An emergent functional parcellation of the temporal cortex

这篇文章用谱重排（spectral reordering）这一自下而上、数据驱动的方法，对静息态与任务态 fMRI 数据分别给颞叶做功能分区，从中提取出颞叶的主要组织轴线：连接模式从颞上回与后部下颞皮层，渐变到腹外侧前颞叶（anterior temporal lobe, ATL）。分区结果跨数据集、跨半球高度一致，且用一份独立的视听语义任务数据直接验证了这条轴线确实对应"模态特异 → 模态一般"的加工梯度。它值得读，一在方法示范——不预设分区数目、不强制硬边界也能得到可解释的分区——二在结论落点：颞叶的"枢纽"功能可以在梯度框架下被看清。

研究背景

感觉信息先在模态特异的感觉与联合皮层加工，再汇聚到多模态联合区（Mesulam 1998），这一汇聚对语义认知尤为关键。颞叶正是重要的汇聚地：它同时容纳初级听觉皮层与听觉、视觉联合区。灵长类追踪与皮层内电极记录显示视觉加工沿"枕叶→颞叶"方向向前分层推进，人类后梭状回负责组合视觉特征形成复杂形状表征；独立的听觉流则沿颞上回（superior temporal gyrus, STG）向前，前部 STG 编码复杂听觉序列并越来越多地反映语言的高阶属性。在人类，多模态语义"枢纽"的存在已被证明：语义性痴呆（semantic dementia）患者出现多模态语义表征的选择性、进行性崩解，其萎缩与低代谢集中在腹外侧 ATL；PET、MEG、皮层网格电极以及专门减小信号丢失的 fMRI 研究反复确认了这一点（Binney et al. 2010；Visser et al. 2012 等）。白质追踪研究（Binney et al. 2012）进一步证实视听信息在 ATL 侧向、嘴侧渐次汇聚的结构基础。

既然"模态特异 vs 模态一般"的区分对颞叶功能组织如此关键，作者认为它理应能自下而上地从数据中涌现，而不必靠先验假设去"贴"。缺口在于方法与数据：已有的全脑静息态分区（Wig et al. 2014；Yeo et al. 2011 等）在下颞叶普遍受信号丢失与磁化率畸变拖累，恰恰把最关键的区域抹掉了。本文的应对是双管齐下：用双回波 EPI 保住下颞叶信号，再对颞叶专门做分区，并预留一份独立任务数据用于事后直接检验分区的功能含义。

研究思路

总体设计是"两次独立分区 + 一次独立验证"。先用两组互不重叠的数据分别分区：静息态（71 人）与显性语义任务态（23 人），各自对左右颞叶做谱重排。作者特意选谱重排而非纯硬聚类，理由有三：模态特异区向模态一般区的过渡本应是渐变的（Braga et al. 2017），强行把中间地带塞进离散团块并不妥；梯度图能直接呈现颞叶"关键变化轴"的走向；同时谱重排矩阵中连接高度相似的核心区仍可被识别为硬团块，便于后续功能解读。随后是验证环节：把静息与任务两种分区中都被划入同一侧团块的体素合成核心区、切成连续小块作为感兴趣体素（volume of interest, VOI），在第三份独立数据（同一批作者另一项包含视觉与听觉呈现的语义任务）上做 VOI 分析——若分区真的沿模态维度展开，前团块应显示视听无差异、后团块应显示模态偏好。这样分区与验证在数据上完全独立，避免统计循环。

方法

三批被试：静息态数据采自 78 人（57 女，18–42 岁），6 人因头动过大或刷除后数据不足被剔除，余 71 人；任务态分区数据为其中 24 人做的显性语义任务（剔除 1 名高头动者后为 23 人）；在方法段补一句：独立验证数据呈现名人/地标/动物的图片或口语名称，被试做'是否欧洲'的语义判断，基线为 scrambled 刺激的感觉判断（Rice et al., in preparation）。所有被试均为强右利。扫描用 3.0 T Philips 设备 32 通道线圈，核心是双梯度回波 EPI：短回波（TE=12 ms）降低高磁化率区域的信号丢失，长回波（TE=35 ms）保持对比敏感度，两回波线性叠加（视场向 AC-PC 线外倾斜 45° 以减轻颞极鬼影）。TR=2.8 s，重建体素 3 mm、层厚 4 mm；静息扫描 6.25 分钟（130 个体积，注视十字），任务扫描 3 个 run 各 10 分钟。任务为语义三元组判断（探针词 HEN，在 CAGE 与 ROBE 中选语义关联更强者），基线任务为字母串重叠判断，15 秒 mini-block 各含 3 试次。预处理对头动严防死守： censoring、全信号回归、24 个运动参数回归、ART scrubbing，DARTEL 归一化、8 mm 平滑，静息数据再做 0.01–0.08 Hz 滤波。分区流程：取 FSL 概率颞叶模板（0.25 界值）作为 VOI，对每对体素计算时间序列的余弦相似度，构成相似矩阵（z 变换后再跨被试平均以避免相关值平均偏倚），把矩阵当作图的邻接矩阵求拉普拉斯算子并做谱分解，取第二小特征向量（Fiedler 向量）排序，使时间序列相近的体素在矩阵上靠拢；把排序秩次以紫→红的色谱投影回皮层即得梯度图，再按矩阵结构目测划分硬团块。团块的全脑功能连接用种子点分析（配对 t 检验，体素 p=.001、簇水平 FWE 校正 0.05）。

