部表情识别的大脑不对称性。

基于面部处理的经典双神经通路模型，提出了静态和动态表情分别由腹侧和背侧神经通路处理。情绪加工的经典心理模型包括基本情绪模型和维度情绪模型，Ekman 和 Friesen (1971) 提出的基本情绪模型假设有六种基本情绪类别——快乐、愤怒、悲伤、恐惧、厌恶和惊讶——它们本质上是离散的，并且在心理生理学上是不同的。维度模型认为情绪由基本维度组成，例如唤醒、效价（积极和消极情绪）和动机（接近和退缩）。情绪处理的神经影像学发现集中在基于情绪模型的两个主要假设上，定位主义假设每个类别的离散情绪都位于特定的大脑区域或网络中，而心理建构主义假设提出，情绪是由基本心理操作和大脑网络的神经元素的组合构成的，这些神经元素是通用的，而不是特定于某种情绪的。每种情绪都由大脑网络支持，该网络或多或少包括该种情绪的特定大脑区域和涉及其他功能的大脑区域。尽管已经进行了许多神经影像学研究的元分析，但面部表情识别的特定大脑区域仍不清楚。元分析连接建模 (meta-analytic connectivity modelling，MACM) 方法已被广泛用于描绘特定大脑区域的功能连接，结果与基于种子的（seed-based）静息状态功能连接构建的网络高度一致，因此，MACM 方法将有利于识别参与识别离散和维度面部表情的大脑网络。情绪处理的经典整体右半球优势假设已经提出了很长时间，但是，识别面部情绪的大脑的（不）（（A）symmetry）对称性还没有定论。

本研究根据先前的神经影像学研究检查了大脑组织以识别离散/维度面部表情。目前的元分析包括六种基本情绪类别：愤怒、悲伤、恐惧、厌恶、快乐和惊讶。对于维度情绪模型，研究者关注情绪效价（积极和消极）和动机方向（接近和退出）。特定大脑区域的激活或共同激活（连接）模式对于给定类别的离散/维度情绪一致显示，将支持面部情绪识别的定位假设；常见的类别或维度的一般大脑激活/连接模式将支持识别面部情绪的心理建构主义假设。

2.方法 ¶

图8

对比情绪和中性面孔刺激引起的大脑活动，研究者对每个类别的离散和维度维度情绪进行了单独的元分析。唯一的积极面部表情是快乐，接近动机表情包括快乐、愤怒和惊讶。

使用 GingerALE 2.3.6 (http://www.brainmap.org/ale/) 进行激活似然估计 (ALE) 荟萃分析。使用 GingerALE 中实现的自动转换工具将 Talairach 空间中报告的坐标转换为 MNI 空间。

为了评估跨情绪类别的常见大脑激活，通过识别每个情绪类别的校正 ALE 地形图之间的交集来进行联合分析。为了检查每个离散情绪类别的不同或独特的大脑区域，研究者对每个类别和其他类别进行了单独的对比分析。

为了识别响应每种离散情绪的大脑区域的连接/共激活模式，研究者基于 BrainMap 数据库 (http://www.brainmap.org) 进行了 MACM 分析，通过将每个情绪类别的所有激活集群加在一起以生成特定类别的组合种子。

通过 Neurosynth Image Decoder（https://neurosynth.org/decode/）进行功能解码分析，以表征每个情绪类别的元分析结果的心理功能。

为了检查跨神经影像学研究的面部表情识别中半球偏侧化的一致性，在离散情绪和维度情绪下使用等式 (1) 计算偏侧指数 (LI)。

图1

其中 R 和 L 代表来自左右侧 ROI 的平均 ALE 值。鉴于单侧杏仁核、前脑岛皮层 (AI) 和腹侧内侧前额叶皮层 (vmPFC) 在情绪处理中的独特作用，这三个 ROI 是从自动解剖标记 (AAL) 模板中选择和定义的。

3.结果 ¶

图2

每一类情绪：1）左侧杏仁核始终对快乐的面孔做出反应； 2）处理愤怒面孔时，左侧苍白球、双侧杏仁核和右侧梭状面区（FFA）通常被激活；3）识别恐惧面孔时，左腹侧 PFC (vlPFC)、双侧苍白球、杏仁核、FFA 和枕面部区域 (OFA)被持续激活；4）左侧杏仁核对悲伤面孔做出反应；5）识别愤怒面孔时双侧OFA被激活。 组合种子（seed）的 MACM 分析：1) 在识别快乐面孔时持续激活的大脑区域与对情绪处理很重要的左侧尾状核、左侧 OFA、双侧壳核、杏仁核和 FFA 相连； 2) 对愤怒面孔做出反应的大脑区域与前 PFC、左侧 AI、双侧 vlPFC、腹侧纹状体 (VS)、杏仁核和 OFA 相连； 3) 对恐惧面孔做出反应的大脑区域与双侧背侧 PFC (dlPFC)、vlPFC、AI、VS、杏仁核、OFA 相连； 4）对悲伤面孔做出反应的大脑区域与左侧AI、双侧VS和杏仁核相连； 5) 对厌恶面孔做出反应的大脑区域与右侧 dlPFC、AI、双侧纹状体和 OFA 相连（图 2B）。

