缺上下文就掉线、缺节奏要分心：主观认知下降在不同表达风格下的听觉追踪

英文题目：Keep Calm and Listen: Subjective Cognitive Decline Modulates Cortical Tracking of Speech and Music in Different Expressive Styles

会议身份：conference:speechprosody:2026:conference-paper-id:ma26_speechprosody

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#统计分析 #音乐 #脑信号 #语音 #病理语音评估

评分：5.2/10 | 创新 1.3/2 | 技术严谨 1.0/1.5 | 实验充分 0.9/1.5 | 清晰度 0.7/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.3/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Matthew King-Hang Ma：机构信息未能从会议 PDF 纯文本可靠映射
• Manson Cheuk-Man Fong：机构信息未能从会议 PDF 纯文本可靠映射
• Yun Feng：机构信息未能从会议 PDF 纯文本可靠映射
• Cloris Pui-Hang Li：机构信息未能从会议 PDF 纯文本可靠映射
• William Shiyuan Wang：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

输入是认知正常粤语老年人连续聆听多种语音与音乐风格时的脑电与声学特征，输出是主观认知下降严重度对皮层追踪强度的调节效应，难点在于客观认知正常阶段效应微弱且听力损失与情绪评价混杂难分离。先构建效价匹配的语音音乐刺激并采集连续聆听脑电与自评，其输出进入声学特征提取；再提取包络与包络起始并分低频段滤波，得到分频段神经与刺激时间序列；接着以多变量时间响应函数拟合刺激到脑电的编码映射并以留一刺激交叉验证相关度量追踪强度；最后用线性混合效应模型检验严重度与风格交互并做事后比较。与聚焦记忆执行功能的研究相比，该机制把感觉退化与认知补偿拆分为无语境语音的自下而上失真与无节拍音乐的自上而下注意维持，具有早期标志物意义。原文未提供可核对的关键定量结果。该结论适用边界仅限粤语非音乐家老年人横断聆听场景，尚未验证纵向转归为轻度认知障碍的能力。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

本次未形成可展示的已核验资源记录，开放状态尚未核实。 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

为什么要在主诉阶段看听言语和听音乐？

输入是本研究的现实关切：到本世纪后期 65 岁以上人口将超过 18 岁以下儿童，认知衰退的公共卫生压力必然上升。目标是为刚入门的研究生讲清 1 篇论文如何把主观认知下降与听觉脑追踪联系起来，必须保留的信息是被试状态、刺激域、频段划分与统计结论，输出是一套可核对、可复述的方法链条。本文只讲论文实际做的听言语和听音乐任务，不扩展到记忆测验或痴呆诊断。

主观认知下降的白话意思是自己觉得记忆或思维变差了，但在蒙特利尔认知评估等客观测验上仍在正常范围，对应英文是 Subjective Cognitive Decline，缩写为 SCD。论文引用既有证据说它约使进展为轻度认知障碍和痴呆的风险加倍，也与脑血管损伤有关。已有 SCD 研究多聚焦执行功能和记忆，对言语韵律感知和音乐聆听关注较少，而这两类能力直接关系老年人的社会连接、生活质量与心理健康。

皮层追踪的白话意思是脑电振荡跟着声音的节奏起伏，对应英文是 cortical tracking。言语中音素组成音节再组成词句，音乐中音符组成节拍再组成乐句，大脑被认为用层级振荡对应这种层级结构。德尔塔带约 1 到 4 赫兹跟踪短语、语调与节拍等慢结构，西塔带约 4 到 8 赫兹跟踪音节、音符与包络边沿等快事件。前者偏高阶整合，后者偏由下而上的切分。论文正是利用这种分工来提问：老化与 SCD 到底先影响感觉输入的保真度，还是影响自上而下的结构整合。

表达风格在这里不是文艺修辞，而是有意制造的对照条件。言语设扰乱、描述、对话、兴奋 4 种，音乐设中性、平静、愉悦、活力 4 种，分别在效价、唤醒度与支配度上拉开差距。高唤醒的兴奋言语与活力音乐声学变化快，对听觉系统挑战大；低唤醒的平静音乐往往节奏不鲜明，需要 sustained 注意去维持内在节律；扰乱言语保留声学但打乱语境，迫使听者只能依赖声音细节。研究生初读时容易把风格当成情绪研究，实际它是用来分离感觉负荷与认知负荷的工具。