主要结果

1. 静息态分区呈现一致的轴线（图 2）：左右颞叶的梯度图都从后部下颞皮层（梭状回 fusiform gyrus, FG；颞下回 inferior temporal gyrus, ITG；颞中回 MTG）与 STG 一侧，渐变到腹外侧前颞与颞极。矩阵中可辨两个硬团块：后团块（紫）含后部 FG、ITG、MTG 及部分前后 STG；前团块（红）含颞极、前 ITG 与 MTG。左右半球的秩位置相关达 rs=.928（p<.001）。
2. 任务态分区复现同一轴线（图 3）：梯度仍从 STG 与后部 MTG/ITG/FG 走向下颞叶前部；左半球后团块含 Heschl 回、后 STG 及后 ITG/FG 的一组体素，前团块含前 MTG、ITG、FG 与海马旁回；右半球类似。左右秩相关 rs=.945（p<.001）。静息态与任务态的梯度秩位置显著相关（rs=.443 与 .449，均 p<.001），说明两种状态下分区高度一致（图 4）。
3. 两个团块的颞叶外连接分属不同网络（图 5）：后团块连接双侧枕叶、上顶叶、缘上回、运动与体感皮层、岛叶、丘脑、小脑及外侧额叶——即视觉、听觉-运动等模态特异网络；前团块连接角回（angular gyrus, AG）、后扣带、楔前叶、内侧前额叶、腹侧下额回（inferior frontal gyrus, IFG 的眶部与三角部）等——即语义与默认网络所属的多模态网络。等尺寸团块（各取矩阵两端 15% 体素）得到同样结果，排除了团块大小差异的混淆。
4. VOI 直接检验：前团块模态一般、后团块模态特异（图 6）：在 20 人的独立数据上，4 个前部 VOI 的视觉与听觉语义条件均无显著差异（如 A1：t(19)=−1.737，p>.5）；5 个后部 VOI 全部显著分化——位于 STG 的 P1–P3 听觉呈现时激活更高（t=−9.15、−10.44、−7.76，均 p<.001），位于后部下颞的 P4、P5 视觉呈现时更高（t=10.58，p<.001；t=4.68，p<.005），均经 9 个 VOI 的 Bonferroni 校正。
5. 后团块内部还有次级的视听分化（图 7）：把 P1–P3 合成听觉 VOI、P4–P5 合成视觉 VOI再做种子分析：视觉亚区相对更多连接腹侧枕颞皮层、枕叶、顶叶、楔前叶、右海马及 IFG；听觉亚区相对更多连接前后 STG、缘上回、体感与运动皮层、SMA、扣带与丘脑——模态特异区各自挂靠同模态网络。

图注解读

图 1 · 谱重排分区流程示意

原文图注：Fig. 1. The parcellation method employed. The time series of each voxel in the VOI was extracted and their pairwise similarity calculated to construct a similarity matrix per run per participant. Each matrix has all the VOI voxels as rows and all the same VOI voxels as columns. The similarity matrix from each run of each participant was averaged (using z-score normalised correlation values) to get a group similarity matrix. This group similarity matrix was spectrally reordered resulting in voxels with a more similar time series being placed closer together on the axes. The voxel order on the axes can then be projected on to the cortex to show the graded change in connectivity across the cortex. (后略：秩次赋值与紫→红色谱、硬团块的皮层投影说明。)

