梁 飛 江 瑤 肖婷煒 董 潔 王福順

基本情緒的神經(jīng)基礎(chǔ)：來自fMRI與機器視覺技術(shù)研究的證據(jù)*

梁 飛 江 瑤 肖婷煒 董 潔 王福順

(四川師范大學腦與心理科學研究院, 成都 610066)

基本情緒理論(basic emotion theory)是情緒科學領(lǐng)域最具代表性的理論, 該理論認為人類情緒是由有限的幾種基本情緒組成的, 如恐懼、憤怒、喜悅、悲傷等?；厩榫w是為了完成基本生命任務(fundamental life task)進化而來的, 每一種基本情緒都有獨特的神經(jīng)結(jié)構(gòu)和生理基礎(chǔ)。盡管基本情緒理論被廣泛接受, 但是對于基本情緒的種類卻莫衷一是。近幾十年來, 許多fMRI研究試圖確定各種基本情緒的獨特神經(jīng)結(jié)構(gòu)基礎(chǔ), 而且取得了許多重要發(fā)現(xiàn), 比如厭惡和腦島有關(guān), 悲傷和前扣帶回有關(guān), 杏仁核是與恐懼有關(guān)的重要邊緣結(jié)構(gòu)等。但是, 最近有人進行了元分析研究, 發(fā)現(xiàn)許多基本情緒存在混淆的大腦區(qū)域, 因此對基本情緒的特定腦區(qū)理論提出質(zhì)疑, 甚至否定基本情緒理論。通過對基本情緒及其神經(jīng)基礎(chǔ)的探討, 以及對基本情緒理論的最新功能性磁共振成像研究進行梳理分析, 提出有關(guān)基本情緒理論的爭論來源于基本情緒種類的確定, 因為許多所謂的不同基本情緒實際上是同一種基本情緒, 提出人類可能只有3種基本情緒。未來研究可以利用機器視覺技術(shù)進一步推動基本情緒腦影像研究。

基本情緒, 情緒維度, fMRI, 機器視覺, 腦影像

1 引言

情緒是人類生命活動的基本組成部分(LeDoux et al., 2016), 在人類生活和精神疾病中起著至關(guān)重要的作用。許多精神疾病涉及情緒功能障礙, 深入了解情緒的本質(zhì)和機制對情緒研究和情感疾病治療都至關(guān)重要(Dolensek & Gogolla, 2021)?；厩榫w理論(basic emotion theory)是情緒研究最經(jīng)典的成果之一(Ekman, 1992, 1999; Ekman & Davidson, 1994; Scarantino & Griffiths, 2011; Hutto et al., 2018), 它具有很大的影響力, 推動了面部表情檢測、神經(jīng)影像研究和進化心理學等許多實證研究(Hutto et al., 2018)。基本情緒理論認為, 人類具有在生理和心理上有限的幾種“基本的”情緒, 例如恐懼, 憤怒, 喜悅, 悲傷等(Wilson- Mendenhall et al., 2013; Gu et al., 2019b), 每一種基本情緒都有其獨特的神經(jīng)結(jié)構(gòu)基礎(chǔ)和生理功能表現(xiàn)。盡管基本情緒理論被廣泛接受, 但是人類具體有幾種基本情緒卻莫衷一是。甚至, 最近元分析研究發(fā)現(xiàn)某些基本情緒存在共用的大腦區(qū)域, 因此對基本情緒的特定腦區(qū)理論提出質(zhì)疑, 甚至否定基本情緒理論, 從而重提情緒維度理論, 兩個理論的爭論持續(xù)了近百年(Lindquist et al., 2012)。

腦影像技術(shù)研究試圖確定各個基本情緒的獨特神經(jīng)結(jié)構(gòu), 為基本情緒理論提供支持。情緒通常被理解為大腦皮層和皮層下區(qū)域的限定區(qū)域的活動(Pessoa, 2017)。研究情緒的神經(jīng)元機制的主要障礙之一是難以將可觀察的行為與正在進行的神經(jīng)活動聯(lián)系起來(Dolensek & Gogolla, 2021)。而功能性磁共振成像技術(shù)(functional magnetic resonance imaging, fMRI)可探測到深部腦區(qū)的活動, 因此常被用以探索基本情緒的大腦基礎(chǔ)和中樞神經(jīng)活動。腦影像研究為基本情緒理論提供了重要的實驗證據(jù), 比如Vytal和Hamann (2010)的激活似然估計(activation likelihood estimation, ALE)元分析結(jié)果支持了基本情緒理論：每一種被檢測的情緒(恐懼、憤怒、厭惡、悲傷和快樂)都具有一致的神經(jīng)相關(guān)性, 它們與局部大腦激活存在可靠的相關(guān)性。但是, Barrett及其同事卻認為, 在誘發(fā)憤怒、悲傷、恐懼、厭惡和快樂情緒時, 邊緣區(qū)和非邊緣區(qū)的激活度都存在一致增加, 但不具有特異性(Touroutoglou et al., 2015)。他們認為, 大腦的神經(jīng)結(jié)構(gòu)中并不存在每種情緒的特定腦網(wǎng)絡。基本情緒與特定腦區(qū)、神經(jīng)結(jié)構(gòu)是否存在一一對應的聯(lián)系, 成為基本情緒理論是否成立的關(guān)鍵。

我們認為出現(xiàn)這些腦影像學不一致的現(xiàn)象可能是因為有些情緒不是基本情緒。盡管基本情緒理論目前被廣泛接受, 但是具體的基本情緒種類還不確定?；诖? 本文以基本情緒理論及其爭論為線索, 提出這些爭論來源于基本情緒的種類確定, 因為某些所謂的不同基本情緒實際上是同一種基本情緒。具體來說, 本文將(1)以基本情緒理論為核心對情緒理論進行梳理討論; 提出以基本情緒理論為基礎(chǔ)對情緒理論進行整合的方案, 以推動情緒理論之爭的解決; (2)對當前基本情緒的fMRI實證研究進行梳理, 探討基本情緒的神經(jīng)基礎(chǔ); (3)對未來基本情緒的腦影像研究進行展望, 提出將機器視覺技術(shù)應用于基本情緒的腦影像研究, 構(gòu)建人類面部表情和fMRI成像的基本情緒原型。由此, 以期能夠為基本情緒理論的實證研究提供新的思路和驗證。