已有路线如何解释老年人情绪与韵律感知变差？

要理解本研究的站位，需要先看两条已有解释路线。第一条是信息退化假说，白话是耳朵变差连累大脑，感知韵律需要紧盯快速变化的声学细节，年龄相关的感觉退化会打断这种紧盯，于是需要调动更多认知资源补偿。第二条是抑制缺陷假说，白话是管不住无关信息，老年人更难压制任务无关线索，因而在言语中更依赖更显著的语义而忽视韵律。两条路线都得到部分支持：整体认知较低的老人情绪感知更差，遗忘型轻度认知障碍与阿尔茨海默病患者的情绪韵律识别明显受损。

在神经振荡层面，已有工作用多变量时间响应函数解释 EEG，认为追踪不只是伴随现象而具有功能意义。西塔主要反映由包络边沿驱动的切分，德尔塔反映短语分组、相对音高、米特与节拍等慢结构，音乐家训练常增强德尔塔同步。跨域比较发现德尔塔追踪在言语可强于音乐，且头皮位置不同，说明共享听觉机制之上还有域特异的计算网络。

与同输入同目标的工作相比，本文的对照更窄也更具体。同输入指同样听自然言语与音乐并算包络追踪，同目标指判断认知衰退是否改变追踪，同运行阶段指都是聆听时的在线脑电而非离线行为判断。不同的是既有 SCD 文献多用记忆量表与执行任务，音乐与言语韵律的脑追踪证据少；既有老化听觉文献多比较年轻与老年组，缺少在正常老人内部用 SCD 严重度做连续预测。本研究因此不是重复验证感觉退化，而是问在感觉与认知都可能变化的早期阶段，不同风格是否暴露不同的脆弱点。

论文到底要检验哪两个对立预测？

论文把问题写成两个可区分的预测，便于用风格与频段做裁决。如果 SCD 加重主要反映渐进的感觉退化，那么应看到皮层追踪强度随 SCD 严重度在所有表达风格中普遍下降，英文为 cortical tracking strength，缩写为 CTS。特别地，高唤醒的兴奋言语与活力音乐因声学调制快，应下降最陡，且反映底层处理的西塔带应比德尔塔带更显著。这是感觉账户。

如果认知加工保持完好并能补偿感觉退化，那么应看到对提供丰富结构线索的刺激追踪相对保留，例如有上下文的自然言语或有可预测节拍的节奏音乐。这是认知补偿账户。两种预测都承认信息退化假说描述的补偿逻辑，但对补偿是否成功给出相反预期。论文的巧妙处在于不只看总体相关，而是看 SCD 严重度与表达风格的交互，再按言语音乐与德尔塔西塔拆成 4 个模型分别检验。

主观认知下降 × 皮层追踪强度： 主观认知下降负责刻画被试主诉变重但客观测验仍正常的早期状态，本研究用 SCDS 量表 14 到 58 分连续度量严重程度；皮层追踪强度负责把这种状态转化为可计算的听觉指标，即用声学特征预测 EEG 的 Pearson 相关；二者搭配的理由是若只看行为评分无法分离感觉与认知，若只看追踪强度无法定位早期衰退，组合后才能检验追踪是否随主诉加重而按风格特异性下降。

沿一个样本走一遍有助于固定指代：1 位 SCDS 得分为 40 分的老人听一段约 1 分钟的平静音乐，其 EEG 被滤到德尔塔带，用该音乐的声包络与包络起始预测 EEG，留一交叉验证得到预测与实测的相关即 CTS。若感觉账户成立，他的 CTS 在所有风格都应偏低；若认知补偿成立，他在有鲜明节奏的活力音乐上应仍能维持，只在需要内在维持节律的平静音乐上掉下来。论文后文的结论更接近后一种风格特异模式，但言语与音乐的原因并不相同。