这张方法图把整条流水线画成从左到右的四步：逐体素时间序列 → 体素间两两相似度矩阵（行与列都是同一 VOI 的体素）→ 跨 run、跨被试平均后的组级矩阵经谱重排（相似者向对角线聚拢）→ 把矩阵轴上的体素顺序投影回皮层。读图关键是理解"矩阵上相邻=时间序列相似"这一定义：此后所有梯度图的颜色（紫到红）都只是矩阵位置的转写，同色体素连接模式相近、紫红两端最不相似。

图 2 · 静息态分区：矩阵、梯度图与硬团块

原文图注：Fig. 2. The results of the functional parcellation of the left (A, B and C) and right (D, E and F) temporal lobes based on resting-state data. A & D. Matrices showing the pairwise similarity of the voxels time series, reordered so that nearer voxels are more similar. (中略：矩阵下方红紫条带标示团块成员。) C & F. The voxels that were involved in the two clusters apparent in the matrix are shown on the cortex. A posterior cluster (purple) and an anterior cluster (red) were identified in the left and the right hemisphere.

分左右半球各三联：A/D 是重排后的相似矩阵，沿对角线可见亮块结构，矩阵下方的红、紫色条标出被目测归入两个团块的行；B/E 是把每行体素的颜色（即秩次）画回皮层得到的梯度图，可见从腹外侧与颞极前部到后部下颞与 STG 的连续变色；C/F 只画两个硬团块的空间位置（紫=后、红=前）。读图时先用 B/E 确认"渐变"而非"跳跃"，再用 C/F 记住两团块的解剖范围，这是后文所有功能解读的空间骨架。

图 3 · 任务态分区：结构与静息态平行

原文图注：Fig. 3. The results of the functional parcellation of the left (A, B and C) and right (D, E and F) temporal lobes based on task-state data. A & D. Matrices showing the pairwise similarity of the voxels time series, reordered so that nearer voxels are more similar. (中略：同图 2 的投影与团块说明。) A graded change may be seen from ventrolateral and polar anterior temporal lobe to inferior posterior temporal lobe and the superior temporal gyrus. C & F. The voxels that were involved in the two clusters apparent in the matrix are shown on the cortex. A posterior cluster (purple) and an anterior cluster (red) were identified in the left and the right hemisphere.

版式与图 2 完全对应，只是数据换成显性语义任务：矩阵整体相似度更高（任务共激活的叠加），但重排后的结构依然是"后部下颞+STG 一端、腹外侧前颞一端"的渐变，且同样切出后（紫）前（红）两个团块。这张图与图 2 并排看，支撑"主要结果"第 1、2 条：无论静息还是任务状态，轴线与团块划分都能被数据自己长出来。

图 4 · 静息与任务梯度的体素级对应

原文图注：Fig. 4. The relationship between a voxels position in the graded resting-state parcellation and the graded task-state parcellation. Consistency can be seen between these two results which are shown to correlate at rs=.449 in the left temporal lobe and rs=.443 in the right temporal lobe.

这是散点类图：横轴为每个体素在静息态重排矩阵中的秩位置，纵轴为同一体素在任务态矩阵中的秩位置。若两套分区互相独立，点云应无结构；实际呈明显正相关（正文报告左半球 rs=.443、右半球 rs=.449，与图注恰好互换，不影响结论）。这张小图为"两次分区一致"提供了不靠肉眼的形式化证据，是作者决定后文只报告一致的前后分化、不再纠缠小差异的依据。

图 5 · 两个团块的全脑连接指纹

原文图注：Fig. 5. Connectivity and co-activation of the clusters identified within the resting-state and active task data. A. Areas displaying greater resting-state functional connectivity with the first more posterior cluster (purple) and the second more anterior cluster (red). This analysis was performed using the clusters identified in the resting-state parcellation of the left and right temporal lobes. (中略：每块连续体素都有编号标注，解剖描述见表 1。) B. Areas displaying greater functional connectivity and co-activation in the task data with the first more posterior cluster (purple) and the second more anterior cluster (red). (后略：同表 2。) Voxels significant at .001 with an FWE correction at the cluster level with a critical cluster level of .05.