2 最具代表性的情緒理論：基本情緒理論和情緒維度理論

情緒科學領(lǐng)域存在一個長期的爭論：情緒是按照不同的類別組織起來的(如分為恐懼、悲傷、快樂和驚訝等類別), 還是按效價、喚醒等情緒維度進行連續(xù)排列的(Barrett et al., 2018), 即情緒維度理論與基本情緒理論, 這是最具代表性的兩種情緒理論。在此, 我們將重點對兩種經(jīng)典情緒理論進行討論, 同時對其他情緒理論進行梳理。

2.1 基本情緒理論

基本情緒理論(basic emotion theory, BET)認為, 某些情緒是生物進化過程中最基本的、具有跨文化一致性的情感過程(Ekman, 1972; Griffiths, 1997; DeLancey, 2002, Hutto et al., 2018)?；厩榫w理論是最盛行的理論之一, 該理論認為人類情緒是由有限的幾種基本情緒組成的, 如恐懼、憤怒、喜悅、悲傷等, 它們之所以“基本”, 是因為它們能夠完成獨特的生理功能, 并且各自有著獨特的生理表現(xiàn)和神經(jīng)結(jié)構(gòu)(Saarim?ki et al., 2016; Celeghin et al., 2017; Williams, 2017; Hutto et al., 2018; Song & Hakoda, 2018; Vetter et al., 2018; Wang et al., 2018; Gu et al., 2019a; 梁飛等, 2021)?；厩榫w理論提出, 情緒的神經(jīng)結(jié)構(gòu)基礎(chǔ)是不同的, 每種情緒都有其獨特的神經(jīng)回路(Gu et al., 2019a)。

基本情緒理論研究最早起源于達爾文的研究,盛行于Ekman和Friesen在新幾內(nèi)亞的研究(Ekman et al., 1969; Keltner, Sauter et al., 2019)。Ekman等通過使用典型情緒面部表情的靜態(tài)照片,提出了6種基本情緒, 包括高興(happiness)、悲傷(sadness)、憤怒(anger)、厭惡(disgust)、恐懼(fear)、驚訝(surprise)等6種(王福順等, 2018; Keltner, Tracy et al., 2019)。隨后許多心理學家從不同的角度對基本情緒做了大量研究, 并得到了一致的結(jié)論。許多學者提出了不同種類的基本情緒, 詳見表1 (Ortony & Turner, 1990; Clore & Ortony, 2013; Gu et al., 2019a)。對表中15種基本情緒分類進行統(tǒng)計, 有12種包含憤怒, 為最多的一種情緒, 接著依次為快樂11種、恐懼10種、厭惡8種、悲傷8種(e.g., Ekman et al., 1969; Levenson, 2003; Kapucu et al., 2021)。最多的要數(shù)Cowen和Keltner (2020)提出的25種基本情緒, 他們從情緒的計算理論(Computational Approach to Emotion)提出了情緒的語義空間理論(Semantic Space Theory), 使用廣泛的自然刺激和開放式統(tǒng)計技術(shù)來捕捉與情緒相關(guān)行為的系統(tǒng)變化, 結(jié)果表明人類至少有25種不同的基本情緒。比較少的是Jack等人(2014)提出的4種基本情緒, 他們在對動態(tài)面部表情的研究中, 通過結(jié)合知覺期望模型、信息論和貝葉斯分類器發(fā)現(xiàn), 在信號動力學的早期, 面部表情系統(tǒng)地傳遞很少的、有生物學基礎(chǔ)的面部信號, 支持更少的基本類別的分類(例如, 趨近/回避)。進一步的多學科跨文化研究中, Jack等人(2016)的數(shù)據(jù)揭示了4種潛在的、文化上常見的面部表情模式(喜、怒、哀、懼)。除此之外, 我們實驗室在國際上提出了新的基本情緒理論——情緒三原色學說。該理論認為, 人類有3種基本情緒：喜悅、恐懼、悲傷, 這3種基本情緒分別具有不同的單胺類神經(jīng)遞質(zhì)基礎(chǔ)：去甲腎上腺素(norepinephrine, NE)與應對壓力事件的“戰(zhàn)斗或逃跑”反應有關(guān), 多巴胺(dopamine, DA)參與獎賞機制, 五羥色胺(serotonin, 5-HT)與懲罰有關(guān)如圖1 (Gu et al., 2019b)。情緒三原色學說原創(chuàng)性地從單胺類神經(jīng)遞質(zhì)的角度來區(qū)分基本情緒, 探討了更少的基本情緒存在的可能性。

表1 基本情緒的分類

圖1 基本情緒的三原色模型。在本模型中, 作者提出了人類只有3種基本情緒：恐懼(憤怒)、快樂、悲傷; 這3種基本情緒也可以稱為核心情緒, 它們會通過釋放3種單胺類神經(jīng)遞質(zhì)：去甲腎上腺素?恐懼(憤怒)、多巴胺?獎勵和五羥色胺?懲罰而起作用(Gu et al., 2018)。

2.2 情緒維度理論

基本情緒理論認為每種基本情緒都具有其獨特的神經(jīng)生理特點; 但是最近元分析研究對基本情緒的特定腦區(qū)理論提出質(zhì)疑, 甚至否定基本情緒理論, 從而重提情緒維度理論(Lindquist et al., 2012)。情緒維度理論認為, 情緒維度是所有情緒體驗的核心, 分為效價(valence)和喚醒度(arousal) (Cowen & Keltner, 2017), 它們構(gòu)成了一個象限的兩個獨立的維度。情緒維度理論最早由馮特(Wundt)提出, 他當時提出了情緒的三維度學說, 后來的許多實驗證明只要兩個維度就可以代表情緒的特點：效價和喚醒度(Gu et al., 2019a)。喚醒與效價評分之間不相關(guān)的證據(jù)證實了情緒維度模型, 即情緒有兩個不同的維度; 根據(jù)維度模型, 情緒被定義為兩個主要維度, 喚醒度即從平靜到興奮, 效價從悲傷到喜悅(Russell, 1980; Kapucu et al., 2021)。但是情緒維度理論也有不足之處, 因為效價維度很難有程度上的區(qū)別; 換言之, 效價維度上沒有辦法表達喜悅的程度。喜悅和更喜悅應該是在效價維度上的區(qū)別, 還是在喚醒度上的區(qū)別, 這一問題是模糊的。因此, Russel提出了情緒環(huán)學說, 認為所有的情緒都可以落在一個圓環(huán)上(Gu et al., 2019a)。