从声音到 CTS 的全景链条是什么？

方法全景可以概括为听、录、提特征、拟合、算相关、建模 6 步。被试坐在距屏幕约 70 厘米处，经由两个音箱听 32 段约 1 分钟的言语与音乐，顺序伪随机，每段后用自评人体模型量表评效价、唤醒度、支配度，再用五点量表评喜欢程度。同步用 64 导联 BioSemi ActiveTwo 系统以 2048 赫兹记录 EEG，并记录水平与垂直眼电以监视眼动。这是输入与观测的起点。

随后是特征与信号准备：音频降采样到 128 赫兹，经 24 个从 50 赫兹到 8000 赫兹的伽马通滤波器组，幅度压缩到 0.6 次方以近似响度非线性，平均后再经 0.5 到 25 赫兹滤波得到声包络，取 1 阶差分得到包络起始。EEG 则先目检剔除受身体移动污染的通道，降采样到 512 赫兹并平均重参考，用独立成分分析去眼伪迹后插值坏导，再用 3 阶巴特沃斯带通到 1 到 40 赫兹。拟合前 EEG 再降到 128 赫兹并低通到 25 赫兹以对齐特征采样率。

下图把实验流程、模型训练测试与电极分组放在一处，阅读时先抓主路径再看分组如何进入统计。

看图路径： 1. 先看 A 面板从屏幕注视点、戴电极帽听音箱到约一分钟波形的呈现链条；2. 再看 B 面板训练用刺激特征加 EEG 学核、测试用新特征预测并算相关的分叉；3. 再看 C 面板六色头皮分区与左右颞区对称划分；4. 对照正文确认时滞范围与六个站点的最大值取法

论文图 1。原论文 Figure 1：“Experimental paradigm. A: Schematic illustration of the experimental procedures described in Section 2.2; B: Training and testing of mTRF models and the derivation of cortical…”。

该图 A 显示被试看注视十字并戴帽听音箱，示例波形下标注健康风险预测等中英文本，说明言语材料有真实语义内容；B 显示训练时刺激特征与 EEG 共同估计多变量时间响应函数，测试时只输入新刺激特征产生预测 EEG，再与实测 EEG 算 Pearson 相关即 CTS，并标注时滞范围见正文方法；C 显示 64 导被归为前额、额中央、中央顶、顶枕、左颞、右颞 6 个站点，右侧图例颜色与头皮色块对应。结合正文可知每站点取最大 CTS 为代表值，进入 4 个线性混合模型分别对应言语德尔塔、音乐德尔塔、言语西塔、音乐西塔。初学者应记住 CTS 不是单点电压，而是整段预测与实测的相似度。

频段与特征各自承担什么计算？

先讲频段分工。德尔塔带取 1 到 4 赫兹，负责慢而高阶的结构加工，在言语中对应短语分组与语调，在音乐中对应米特与节拍。西塔带取 4 到 8 赫兹，负责快而底层的切分，在言语中对应音节速率，在音乐中对应音符或节拍边沿。论文对滤到两频段的 EEG 分别拟合模型，相当于让同一套声学特征去解释不同时间尺度的神经跟随。若 SCD 主要损伤感觉保真度，西塔应更敏感；若主要损伤 sustained 注意与预测，德尔塔与西塔在需要内在维持的风格上都应受累。

德尔塔频段 × 西塔频段： 德尔塔频段指 1 到 4 赫兹慢振荡，分工是整合短语、语调、节拍等较慢的高阶结构；西塔频段指 4 到 8 赫兹较快振荡，分工是分割音节、音符与包络边沿等由下而上驱动的声学事件；二者搭配的理由是言语和音乐都具有层级时间结构，组合后才能判断 SCD 影响的是底层切分还是高层整合，本研究因此对两频段分别滤波并各拟合一套编码模型。

再讲特征分工。声包络是经听觉滤波与响度压缩后的慢能量轮廓，包络起始是其 1 阶差分。打个比方，包络像海岸线的潮位曲线，起始像标出浪头拍岸的瞬间；比喻之后必须回到信号：前者提供连续能量供回归，后者突出瞬态边沿供切分。论文对言语与音乐用完全相同的方式提取这两个特征，保证跨域比较不是因为特征算法不同而产生的假差异。

