脑科学圈| 华南师范大学陈俊团队揭示听力损失青少年面部情绪加工的道德偏差

面部情绪识别是社会交往中理解他人情感与意图的核心能力,其依赖于对视觉线索的精细加工与情绪信息的快速整合。听力损失青少年由于长期缺乏听觉输入,在情绪识别尤其是面部表情解读面临显著挑战,这进一步影响其社会适应与人际互动质量。尽管已有研究表明该群体在基本情绪识别任务中表现较弱,但影响其情绪加工的高级社会认知因素,如他人道德身份如何调节其神经与行为反应,仍缺乏深入探讨。

华南师范大学陈俊研究团队近期在Frontiers in Neuroscience期刊发表题为“The effect of moral identity on facial emotion processing in adolescents with hearing loss: an event-related potentials study”的研究论文,首次采用道德身份启动范式结合事件相关电位(ERP)技术,系统考察了道德信息对听力损失青少年面部情绪加工的调节作用。该研究揭示了听力损失青少年在情绪-社会信息整合中的独特神经机制,强调道德身份在其社会认知加工中的优先性

图片

本研究采用2(听力组别:听力损失HL vs. 正常听力TH)×2(道德身份:道德 vs. 不道德)×3(情绪类型:愤怒、中立、快乐)的混合实验设计,共招募38名青少年参与者,其中听力损失组15人,均来自特殊教育学校;正常听力组23人来自普通中学。实验任务为道德身份启动下的情绪评价任务:每个试次首先呈现道德身份词(如“消防员”或“杀人犯”)1000 ms,随后呈现一张面部表情图片500 ms,参与者需在9点量表上对情绪效价进行评分(1=非常愤怒,9=非常快乐),共完成360个试次。

图片

1 道德同一性启动任务的程序

研究采用64通道的放大器(ANT Neuro, Netherlands)64导电极帽进行脑电记录,电极排列符合国际10-20系统定位标准。脑电信号记录时以CPZ点作为参考电极,双侧乳突M1以及M2作为离线参考。

图片

2 eego mylab脑电系统 

研究结果显示,在行为层面,听力损失(HL)青少年的情绪评价显著受到他人道德身份的影响,而正常听力(TH)青少年则不受此影响。具体而言,HL组在“不道德”身份启动下对人脸情绪的评分更偏向负面,尤其是在中性和愤怒面孔上表现出更强的负面偏见;相比之下,TH组的情绪评分主要依据面部表情本身,道德身份对其判断几乎无影响。值得注意的是,HL组对快乐面孔的积极评价也低于TH组,表明其整体情绪识别存在一定的正性偏差减弱倾向。

图片

3 每个条件下所有参与者的平均情绪效价

在神经层面,ERP分析揭示了两组青少年在情绪加工过程中的显著差异。N2成分(200-340 ms)结果显示,HL组在面对“不道德”身份启动时N2振幅显著减小,表明其在早期认知控制与冲突监测阶段已受到道德信息的干扰;而TH组的N2不受道德身份调节。

图片

4 不同道德身份启动下N2成分对图片反应的振幅差异

此外,LPP成分(300-500 ms)进一步显示,HL组在“不道德”背景下对情绪面孔的晚期加工表现出更强的神经反应,说明道德信息持续影响其对情绪的深度评估。相反,TH组的LPP仅受情绪类型影响,未见道德效应。

图片

5 不同道德身份启动下LPP成分对图片反应的振幅差异

该研究不仅揭示了听力损失青少年在情绪识别过程中对道德身份信息的异常依赖,更提示了其社会认知加工模式的独特性。听力损失青少年倾向于将外部社会评价整合到情绪感知中。然而,这种过度依赖社会背景信息的加工方式也可能导致他们在复杂社交情境中产生误解或判断偏差。这一发现为理解听力损失群体的社交困难提供了新的视角,提示未来的干预不应仅聚焦于情绪识别技能的训练,更应关注其信息整合方式的优化。

内容概要:本文提出了一种基于离散平稳小波变换(DSWT)域中结合离散余弦变换(DCT)与局部空间频率(LSF)的红外与可见光图像融合方法,并配套提供了完整的Matlab代码实现。该方法首先对源图像进行DSWT多尺度分解,获取低频逼近系数和高频细节子带;在低频子带融合中采用加权平均与最大值选择相结合的策略,以保留较强的能量成分;在高频子带融合中,则依据DCT系数的能量分布与局部空间频率信息设计自适应融合规则,突出显著结构与边缘细节。最终通过逆DSWT重构获得融合图像。该算法有效整合了红外图像的热辐射特征与可见光图像的丰富纹理信息,显著提升了融合结果的视觉质量与信息完整性,在目标可见性、对比度和细节保真方面表现优异。; 适合人群:具备数字图像处理基础知识和Matlab编程能力,从事计算机视觉、遥感成像、安防监控、智能驾驶或模式识别等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于夜间 surveillance、复杂光照条件下的目标检测与识别、军事侦察、自动驾驶环境感知等需融合多模态图像信息的场景;②旨在提高融合图像的空间分辨率、对比度与语义完整性,增强后续高层视觉任务(如检测、识别、跟踪)的可靠性;③为学术研究提供可复现、可拓展的图像融合技术方案与代码参考。; 阅读建议:建议结合Matlab代码逐模块分析算法流程,重点理解DSWT分解与重构机制、DCT变换在频域能量分析中的作用以及局部空间频率在细节增强中的设计逻辑,可通过更换不同场景的测试图像验证算法鲁棒性,并尝试调整融合权重参数以优化特定应用场景下的性能表现。
内容概要:本文详细阐述了基于非线性反步法与Lyapunov函数相结合的模型预测控制(MPC)在自主水下航行器(AUV)轨迹跟踪中的应用,复现了高水平期刊研究成果。研究涵盖AUV的Fossen动力学建模、非线性系统控制律设计、Lyapunov稳定性理论的融合以及MPC优化框架的构建,旨在提升水下航行器在复杂海洋环境下的轨迹跟踪精度与系统鲁棒性。通过反步法逐级构造控制输入,并引入MPC优化未来控制序列,有效处理系统非线性、外部干扰及动态约束问题,实现高精度、强鲁棒的轨迹跟踪控制。; 适合人群:具备自动控制理论、非线性系统分析及MATLAB/MPC仿真基础,从事水下机器人、智能控制、导航制导与控制(GNC)等方向的研究生、科研人员及工程技术人员,特别适用于拟开展高水平科研论文写作与算法复现的研究者。; 使用场景及目标:① 掌握非线性反步法在AUV控制中的系统化实现流程;② 深入理解Lyapunov稳定性理论与MPC协同设计的控制架构;③ 复现并拓展顶刊先进控制算法,提升科研创新能力与仿真实践水平;④ 为高精度水下航行器轨迹跟踪提供理论支持与技术解决方案。; 阅读建议:建议结合提供的MATLAB代码进行同步仿真,深入剖析控制律推导、Lyapunov函数构造及MPC权重矩阵调优过程,重点关注Fossen模型假设条件、系统参数敏感性分析,并在不同轨迹指令与扰动工况下验证算法的鲁棒性与适应性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值