Gu等人(2019a)認為, 基本情緒和維度研究并不是對立的, 相反, 它們可以使彼此更加清晰地解釋情緒; 他們回顧了腦成像和神經(jīng)心理學的數(shù)據(jù), 并嘗試用整合模型來解決基本情緒與維度理論之爭(圖2)。Gu等人提出了4種基本情緒：快樂?處于快樂維度的正軸上, 悲傷?處于快樂維度的負軸上, 恐懼和憤怒是“雙胞胎”情緒, 它們位于垂直維度的頂端(Gu et al., 2019a)。這種新的整合模型有望成為基本情緒理論與維度理論爭論的出路, 改進和重新構(gòu)建基本情緒的神經(jīng)生物學模型。

圖2 基本情緒理論與建構(gòu)取向(維度理論)的整合模型(integrative model)。整合理論認為基本情緒理論和維度理論不矛盾, 基本情緒之所以基本, 是因為它們落在了坐標軸上。因此, 它們代表了情緒的某一個特點：喜悅落在了橫坐標的右側(cè), 代表了正性效價, 悲傷落在了橫軸的左側(cè), 代表了負性效價, 恐懼(憤怒)代表了最強烈的喚醒度(Zheng et al., 2016; Gu et al., 2019a)。

綜合上述, 盡管基本情緒理論受到了來自情緒維度理論及其他情緒理論的質(zhì)疑, 但是基本情緒理論的觀點得到了許多研究的支持, 許多研究報告了基本情緒的神經(jīng)相關(guān)。如Saarim?ki等人(2016)采用多元模式分析法(multivariate pattern analysis)對厭惡、恐懼、快樂、悲傷、憤怒和驚訝6種基本情緒的腦活動模式進行分類, 驗證了情緒的分類模型, 即人類基本情緒在神經(jīng)和生理上是不同的。我們將在下文對最新的基本情緒腦影像研究進行探討。

3 基本情緒的腦影像研究——腦激活與情緒的相關(guān)

基本情緒理論提出, 每種情緒都有其獨特的神經(jīng)回路。因此, 研究神經(jīng)基礎(chǔ)可能是區(qū)分基本情緒和探討基本情緒數(shù)量的最佳途徑。腦影像研究為基本情緒理論提供了重要的實驗證據(jù), 比如, 腦影像研究發(fā)現(xiàn), 大腦中有一些特定的核團負責特定的基本情緒, 而其他區(qū)域通常參與情緒的感知、評估或調(diào)節(jié)(Phan et al., 2002; Lindquist et al., 2012, 2013; Gu et al, 2019a)。比如, Ekman所推崇的6種基本情緒都有其特定的神經(jīng)結(jié)構(gòu)。

3.1 快樂(Happy)

快樂情緒比中性情緒誘發(fā)出更大的視覺皮層活動(Britton et al., 2006)。Vytal和Hamann (2010)對功能磁共振的大量基本情緒研究進行元分析發(fā)現(xiàn), 與中性刺激相比, 快樂情緒激活吻側(cè)前扣帶回(crostral ACC)和右顳上回(the right superior temporal gyrus, STG); 而Suardi等(2016)的研究報告喜悅情緒激活了更廣泛的區(qū)域, 包括前扣帶皮層(anterior cingulate cortex), 前額葉皮層(prefrontal cortex)和腦島(insula)?？鞓芬魳纺芗せ铍p側(cè)聽覺皮層、左側(cè)海馬旁回和輔助運動區(qū)(Bogert et al., 2016)。當母親看到自己孩子快樂的面部表情時, 海馬被激活(Kluczniok et al., 2017)。以快樂圖片作為刺激材料的fMRI研究表明, 快樂比悲傷在楔前葉和后扣帶皮層表現(xiàn)出更強的激活(An et al., 2018)。腹側(cè)被蓋區(qū)(ventral tegmental area, VTA)是中腦邊緣多巴胺能系統(tǒng)的起源, 該系統(tǒng)向藍斑、前額葉皮層和前扣帶皮層投射和釋放多巴胺, 負責積極情緒的認知效應(Gu et al., 2019a)。這表明, 快樂情緒激活了較為廣泛的大腦區(qū)域, 可能與前扣帶皮層、前額葉皮層、腦島、海馬等存在關(guān)聯(lián)。不同刺激類型誘發(fā)的快樂情緒可能存在一致的神經(jīng)基礎(chǔ)。

3.2 恐懼(Fear)

杏仁核是一個與恐懼至關(guān)重要的邊緣結(jié)構(gòu)(Anthony et al., 2014; Isosaka et al., 2015; Reynaud et al., 2015; Han et al., 2017; Gu et al., 2019a)?？謶执碳け戎行源碳わ@示出更大的海馬、前扣帶回、視覺皮層激活(Britton et al., 2006)。當呈現(xiàn)恐懼面孔時, 雙側(cè)的視覺皮質(zhì)(visual cortex)和頂上小葉(superior parietal lobule)活動顯著, 在海馬回(parahippocampal gyri)、杏仁核(amygdala)和全海馬(hippocampi)的邊緣結(jié)構(gòu)中檢測到較大的激活簇(Rahko et al., 2010)。Thomas等人(2019)對新生兒的研究表明, 杏仁核?腦島的連接與恐懼有關(guān)。Phan等人(2002)發(fā)表在Neuroimage的元分析文章也總結(jié)到, 恐懼特別能使杏仁核得到激活。即使是新生兒, 就已經(jīng)顯示出了恐懼情緒與杏仁核的相關(guān)。如新生兒杏仁核功能連接性的獨特特征與恐懼、認知發(fā)展的出現(xiàn)有關(guān)(Graham et al., 2016)。眾多的研究表明, 恐懼情緒可能離不開杏仁核的作用。雖然不同研究報告的結(jié)果有所差異, 但比較一致的實驗證據(jù)支持恐懼情緒與杏仁核有關(guān)。