声包络 × 包络起始： 声包络负责表征随时间起伏的整体响度轮廓，分工是提供连续的能量变化供慢振荡跟随；包络起始负责取包络的 1 阶差分，分工是突出声音出现与增强的边沿供快振荡切分；二者搭配的理由是单一包络会漏掉瞬态 onset 信息，组合后作为多变量时间响应函数的两个预测变量，才能同时解释持续跟随与事件锁定的 EEG 成分。

组合的意义在于用两个特征共同解释 EEG，避免只用包络时把边沿响应误判为持续跟随。研究生复述时应说清：输入是两列时间序列，输出是单通道 EEG 时间序列，核函数覆盖负 200 毫秒到 600 毫秒，负时滞允许模型吸收 anticipatory 或滤波伪影，正时滞覆盖听觉延迟。这种线性卷积假设不等于声称大脑是线性的，只是把可解释的线性跟随部分抽出来算相关。

刺激是如何从网上搜集变为可比的八种风格？

刺激构造分 3 步：搜集、独立评分、取质心近邻。言语中扰乱与描述用 Amazon Polly 基于电台天气预报转写文本合成，描述用原文，扰乱用随机打乱版；对话取自本地社区电台节目，兴奋取自广播剧。音乐中中性由随机钢琴音符拼接生成，其余为独奏与合奏的中西器乐。这样的来源保证扰乱言语保留声学结构但去除语境，中性音乐保留音符但缺乏乐句结构。

可比性靠两组独立年轻人评分实现，言语组 24 人平均 22 岁，音乐组 24 人平均 21 岁，分别评每段录音的效价、唤醒度与支配度。每段录音被画到 3 维效价唤醒支配空间，按风格算簇质心，再取欧氏距离最近的 4 段进入 EEG 实验。跨域配对因此形成扰乱对中性、描述对平静、对话对愉悦、兴奋对活力。平均评分显示扰乱言语效价 2.00 唤醒 1.69 支配 2.41，兴奋言语效价 3.60 唤醒 3.84 支配 3.38；中性音乐效价 1.66 唤醒 2.20 支配 2.23，活力音乐效价 3.55 唤醒 3.83 支配 3.67，说明高低唤醒确实拉开。教学例子：若把风格只看成情绪标签，会误以为论文在做情绪分类，实际它是用 3 维距离把声学与结构差异锚定到可复现的选择规则。

本研究训练了什么、又没有训练什么？

本研究没有训练神经网络分类器，也没有更新任何深度权重，必须明确说明这一点以免误解。这里的训练指为每段留出刺激估计多变量时间响应函数，所用算法是 Eelbrain 工具箱中的 Boosting 算法，正文称其比传统岭回归估计更准确。训练时输入是 k 减 1 段刺激的声包络、包络起始与对应 EEG，输出是时滞核；测试时把学到的核用于留出的那段刺激，只输入其声学特征即产生预测 EEG，再与实测 EEG 算 Pearson 相关并在 k 折上平均得到 CTS。4 个模型按域与频段分别拟合，不存在跨域混训。

多变量时间响应函数 × 留一交叉验证： 多变量时间响应函数负责把声学特征经负 200 毫秒到 600 毫秒时滞的线性卷积核映射到单通道 EEG，分工是学习大脑延迟响应的权重；留一交叉验证负责在 k 个刺激中轮流留出一个刺激做测试，分工是保证追踪强度是在未见刺激上的泛化相关而非拟合残差；二者搭配的理由是只有经过严格留出测试的预测相关才能称为皮层追踪强度，避免在同一段音频上训练又测试造成虚高。

真实计算过程不涉及梯度反传到大脑或冻结层，而是稀疏 Boosting 逐步添加时滞基函数以最小化预测误差。原文未报告学习率、迭代停止阈值或正则细节，只给出时滞范围负 200 毫秒到 600 毫秒、采样率 128 赫兹与低通 25 赫兹，这些缺项在复现时需要按 Eelbrain 默认或另行记录，不能从模型名称推定实现。监督来源是实测 EEG 本身，属于编码模型而非解码分类；重置时机是每折重新估计，不跨被试共享核。理解这一点才能明白 CTS 为何能反映个体差异：每个被试、每种风格、每个频段都有自己的预测精度。