A、B 分别用静息态与任务态数据，把"后团块连接更强"与"前团块连接更强"的脑区以配对 t 检验对照呈现：紫色为与后团块连接更强的区域，红色为与前团块连接更强的区域。读法是横向对照：紫色区域集中在枕叶、顶叶、运动体感皮层等感觉-动作侧，红色区域集中在角回、后扣带、内侧前额叶与腹侧 IFG 等语义/默认网络侧；任务数据（B）下这一格局几乎原样复现。该图把两个团块分别嵌入模态特异与模态一般网络，支撑第 3 条结果，也为 VOI 检验提供了可检验的预测。

图 6 · 模态"指纹"：前团块无视听差异、后团块各有所好

原文图注：Fig. 6. A functional 'fingerprint' of the areas identified in the functional parcellations. Voxels identified as part of the anterior or posterior clusters in both the resting-state and task-based parcellations are shown here. Sets of contiguous voxels were treated separately and subjected to VOI analyses in independent functional data. The average of difference between each participant's visual and auditory beta values for each VOI are plotted here. Where the values are significantly different between the two modalities (p > .05, Bonferroni corrected) an asterisk is shown. (后略：前部无模态差异为多模态（红），后部 STG 偏听觉（深蓝）、下颞偏视觉（青）。)

纵轴是每个 VOI 的"视觉 beta 减听觉 beta"差值（按被试求差再平均），横轴排着 A1–A4 四个前部 VOI 与 P1–P5 五个后部 VOI，星号标示经 Bonferroni 校正后两模态差异显著者（原文图注写作 p>.05，对照正文应为 p<.05 之笔误）。读图一目了然：前部四根柱子都跨不过显著性线，是真正的多模态区；后部五根全有星号，且 STG 的三根偏向听觉（差值为负）、下颞的两根偏向视觉（差值为正）。这是全文的"判决图"，直接支撑第 4 条结果。

图 7 · 后团块内听觉与视觉亚区的分道连接

原文图注：Fig. 7. The differential resting-state functional connectivity of the auditory and visual regions of the posterior cluster. A. Resting-state connectivity of the left posterior cluster as displayed in Fig. 4. B. Resting-state connectivity of the auditory regions of the posterior cluster is shown in green. Resting-state connectivity of the visual regions of the posterior cluster is shown in blue. Regions connected to both auditory and visual regions are shown in cyan. (后略：体素编号与表 3 对应，阈值同前。)

A 先重放整个左后团块的连接图作为参照，B 把种子拆开：绿色为听觉亚区（P1–P3）的连接，蓝色为视觉亚区（P4–P5）的连接，青色为两者共享。读图重点是蓝色与绿色的错位——蓝色沉向腹侧枕颞与枕叶视觉区，绿色爬上 STG、缘上回与运动体感区——说明即便在同一个"后团块"内部，模态特异的次级结构也映射到各自的同模态网络，支撑第 5 条结果。

讨论

作者把整套结果读作：颞皮层连接的渐变沿一条主轴展开——从上/后下颞（模态特异）到腹外侧 ATL（模态一般），且这条轴在静息与任务两种状态、左右两半球中都由数据自己浮现。前团块挂靠语义与默认网络这类多模态网络，后团块则连接早期视觉、背/腹侧注意、听觉-运动等模态特异网络；后团块内部的听觉、视觉亚区还各自与同模态外周区有更强的相对连接。作者进一步与"枢纽"文献对话：若 ATL 的信息整合以大面积渐变方式发生，单纯数连接数目的 hub 度量可能识别不出它，而 Sepulcre 等（2012）的逐步连接（stepwise connectivity）方法恰恰在与前团块高度相似的位置识别出多模态枢纽——这与本文的梯度图景吻合。作者也承认结构上的复杂性：梯度为主，但并非处处平滑，前 STG 与 ATL 其余部分之间存在较锐利的分界，这有种子连接、细胞构筑与结构连接的多重证据。另一个有趣的对照是经典的"任务正/负网络"二分：模态特异区接任务正网络、模态一般区接任务负网络看似自然，但作者指出腹侧 IFG 这类受控认知区在困难任务中应更活跃，却在本文中被划入多模态网络——因此"模态特异 vs 模态一般"可能是比任务正/负更合适的组织维度表述。局限方面，文中提到任务数据无法区分真实连接与任务诱发共激活、两套数据的预处理差异可能带来小分歧（如后团块在任务态更偏背上），以及梯度幅值信息（Fiedler 向量实际数值）对异常值敏感而只报告了秩次。

一句话总结

这篇文章最打动我的地方是把"分区"从划分题做成了读题：不预设几块、不画硬边界，让连接相似度自己排出一条轴线，再用独立数据逼问这条轴的功能含义——答案是模态特异到一般的连续过渡，而非若干互不相干的拼块。对做颞叶（尤其 ATL 语义）研究的人来说，这也是一份"下颞叶信号丢失可以救回来"的技术示范，双回波 EPI 值得照抄。