3.3 憤怒(Anger)

眶額皮質(zhì)(orbitofrontal cortex, OFC)和杏仁核之間的相互作用與憤怒的調(diào)節(jié)有關(guān)(Coccaro et al., 2007; Fulwiler et al., 2012; Gu et al., 2019a)。憤怒面孔比中性面孔顯示出更大的杏仁核、海馬、腹內(nèi)側(cè)前額皮質(zhì)(ventromedial prefrontal cortex, vmPFC)激活(Britton et al., 2006)。憤怒控制, 即試圖控制憤怒表情的傾向, 與杏仁核?眶額皮質(zhì)的連接呈正相關(guān)(Fulwiler et al., 2012)。右側(cè)杏仁核的灰質(zhì)體積與特征性憤怒相關(guān), 這與杏仁核作為處理憤怒的核心區(qū)域的作用非常吻合(Wang, Kong et al., 2017)。攻擊性與杏仁核對憤怒面孔的反應增強有關(guān)(Buades-Rotger & Kr?mer, 2018)。Dzafic等人(2019)近期研究發(fā)現(xiàn), 右杏仁核與邊緣區(qū)域的功能連接及快速發(fā)現(xiàn)、線索一致的憤怒有關(guān)。Tonnaer等人(2017)發(fā)現(xiàn)在暴力犯罪者憤怒期間, 腹側(cè)前額葉(ventrolateral prefrontal)激活增加。Xiao等(2019)最近的研究表明, 背內(nèi)側(cè)前額皮質(zhì)(dorsomedial prefrontal cortex, dmPFC)和vmPFC可能是替代性攻擊的神經(jīng)功能標志物。大量的證據(jù)支持了眶額皮質(zhì)、杏仁核與憤怒情緒可能存在相關(guān)關(guān)系, 而眶額皮質(zhì)和杏仁核之間的相互作用與憤怒的調(diào)節(jié)有關(guān)。

3.4 悲傷(Sad)

悲傷與胼胝體扣帶回的活動有關(guān)(Phan et al., 2002), 回憶悲傷與前腦島的激活增加有關(guān)(Lane et al., 1997)。悲傷面孔比中性面孔能誘發(fā)更強的vmPFC、視覺皮層激活, 在呈現(xiàn)悲傷(悲傷在閾下水平)的面部表情時, 前扣帶回明顯被激活(Britton et al., 2006)。Kluczniok等(2017)的研究也發(fā)現(xiàn), 當母親們看到自己孩子悲傷的面孔時, 她們的杏仁核和前扣帶皮層表現(xiàn)出活躍。Ramirez-Mahaluf等人(2018)悲傷誘發(fā)任務的fMRI結(jié)果確定了兩個主要的腦網(wǎng)絡模塊：背側(cè)和腹側(cè), 以及它們的中樞區(qū)域：左背外側(cè)前額葉皮層(the left dorsolateral prefrontal cortex, dlPFC)和左前額葉內(nèi)側(cè)極(left medial frontal pole, mFP)。這些中樞區(qū)域并沒有在悲傷后調(diào)節(jié)它們的相互功能連接, 但是它們通過一個中間區(qū)域來調(diào)節(jié), 即亞屬前扣帶回皮層(the subgenual anterior cingulate cortex, sACC)。

以聲音作為刺激材料誘發(fā)悲傷時也有類似的發(fā)現(xiàn)。如Bogert等(2016)用fMRI來記錄音樂誘發(fā)情緒的神經(jīng)加工, 結(jié)果表明悲傷與左側(cè)前扣帶回、額中回的激活和眶額皮質(zhì)的下調(diào)有關(guān)。

前扣帶回皮層的某些部分之間的聯(lián)系導致了負面情緒的持續(xù)存在, 并且前扣帶回皮層是在日常生活中維持悲傷情緒非常重要的大腦機制(Schwartz et al., 2019), 悲傷情緒與前扣帶回激活關(guān)系密切。

3.5 厭惡(Disgust)

厭惡是一種自然的防御情緒, 是為了保護自己免受潛在污染源的傷害(Oaten et al., 2018)。腦島與厭惡有關(guān), fMRI數(shù)據(jù)進一步表明后腦島(posterior insula, PI)和前腦島(anterior insula, AI)之間存在明顯的功能性分離, 其中PI比AI更多地參與初級道德厭惡水平, 而AI比PI更多地參與二級道德厭惡水平(Ying et al., 2018)。早在2004年, Wright的研究結(jié)果便支持腦島對選擇性厭惡的加工(Wright et al., 2004)。雖然腦島的激活并非厭惡的唯一原因, 但前腦島和基底神經(jīng)節(jié)(在較小程度上)與毒性和疾病相關(guān)的厭惡表現(xiàn)形式有關(guān)(Chapman & Anderson, 2012)。但是, Ying等人(2018)的研究表明, PI和AI之間存在明顯的功能分離, 其中PI比AI更參與初級道德厭惡, 而AI比PI更參與二級道德厭惡。

文字或閱讀誘發(fā)的厭惡情緒可能也由腦島參與了加工。近期, Viol等人(2019)的研究也發(fā)現(xiàn)腦島皮層參與了厭惡加工。帶厭惡情緒的文字同樣也能誘發(fā)厭惡情緒。Ziegler等人(2018)發(fā)現(xiàn), 被試在觀察厭惡的面部表情或閱讀含有厭惡內(nèi)容的文字時, 左前腦島的同一區(qū)域都會做出反應。不同的刺激材料誘發(fā)的厭惡情緒能較為穩(wěn)定地激活腦島, 腦島可能是厭惡情緒加工的重要腦區(qū), 但前腦島與后腦島存在明顯的功能分離。

3.6 驚訝(Surprise)