被试、划分、指标与统计条件如何保持一致？

被试条件按原文交代：招募 62 名母语粤语者，30 名女性，年龄 60 到 70 岁平均 65.2 岁，无已知神经疾病，按受教育年数校正的港版蒙特利尔认知评估判定为认知正常，无超过 5 年乐器经验视为非音乐家。用 14 项主观认知下降量表评估严重度，满分 60 分，分数范围 14 到 58 分。纯音测听评估听阈，取 500、1000、2000 与 4000 赫兹平均为 PTA 协变量。6 名行为评分变异过大者按效价唤醒支配标准差绝对 Z 大于等于 1.96 剔除，剩余 56 人其中 26 名女性进入分析。年龄、性别、受教育年数、MoCA、PTA、试次级效价唤醒支配与喜欢程度均进入线性混合模型，另加被试随机截距。

表达风格 × 效价-唤醒度-支配度： 表达风格负责提供言语扰乱、描述、对话、兴奋与音乐中性、平静、愉悦、活力的 8 类听材料，分工是系统改变上下文丰富度与节奏鲜明度；效价-唤醒度-支配度负责用 3 维评分把每段录音定位到情绪空间并取距质心最近的 4 段，分工是让跨域配对可比；二者搭配的理由是若无 3 维标定则风格只是主观标签，组合后才能检验 SCD 效应是否随唤醒度或结构可预测性变化。

比较问题是不同风格的 CTS 随 SCDS 变化的斜率是否不同，公平条件是同一被试听完所有风格、同一特征提取、同一时滞范围与同一交叉验证流程，指标方向是 Pearson 相关越大表示追踪越强。下表先给出刺激评分的原文矩阵，阅读时注意域与风格的对应而非只看数值高低。

该表共九行含表头，列为域、风格、效价、唤醒度、支配度，数值保留原文 2 位小数。可见言语从扰乱到兴奋效价与唤醒度单调上升，音乐从中性到活力同样上升，而描述与平静处于中间低唤醒区。这种排列支持后文把平静音乐解释为缺乏鲜明节奏、扰乱言语解释为缺乏语境：它们的共同点不是效价低，而是结构线索少。复现时必须用同一批选出的 32 段录音，不能自行替换为其他情绪库，否则唤醒度与结构可预测性会同时改变。

被试与刺激数量的核对需要回到原文连续句，下表把关键规模与筛选规则并列，便于检查聚合对象是否一致。

该表每格数字都能在上段引用的原文连续句中找到对应，单位保留原文写法如赫兹与毫秒。它的作用不是替代结果表，而是证明数据划分、采样与聚合口径：56 是剔除后的分析样本，32 是听完的总数，时滞是核估计范围，相关是跨折平均。未报告的是 EEG 硬件预算与单被试运行时长，论文未测量推理延迟或临床误判率，因此不能声称该流程已可部署为筛查工具。

哪两种风格在哪个频段随主诉加重而下降？

主结果按 4 个模型组织，先看方差分析再看事后斜率。三方交互均不显著，但 4 个模型都出现 SCDS 与表达风格的显著交互，说明 SCD 效应不是整体下移而是风格特异。协变量中 PTA 在部分模型呈负向，效价唤醒支配与喜欢程度也有保留项，但焦点仍是交互的分解。

德尔塔带的事后显示平静音乐斜率显著为负，随 SCD 加重而下降，该负斜率陡于中性与愉悦音乐；言语中描述比对话趋势更负，但未报告描述自身斜率显著。西塔带同时出现平静音乐与扰乱言语的显著负趋势，平静音乐陡于中性与愉悦，扰乱言语陡于描述、对话与兴奋。换句话说，只有当刺激缺乏鲜明节奏或缺乏语境时，更重的主诉才对应更弱的追踪，这与感觉退化预测的全面下降相反。