图3

左侧杏仁核始终对所有快乐、愤怒、恐惧和悲伤面孔做出反应；右侧杏仁核对愤怒和恐惧面孔都有反应（图 3A）；大脑连接的联合分析显示组合种子跨越五种离散情绪与 vlPFC、VS、左 FFA 共同连接，以及跨越恐惧、愤怒和厌恶情绪与额顶控制网络连接（图 3B）。对比分析显示，与其他类别的表情相比，IT 对愤怒面孔的独特反应较弱；右侧 OFA 对厌恶面孔的反应较强；右侧 dlPFC 对恐惧面孔的反应较强；左侧杏仁核对快乐面孔的反应较弱 （图3C）。

图4

动机方向维度：双侧杏仁核、枕中回、右侧 FFA 和颞中回始终对接近方向的表情做出响应；双侧 vlPFC、杏仁核、OFA、颞中回和颞上回通常在识别撤回方向的（withdrawal direction）表情时被激活（图 4A）。 MACM分析：接近和后退维度的（approach/ withdrawal dimension）组合种子在情绪处理中与双侧杏仁核、前岛叶、腹侧纹状体、背侧前扣带回皮层、vmPFC和FFA相连接。

图5

维度情绪中大脑激活的联合分析：接近和后退之间，双侧杏仁核共同激活；积极和消极之间左侧杏仁核共同激活（图 5A）。连接性联合分析：组合种子在动机维度与 FFA、双侧杏仁核、VS、vlPFC 和额顶叶网络的共同连接，在效价维度与双侧杏仁核和 VS， FFA 和 vlPFC的共同连接（图 5B）。对比分析：识别消极面孔时，左侧 vlPFC、杏仁核和右侧枕中回 (MOG) 的激活程度更高（图 5C）。

图6

功能解码结果表明，离散和维度情绪中的元分析激活和基于共激活的（coactivation-based）连接图都以情绪和面部相关过程为特征。在离散情绪和维度情绪的五个基本情绪术语中，解码模式高度一致（图 6）。

图7

杏仁核和 AI 在处理离散和维度情绪时都表现出左半球偏侧化，而 vmPFC 在处理悲伤面孔时表现出左半球优势，而在处理快乐面孔时表现出右半球偏侧化（图 7）。

4.讨论 ¶

大脑激活模式已被证明在情绪识别和体验过程之间是不同的，通过使用最近提出的元分析连接建模 (MACM) 方法，研究者通过基于不同假设的一组元分析来检查面部表情识别的大脑网络组织，为心理建构主义假说在识别面部情绪方面提供了第一个基于网络的元分析证据。

与情绪-大脑-位置对应的假设不一致，不同类别的离散/维度情感模型中杏仁核和连接模式的共同激活违背了每个类别的离散/维度情感与独特/可区分的大脑区域相关联的假设。功能解码结果表明，不同情绪类别的神经机制收敛于面部和情绪功能，支持心理建构主义假设。

结果表明，面部表情识别存在侧向效应，不同类别的情绪具有不同的不对称大脑模式，不支持整体右半球优势假设。除了厌恶情绪之外，所有离散的情绪类别都存在一致且常见的左侧杏仁核激活，这表明左侧杏仁核在面部情绪识别中起主导作用。支持莫里斯等人提出的不对称模型，该模型提出左侧杏仁核主要对有意识的情绪处理做出反应，而处理低于意识的情绪则优先激活右侧杏仁核。虽然结果表明额叶不对称和效价选择性偏侧化的证据有限，但与直接的整体右半球优势假设和经典的情绪效价/动机方向模型相比，这些发现收敛到更复杂的不对称情绪表征。 广泛用于诱导面部情绪识别的范式包括三种类型，包括偶然处理（例如，指示受试者判断面部性别）、被动感知和情绪表达的外显评估。大量研究表明，面部情绪识别是一个自动过程，这表明即使没有明确指示受试者识别面部情绪，它也会发生。

5.总结 ¶

总而言之，目前的元分析结果显示杏仁核相对一致的参与及其与跨离散和维度情绪的分布式网络的连接。为支持心理建构主义假设，这些网络广泛参与注意力、动机、记忆、语言和认知控制的处理。杏仁核和 AI 在情绪的左半球优势，但 vmPFC 的特定类别侧化，表明情绪的不对称表示比直接的整体右半球优势假设和经典的情感价/动机方向模型更复杂。