根據(jù)fMRI研究的元分析, 驚訝誘發(fā)的大腦區(qū)域主要在皮層下, 包括杏仁核和紋狀體, 以及一些皮層區(qū)域, 如腹內(nèi)側(cè)前額葉皮層和扣帶皮層(Behrens et al., 2009; Bartra et al., 2013; Gu et al., 2019a)。Fouragnan等人(2018)發(fā)現(xiàn)了一個非常明顯的驚訝編碼網(wǎng)絡的證據(jù), 包括前扣帶皮層、前島葉和背側(cè)紋狀體。最新的研究表明, 基于價值的決策和知覺中的驚訝能夠激活前腦島(Loued- Khenissi al., 2020)。在獎勵動機中, 驚訝增強了海馬體的激活, 而在懲罰動機中, 驚訝增強了海馬體旁皮質(zhì)(parahippocampal cortex)的激活(Murty et al., 2016)。神經(jīng)影像數(shù)據(jù)顯示, 杏仁核反應可追蹤驚訝面部表情的效價, 而不受喚醒度的干擾(Kim et al., 2017)。杏仁核、紋狀體、扣帶皮層等皮層下腦區(qū)可能參與了驚訝情緒的加工。

綜上所述, 大量的腦影像數(shù)據(jù)都報告了特定基本情緒與特定腦區(qū)相關(guān)聯(lián), 不同刺激誘發(fā)的某一種基本情緒比較穩(wěn)定地激活了一致的腦區(qū)。圖3為腦影像學關(guān)于基本情緒的實驗結(jié)果, 描述了假設(shè)與情緒類別相關(guān)的大腦區(qū)域：恐懼?杏仁核; 厭惡?腦島; 憤怒?眶額皮質(zhì); 悲傷?前扣帶回(Lindquist et al., 2012)。因此, 特定情緒的誘發(fā)存在穩(wěn)定對應的腦區(qū)激活, 這或許可以為基本情緒理論提供實證支持。但是, 這些研究也提出了一些問題, 正如Barrett所提到的, 杏仁核幾乎參與了所有的負性情緒, 比如恐懼、憤怒和驚訝。因此, 杏仁核很可能只是參與了喚醒度(arousal)的調(diào)節(jié)。相反, 我們認為導致這些研究不一致的原因是, 人類可能只有3種基本情緒：喜悅、恐懼(憤怒)、悲傷(圖1)。恐懼和憤怒可能是一種基本情緒, 驚訝可能是誘發(fā)恐懼和憤怒情緒的認知成分, 它們有著共同的神經(jīng)基礎(chǔ)——杏仁核。有研究指出, 恐懼情緒可以促進憤怒情緒, 支持了情緒之間相互促進的假設(shè)：不同類型的情緒具有相互促進和抵消關(guān)系(Zhan et al., 2015, 2017); Zhan等人(2018)隨后的fMRI進一步為恐懼情緒促進憤怒情緒的假設(shè)提供了腦影像證據(jù)。這也暗示了恐懼和憤怒是雙胞胎情緒的假設(shè)(Gu et al., 2019a)。

4 應用機器視覺技術(shù)推進基本情緒腦影像研究

盡管大量研究證明了特定基本情緒與特定腦區(qū)相關(guān)聯(lián), 證明了某一基本情緒能夠比較穩(wěn)定地激活了某一特定腦區(qū), 但并不是所有研究的都能得出一致的結(jié)果, 因此遭到了部分研究者的質(zhì)疑(如Lindquist et al., 2012)。最新研究發(fā)現(xiàn), 應用機器視覺技術(shù)有望推進基本情緒的腦影像研究, 可為基本情緒理論研究提供新思路和技術(shù)手段。

圖3 腦影像學關(guān)于基本情緒的實驗結(jié)果(Locationist Hypotheses of Brain–Emotion Correspondence) A: Lateral view. B: Sagital view at the midline. C: Ventral view. D: Coronal view. Brain regions hypothesized to be associated with emotion categories are depicted. Fear: amygdala (yellow); Disgust: insula (green); Anger: OFC (rust); Sadness: ACC (blue) (資料來源：Lindquist et al., 2012).

4.1 基本情緒腦影像研究遭遇的質(zhì)疑

如上所述, 基本情緒研究的腦影像研究最近遇到了一些問題, 部分研究得到了不一致的結(jié)論。比如在面對恐懼或憤怒的面孔時, 杏仁核的反應沒有群體差異(Cunha-Bang et al., 2019); 各種情緒面部表情均可能誘發(fā)正常人的杏仁核活動(Borgsted et al., 2018), 且杏仁核和腦島都與情緒感知有關(guān)(Sokolov et al., 2020)。Saarim?ki等人(2016)的fMRI研究結(jié)果顯示, 基本情緒是由幾個大腦區(qū)域內(nèi)的離散神經(jīng)信號支持的, 這一點可以從血液動力學大腦信號對情緒的高分類精度得到證明。Cowen等(2020)以音樂作為刺激材料的研究發(fā)現(xiàn), 與音樂相關(guān)的情緒具有連續(xù)的梯度。換言之, 音樂誘發(fā)情緒的相關(guān)研究結(jié)果也不支持基本情緒理論。

Lindquist等(2012)對基本情緒的腦影像研究進行了元分析, 也發(fā)現(xiàn)不同研究的實驗結(jié)果特異性很差, 難以確定獨立的基本情緒與獨特腦區(qū)相關(guān)。比如, 他們發(fā)現(xiàn)不同的基本情緒可能會激活相同的腦區(qū), 杏仁核和幾乎所有的負性情緒有關(guān)。他們研究發(fā)現(xiàn)與大腦其他區(qū)域相比, 恐懼體驗并沒有顯示出杏仁核激活持續(xù)一致增加; 相反, 雙側(cè)杏仁核在厭惡體驗時的激活相比于其他情緒有更一致的增加(Lindquist et al., 2012)。因此, 她們認為腦影像實驗不能支持獨特的基本情緒可以持續(xù)地、具體地定位到某個大腦特定區(qū)域的觀點; 相反杏仁核可能與核心情緒的喚醒度(arousal)有關(guān), 或者與不確定或意外的刺激有關(guān)(Gu et al., 2019a)。因此他們認為基本情緒的特定神經(jīng)結(jié)構(gòu)學說(獨立的基本情緒一致且具體地對應于某個不同的大腦區(qū)域)應當讓步于情緒維度學說(獨立的情緒類別是由更一般的大腦網(wǎng)絡構(gòu)成的, 而不是特定于這些類別)。我們認為導致這些不一致的原因可能是由于人類只有3種基本情緒：喜悅、悲傷和恐懼(憤怒)。驚奇、恐懼和憤怒可能都是一種情緒, 因此他們都可以誘發(fā)杏仁核以及腎上腺素等交感神經(jīng)反應, 也就是喚醒度(arousal)。