下图把 4 个交互画成 SCDS 为横轴、CTS 为纵轴的斜率对比，阅读时先看线的高低再看线的走向。

看图路径： 1. 先横看四个面板横轴都是 SCDS 分数、纵轴都是 CTS 相关值；2. 再纵看 B 与 D 中蓝色平静音乐线从高位明显下行而红线近乎水平；3. 再看 C 中红色扰乱言语线下行而其余三线近乎水平；4. 注意阴影为估计边缘均值的 95% 置信带而非原始散点

论文图 2。原论文 Figure 2：“Interaction plots of the SCDS × Expressive Style interaction on delta and theta CTS.”。

该图 A 为言语德尔塔四线接近水平，B 为音乐德尔塔中蓝色平静线从约 0.14 降到约 0.11 而红线持平，C 为言语西塔中红色扰乱线从约 0.11 降到约 0.086 而其余线持平，D 为音乐西塔中蓝色平静线从约 0.13 降到约 0.09 而红线持平。阴影为估计边缘均值的 95% 置信带，重叠较多提示个体差异大，但事后检验仍报告上述 pairwise 差异显著。像素不能精确读出每分斜率，复述时应引用正文的 t、自由度与 p 值而非目测估计。未胜出的项同样重要：兴奋言语与活力音乐的高唤醒并未带来最陡下降，直接反驳了最初的感觉负荷预测。

关键数字的核对需要回到原文连续句，下表把频段、风格与显著性并列，表中 p 值均有原文句子支撑。

该表显示报告支持的判断是风格特异的负关联，而非全域退化；限制是 p 值多在.01 到.05 之间，自由度因站点聚合而较大，效应需待更大样本验证。不同指标的差值不能混入模型列，自动相关不能当成人评，百分点与相对百分比在此不适用。论文明确说结果不支持高唤醒刺激最脆弱的预期，这是必须保留的反证。

哪些对照说明下降不是全脑或全风格的假象？

论文虽未做传统消融，但提供了 3 类等价的失败条件与边界。第一类是风格边界：同一频段同一域内，只有一种风格显著下降，其余风格斜率近零且 pairwise 显著不同。若是全脑信号质量随 SCD 变差，应看到所有线同向下滑，实际看到的是交叉而非平行。第二类是频段边界：言语只在西塔出现扰乱效应，德尔塔未见扰乱自身斜率显著；音乐则在德尔塔与西塔都出现平静效应。这种域乘频段的不对称说明不是单一滤波器伪影。

第 3 类是协变量控制：模型纳入年龄、性别、教育、MoCA、PTA 与试次级情绪评分后交互仍显著，且站点主效应与站点乘风格交互也被建模，6 个头皮站点的最大值代表已考虑地形差异。若去掉 PTA 或情绪评分，斜率是否仍成立原文未报告，因此不能声称效应完全独立于听力或偏好，只能说在当前控制下依然可见。未评测的边界包括年轻对照组、纵向转归为轻度认知障碍者、以及有音乐训练者，论文在讨论中明确呼吁未来加入年轻人以分离正常老化与 SCD 特异衰退。

对初学者常见的误解要澄清：扰乱言语下降不等于听不懂语义，而是线性模型用声学解释 EEG 的能力变弱；平静音乐下降不等于不喜欢平静音乐，而是需要自上而下维持内在节律时跟随变弱。活力音乐靠强节奏诱发更稳健的刺激驱动响应，可能掩盖了 SCD 的微妙注意缺损，这也解释了为何最难的声学条件反而没有最差的追踪。

证据的边界与未验证的推测在哪里？

区分 3 层表述有助于避免夸大。直接报告的是：在 56 名正常老人中，CTS 随 SCDS 加重的负斜率仅见于扰乱言语西塔与平静音乐德尔塔和西塔，p 值分别为.049、.034 与.034，描述对比对话在德尔塔差异 p 为.011。有限解释的是：扰乱结果支持感觉表征保真度下降，因为去除语境后只能依赖声学；平静结果支持维持注意以追踪内在节律的能力受损，因为缺乏鲜明节奏时需更多预测机制。未验证推测的是：感觉与认知双衰退的因果链、向轻度认知障碍的预测力、以及干预能否改善追踪，原文均未测量转归、延迟或成本，相关不等于因果。

