7.27 大脑皮层中语义表示的定位
审视估计的语义模型，我们能够确定在每个大脑体积元中所能表示的特定语义模块。理论上，只要分别检测每个体积元，就能得到整个大脑的语义表示定位。然而，每个被试的实验数据都包含成千上万个体积元，使得这种方法不具有操作性。另一种可行的方法是将估计的语义特征映射到一个低维向量子空间，同时保留尽可能多的体积元上的语义表示信息。对于每个被试，我们采用主成分分析法（PCA，principal components analysis）分析估计的语义特征模型，得到了985个正交语义维度（主成分），并根据每个维度的方差在总方差中的占比进行排序。我们倾向于认为，其中只有一部分的语义维度是不同被试所共有的，其余的语义维度则反映了被试间的个体差异、fMRI 的噪音和截取的故事的统计特征。为了确定这些共有的语义维度，测试每一个语义维度是否在模型间相较于偶然因素表现出更大的方差，而这方差是由用于模型评价的激励矩阵主成分确定的。在一共 7 名被试的 6 人中，至少有四个维度表现出明显的方差（P< 0.001，Bonferroni-corrected bootstrap test），而对于最后一名被试，只有三个维度是显著的。这表明我们获取的 fMRI 数据在被试者中包含约 4 个在统计上显著的语义维度。
这 4 个共有的语义维度提供了一个直观的方式来总结每个体积元区域的语义选择性。为了解释体积元模型上映射的语义特征维度中的信息，需要理解语义信息在这四维语义特征维度空间是如何编码的。为了可视化语义空间，我们将故事中出现的10 470 个单词从词汇表示空间分别映射到每一个语义特征维度上。然后使用 k-means 聚类方法定义了12 种词汇目录，最终手工处理和标记了这些词汇种类。这 12 个词汇种类分别为“tactile（触觉）” （如“fingers”）、“visual（视觉）”（如“yellow”）、“numeric（数值）”（如“four”）、“locational（地点）”（如“stadium”）、“abstract（抽象）”（如“natural”）、“temporal （时间）”（如“minute”）、“professional （职业）” （如“meetings”）、 “violent（暴力）”( 如“lethal”)、“communal （公共）” （如“schools”）、 “mental （精神）”（如“asleep”）、“emotional（情感）”（如“despised”）、“social（社会）”（如“child”）。
接下来，将这 12 种词汇目录在共享的语义特征空间上可视化（见图 2a）。每个目录标签通过RGB 色彩来表示。其中红色、绿色、蓝色的通道值分别由第一个、第二个、第三个维度决定。在全部的 7 名被试的数据中，第一个语义维度的方差在总方差的占比最高。该语义维度的一端存在的词汇目录主要与人类和社会相互作用有关，包括“social （社会）”、“emotional（情感）”、“violent（暴力）”和 “communal（公共）”。该语义维度的另一端存在的词汇目录则主要和触觉描述、数量表达、环境有关，包括“tactile（触觉）” 、“locational（地点）” 、“numeric（数值）” 和 “visual（视觉）”。这与此前的猜测是一致的，人类包含一个特别显著且表征强烈的语义模块。语义特征空间中方差占比靠后的语义维度通常所含信息量少，难于仔细阐释。第二个语义维度的两端分别为与感知相关的词汇目录如“visual（视觉）”、“tactile（触觉）”，以及与感知无关的词汇目录，如“mental（精神）”、“professional（职业）”、“temporal（时间）”。排名第三和第四的语义维度则更加难以解释。
之前的研究发现语义系统包含在大脑的皮层区域中，但是并没有全面地阐释这些区域的语义选择性。通过将体积元模型映射到共有的语义特征维度上，能够可视化在整个大脑皮层区域上语义模块分布的区域选择性。图 2b 展示了将一名被试的体积元模型映射到前三个共有语义维度时的图像，其中RGB 颜色的标注方法和图 2a 中相同。因此在图 2b中，一个绿色的体积元能够对语义空间中呈绿色标记的词汇目录中的单词，比如“visual（视觉）”和 “numeric（数值）” 中的单词，产生更显著的血氧浓度变化。可视化结果显示，语义信息的表示区域在整个语义系统有复杂的分布模式，包括前额叶皮层、外侧颞叶皮层、内侧颞叶皮层、外侧顶叶皮层和内侧顶叶皮层的大部分区域。但同时，这些区域的分布模式在被试个体间又具有较强的一致性。