4.2 應用機器視覺技術(shù)推進基本情緒的腦影像研究

最近有研究者嘗試應用機器視覺技術(shù)(machine-vision)對基本情緒的腦網(wǎng)絡進行研究, 利用機器視覺技術(shù)解碼情緒識別與分類; 嘗試構(gòu)建多種形式情緒原型, 探討是否可以對多種形式的情緒原型共有特征和獨特特征進行區(qū)分。為此, 我們設(shè)想可以通過不同腦區(qū)間的功能連接模式及腦網(wǎng)絡特征研究, 從而確定3種基本情緒為基本情緒(Saarim?ki et al., 2016)?；蛘哒f, 可以嘗試從不同情緒的激活腦區(qū)網(wǎng)絡中, 尋找?guī)追N基本情緒共同激活的腦區(qū)網(wǎng)絡, 從而探討某些基本情緒之間的緊密聯(lián)系, 以便確定它們可能是一種基本情緒。如Pessoa (2017)就發(fā)現(xiàn)幾種基本情緒的跨整個神經(jīng)軸的網(wǎng)絡交互作用; Satpute和Lindquist (2019)也指出默認模式網(wǎng)絡(default mode network)能夠構(gòu)建某些基本情緒(憤怒、恐懼、厭惡等)之間的聯(lián)系。

另外, 我們也可以從面部表情之間的聯(lián)系來確定某些基本情緒之間的相關(guān)性, 從而確定這些相關(guān)情緒是否為一種同一個基本情緒。達爾文的面部表情研究為當今的表情研究提供了研究基礎(chǔ)。一個人的情緒狀態(tài)可以很容易地從其面部動作(即表情)推斷出來(Barrett et al., 2019), 從達爾文的情緒研究開始, 大量的情緒研究都圍繞表情展開, 如表情的分類與識別。Kragel等人(2019)通過fMRI研究證明了編碼情緒類別的人類視覺皮層活動模式與模式輸出相關(guān), 并能解碼多種情緒體驗。也就是說, 豐富的、類別特定的視覺特征可以可靠地映射出不同的情緒, 并且它們在人類視覺系統(tǒng)中以分布式表示形式編碼。因此, 可以在情緒識別的任務過程中, 利用機器視覺技術(shù)提取不同類型的情緒識別對應的視覺皮層特征, 通過對情緒編碼和解碼的聚類分析, 探索是否存在兩者相對應的類別。

情緒識別與情緒產(chǎn)生的過程中, 眼睛的相關(guān)特征也會發(fā)生變化。情緒研究中記錄fMRI的同時, 可借助兼容的眼動技術(shù)記錄被試眼部相關(guān)特征的變化。特征提取是各種模式識別應用的主要階段之一(Ghaffari et al., 2020), 我們也可以通過特征提取的辦法應用于人臉及fMRI影像圖。HOG (histogram of oriented gradients)是一種常用的特征提取算法, 在許多計算機視覺應用中被證明是有用的, 包括人類檢測、汽車探測和一般的目標識別(Ghaffari et al., 2020)。如Dolensek等(2020)發(fā)表在Science 上的文章應用了機器學習技術(shù), 將小鼠面部表情分為不同的類別, 反映了同一感官刺激在不同的穩(wěn)態(tài)或情緒條件下所遇到的內(nèi)在價值的變化。他們使用了HOG來處理實驗鼠的面部特征, 以解讀實驗鼠的面部表情。利用機器視覺技術(shù)的量化特性, 可以證明面部表情揭示了情緒的核心屬性, 如強度、持久性、靈活性和效價(Dolensek & Gogolla, 2021)。

基本情緒的腦影像研究結(jié)合機器視覺技術(shù)可能是確定基本情緒的數(shù)目的最佳途徑。通過對幾種基本情緒誘發(fā)前后的人類面部表情特征及fMRI影像圖的網(wǎng)絡特征分別進行處理分析, 形成HOG向量描述符, 觀察某些不同基本情緒是否可以歸為一類。接著通過主成分分析(principal component analysis, PCA)和t-分布隨機鄰居嵌入法(t-distributed stochastic neighbor embedding, t- SNE)來降低數(shù)據(jù)維度, 將面部表情分解成離散的情緒; 訓練一個隨機森林分類器(random forest classifier, RFC)以區(qū)分不同面部表情(Dolensek & Gogolla, 2021)。構(gòu)建幾種基本情緒的人類面孔及fMRI影像情緒原型, 對比其他被試基本情緒fMRI影像圖特征與相應情緒原型的相似性, 從而確定某些基本情緒的關(guān)系。由此可檢驗情緒原型的充分性(Dolensek et al., 2020)。由于fMRI成像以圖形形式呈現(xiàn), 使我們通過HOG向量的處理技術(shù)來構(gòu)建基本情緒的fMRI影像圖成為可能。未來研究可以聚焦多種形式(如上述的行為、生理、視覺皮層、眼動、面部表情、fMRI影像圖、EEG地形圖等數(shù)據(jù)特征)的共同特征與獨特特征、特征間的連接(如腦功能連接), 考慮從多個角度嘗試構(gòu)建情緒原型, 有望形成多角度、多種形式的情緒原型, 為基本情緒理論研究提供新思路。

5 總結(jié)