缺失证据不是技术错误，但必须点名：无年轻组无法分离老化，无纵向随访无法判断 SCD 是否进展，无音乐家组无法检验训练保护，刺激来源混杂合成与实录可能引入音质差异，6 人因评分变异剔除可能影响推广。统计上依赖线性混合模型的边缘均值与多重比较校正，置信带较宽提示个体变异大。训练资源、推理开销与输出帧率在此不适用，因为没有部署模型；实际延迟是离线分析而非实时解码。总体趋势不等于每位老人都如此，更不等于每段 1 分钟内的每秒都如此。

资源状态也需如实说明：本次收到的证据未绑定完成 HTTPS 验证的开源资源，不得声称代码、模型或数据已公开。方法中提到的 MNE-Python 与 Eelbrain 是公开工具箱，但本研究的自定义脚本、32 段精选录音与 56 人 EEG 是否公开在原文证据中没有可用声明，复现时应按未公开处理并自行重建流程。

要复现这条链条先做什么、再做什么？

复现的第一步是重建可比刺激：按原文搜集 4 类言语与 4 类音乐，招募独立年轻人评效价唤醒支配，在 3 维空间算质心并取最近 4 段，保留平均评分表以备核对。切忌直接用现成情绪库替代，因为扰乱言语的随机打乱规则与中性音乐的随机钢琴拼接是关键的结构剥夺操作。第二步是按原文记录与预处理：64 导 2048 赫兹，眼电监视，目检剔除坏导后降采样到 512 赫兹平均重参考，独立成分去眼伪迹后插值，3 阶巴特沃斯 1 到 40 赫兹，再为拟合降到 128 赫兹低通 25 赫兹。

第 3 步是特征与建模：音频降到 128 赫兹，经 24 个 50 到 8000 赫兹伽马通滤波，0.6 次方压缩，平均后 0.5 到 25 赫兹得包络，1 阶差分得起始；EEG 滤到德尔塔 1 到 4 赫兹与西塔 4 到 8 赫兹，分别与两特征在负 200 毫秒到 600 毫秒上用 Boosting 估计核，留一刺激交叉验证算 Pearson 平均得 CTS，每站点取最大。第四步是统计：对 4 个 CTS 分别拟合含 SCDS 乘站点乘风格与年龄性别教育 MoCA、PTA、效价唤醒支配喜欢程度及被试随机截距的线性混合模型，后向消除后用三型方差分析聚焦 SCDS 乘风格，再做边缘均值事后比较。

还需补的验证至少包括：加入年轻对照以检验交互是否 SCD 特异，报告去掉 PTA 或情绪协变量后的敏感性分析，公开刺激清单与分析脚本以便检查质心选择与坏导插值的影响。若要尝试推广，何时值得尝试是当研究对象为正常老人且关注早期感觉认知分离时；若对象已有客观障碍或使用 tonal 语言之外的语种，需重新标定风格与频段假设。

一句话收束：何时该信、何时该疑？

该信的是风格特异性本身：在控制听力与情绪评分后，需要依赖声学细节的扰乱言语与需要维持内在节律的平静音乐确实随主诉加重而追踪变弱，而有语境或强节奏的刺激保持相对完好。该疑的是把相关直接读成诊断力或因果机制，因为没有纵向转归、没有年轻基线、p 值处于边缘显著且置信带宽。教学上应记住两句：西塔掉在扰乱处指向感觉保真度，德尔塔与西塔同掉在平静处指向注意维持；两者合在一起才支持感觉与认知双通道在不同域以不同方式受累。

回到开场的问题：为什么不是把声音丢给模型就结束？因为同样的声学特征在不同风格与频段产生相反的 SCD 斜率，只有沿输入到表示到组件到目标再到输出走完一遍，并用留出测试与混合模型守住公平条件，才能把早期主诉的微妙差异从个体噪声中分离出来。这篇论文的价值不在于给出筛查阈值，而在于提供一套可核对的对照逻辑：剥夺语境看感觉，剥夺节奏看注意，再用频段标定时间尺度。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

区域 1 · 查看论文原页

区域 2 · 查看论文原页

另有 6 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 speechprosody-2026 论文汇总