基本情緒理論歷經(jīng)幾十年的發(fā)展, 取得了眾多研究成果?；厩榫w理論的觀點在情緒科學領(lǐng)域和相關(guān)學科得到廣泛認可與應用, 對于人類的生存生活、信息溝通及心身疾病的診療也至關(guān)重要(Liang et al., 2021)。許多基本情緒腦影像及元分析研究支持了基本情緒理論。但是, 基本情緒的種類依然存在爭議。比較經(jīng)典的基本情緒分類是Ekman的6種基本情緒分類：高興, 憤怒, 恐懼, 驚奇, 厭惡, 悲傷。數(shù)目最少的是我們最近研究提出的3種基本情緒觀點, 認為人類可能只有3種基本情緒：喜悅、悲傷、恐懼(憤怒)。大量的fMRI研究也支持我們的觀點, 比如許多fMRI研究發(fā)現(xiàn)：恐懼和憤怒都與杏仁核有關(guān), 驚訝也與杏仁核、扣帶皮層等下皮層腦區(qū)相關(guān)。然而, 這些結(jié)果還沒有結(jié)束基本情緒理論與情緒維度理論的爭論。多學科交叉融合并考慮將機器視覺技術(shù)應用于基本情緒腦影像研究或許是一個富有成效的探索路線, 有望為基本情緒理論提供可信度較高的證據(jù)。

梁飛, 李紅, 王福順. (2021). 基本情緒的電生理活動: 來自ERP的證據(jù).(1), 42?56.

王福順, 成敬, 張艷萍, 姜長青. (2018).. 北京: 人民衛(wèi)生出版社.

An, S., Han, X., Wu, B., Shi, Z., Marks, M., Wang, S., Wu, X., & Han, S. (2018). Neural activation in response to the two sides of emotion., 140–144.

Anthony, T. E., Dee, N., Bernard, A., Lerchner, W., Heintz, N., & Anderson, D. J. (2014). Control of stress-induced persistent anxiety by an extra-amygdala septohypothalamic circuit.,(3), 522–536.

Arnold, M. B. (1960).. New York: Columbia University Press.

Bartra, O., McGuire, J. T., & Kable, J. W. (2013). The valuation system: A coordinate-based meta-analysis of BOLD fMRI experiments examining neural correlates of subjective value., 412–427.

Barrett, L. F., Adolphs, R., Marsella, S., Martinez, A. M., & Pollak, S. D. (2019). Emotional expressions reconsidered: Challenges to inferring emotion from human facial movements.(1), 1–68.

Barrett, L. F., Khan, Z., Dy, J., & Brooks, D. (2018). Nature of emotion categories: Comment on Cowen and Keltner.(2), 97–99.

Behrens, T. E., Woolrich, M. W., Walton, M. E., & Rushworth, M. F. (2009). Learning the value of information in an uncertain world., 1214–1221.

Bogert, B., Numminen-Kontti, T., Gold, B., Sams, M., Numminen, J., Burunat, I., Lampinen, J., & Brattico, E. (2016). Hidden sources of joy, fear, and sadness: Explicit versus implicit neural processing of musical emotions., 393–402.

Borgsted, C., Ozenne, B., Mc Mahon, B., Madsen, M. K., Hjordt, L. V., Hageman, I., ... Fisher, P. M. (2018). Amygdala response to emotional faces in seasonal affective disorder., 288–295.

Britton, J. C., Taylor, S. F., Sudheimer, K. D., & Liberzon, I. (2006). Facial expressions and complex IAPS pictures: Common and differential networks.(2), 906–919.

Buades-Rotger, M., & Kr?mer, U. M. (2018). From words to action: Implicit attention to antisocial semantic cues predicts aggression and amygdala reactivity to angry faces in healthy young women.(6), 624–637.

Celeghin, A., Diano, M., Bagnis, A., Viola, M., & Tamietto, M. (2017). Basic emotions in human neuroscience: Neuroimaging and beyond., 1432–1432.

Chapman, H. A., & Anderson, A. K. (2012). Understanding disgust.(1), 62–76.

Clore, G. L., & Ortony, A. (2013). Psychological construction in the OCC model of emotion.(4), 335–343.

Coccaro, E. F., McCloskey, M. S., Fitzgerald, D. A., & Phan, K. L. (2007). Amygdala and orbitofrontal reactivity to social threat in individuals with impulsive aggression.,(2), 168–178.

Cowen, A. S., Fang, X., Sauter, D., & Keltner, D. (2020). What music makes us feel: At least 13 dimensions organize subjective experiences associated with music across different cultures.(4), 1924–1934.

Cowen, A. S., & Keltner, D. (2017). Self-report captures 27 distinct categories of emotion bridged by continuous gradients.(38), E7900–E7909.

da Cunha-Bang, S., Fisher, P. M., Hjordt, L. V., Holst, K., & Knudsen, G. M. (2019). Amygdala reactivity to fearful faces correlates positively with impulsive aggression.(2), 162–172.

DeLancey, C. (2002).. Oxford: Oxford University Press.

Dolensek, N., Gehrlach, D. A., Klein, A. S., & Gogolla, N. (2020). Facial expressions of emotion states and their neuronal correlates in mice.(6486), 89-94.

Dolensek, N., & Gogolla, N. (2021). Machine-learning approaches to classify and understand emotion states in mice.(1), 250–251.

Dzafic, I., Oestreich, L., Martin, A. K., Mowry, B., & Burianová, H. (2019). Stria terminalis, amygdala, and temporoparietal junction networks facilitate efficient emotion processing under expectations.(18), 5382–5396.

Ekman, P. (1972).. New York, NY: Pergamon Press.

Ekman, P. (1992). An argument for basic emotions?, 169–200.

Ekman, P. (1999). Basic emotions. In T. Dalgleish & M. J. Power(Eds).(pp.45–60)Chichester: John Wiley and Sons.

Ekman, P., & Davidson, R. J. (Eds.). (1994).. New York, NY: Oxford University Press.

Ekman, P., Friesen, W. V., & Ellsworth, P. (1982). What emotion categories or dimensions can observers judge from facial behavior? In P. Ekman (Ed.),(pp. 39?55). New York: Cambridge University Press.

Ekman, P., Sorenson, E. R., & Friesen, W. V. (1969). Pan- cultural elements in the facial display of emotions., 86–88.

Fouragnan, E., Retzler, C., & Philiastides, M. G. (2018). Separate neural representations of prediction error valence and surprise: Evidence from an fMRI meta-analysis.(7), 2887–2906.

Frijda, N. H. (1987). Comment on Oatley and Johnson- Laird?s “Towards a cognitive theory of emotions.”, 51–58.

Fulwiler, C. E., King, J. A., & Zhang, N. (2012). Amygdala- orbitofrontal resting-state functional connectivity is associated with trait anger.,(10), 606–610.

Ghaffari, S., Soleimani, P., Li, K. F., & Capson, D. W. (2020). A novel hardware-software co-design and implementation of the HOG algorithm.(19), 5655.

Graham, A. M., Buss, C., Rasmussen, J. M., Rudolph, M. D., Demeter, D. V., Gilmore, J. H., ... Fair, D. A. (2016). Implications of newborn amygdala connectivity for fear and cognitive development at 6-months-of-age., 12–25.

Gray, J. A. (1982).. Oxford: Oxford University Press.

Griffiths, P. E. (1997).. Chicago, IL:University of Chicago Press.

Gu, S., Gao, M., Yan, Y., Wang, F., Tang, Y.-Y., & Huang, J. H. (2018). The neural mechanism underlying cognitive and emotional processes in creativity., 1924.

Gu, S., Wang, F., Cao, C., Wu, E., Tang, Y.-Y., & Huang, J. H. (2019a). An integrative way for studying neural basis of basic emotions with fMRI., 628–628.

Gu, S., Wang, F., Patel, N. P., Bourgeois, J. A., & Huang, J. H. (2019b). A model for basic emotions using observations of behavior in drosophila., 781.

Gu, S., Wang, W., Wang, F., & Huang, J. H. (2016). Neuromodulator and emotion biomarker for stress induced mental disorders., 2609128.

Han, W., Tellez, L. A., Rangel, M. J., Jr, Motta, S. C., Zhang, X., Perez, I. O., ... de Araujo, I. E. (2017). Integrated control of predatory hunting by the central nucleus of the amygdala.,(1–2), 311–324.e18.

Hutto, D. D., Robertson, I., & Kirchhoff, M. D. (2018). A new, better BET: Rescuing and revising basic emotion theory., 1217–1217.

Isosaka, T., Matsuo, T., Yamaguchi, T., Funabiki, K., Nakanishi, S., Kobayakawa, R., & Kobayakawa, K. (2015). Htr2a- Expressing cells in the central amygdala control the hierarchy between innate and learned fear.,(5), 1153–1164.

Izard, C. E. (1971).. Appleton-Century- Crofts.

Jack, R. E., Garrod, O., & Schyns, P. G. (2014). Dynamic facial expressions of emotion transmit an evolving hierarchy of signals over time.(2), 187–192.

Jack, R. E., Sun, W., Delis, I., Garrod, O. G., & Schyns, P. G. (2016). Four not six: Revealing culturally common facial expressions of emotion.(6), 708–730.

James, W. (1884). What is an emotion?, 188–205.

Kapucu, A., K?l??, A., ?zk?l??, Y., & Sar?baz, B. (2021). Turkish emotional word norms for arousal, valence, and discrete emotion categories.(1), 188–209.

Keltner, D., Sauter, D., Tracy, J., & Cowen, A. (2019). Emotional Expression: Advances in basic emotion theory.(2), 133–160.

Keltner, D., Tracy, J. L., Sauter, D., & Cowen, A. (2019). What basic emotion theory really says for the twenty-first century study of emotion.,(2), 195–201.

Kim, M. J., Mattek, A. M., Bennett, R. H., Solomon, K. M., Shin, J., & Whalen, P. J. (2017). Human amygdala tracks a feature-based valence signal embedded within the facial expression of surprise.(39), 9510–9518.

Kluczniok, D., Hindi Attar, C., Stein, J., Poppinga, S., Fydrich, T., Jaite, C., ... Bermpohl, F. (2017). Dissociating maternal responses to sad and happy facial expressions of their own child: An fMRI study.(8), e0182476.

Kragel, P. A., Reddan, M. C., LaBar, K. S., & Wager, T. D. (2019). Emotion schemas are embedded in the human visual system.(7), eaaw4358.

Lane, R. D., Reiman, E. M., Ahern, G. L., Schwartz, G. E., & Davidson, R. J. (1997). Neuroanatomical correlates of happiness, sadness, and disgust.(7), 926–933.

LeDoux, J., Phelps, L., & Alberini, C. (2016). What we talk about when we talk about emotions.(6), 1443–1445.

Levenson, R. W. (2003). Blood, sweat, and fears.(1), 348–366.

Liang, F., Feng, R., Gu, S., Jiang, S., Zhang, X., Li, N., ... Wang, F.. (2021). Neurotransmitters and electrophysiological changes might work as biomarkers for diagnosing affective disorders., 9116502.

Lindquist, K. A., Siegel, E. H., Quigley, K. S., & Barrett, L. F. (2013). The hundred-year emotion war: Are emotions natural kinds or psychological constructions? Comment on Lench, Flores, and Bench (2011).(1), 255–263.

Lindquist, K. A., Wager, T. D., Kober, H., Bliss-Moreau, E., & Barrett, L. F. (2012). The brain basis of emotion: A meta-analytic review.(3), 121–143.

Loued-Khenissi, L., Pfeuffer, A., Einh?user, W., & Preuschoff, K. (2020). Anterior insula reflects surprise in value-based decision-making and perception., 116549.

McDougall, W. (1926).. Boston: Luce.

Mowrer, O. H. (1960).New York: Wiley.

Murty, V. P., LaBar, K. S., & Adcock, R. A. (2016). Distinct medial temporal networks encode surprise during motivation by reward versus punishment.(Pt A), 55–64.

Oaten, M., Stevenson, R. J., Williams, M. A., Rich, A. N., Butko, M., & Case, T. I. (2018). Moral violations and the experience of disgust and anger., 179.

Oatley, K., & Johnson-Laird, P. N. (1987). Towards a cognitive theory of emotions., 29–50.

Ortony, A., & Turner, T. J. (1990). What?s basic about basic emotions?(3), 315–331.

Panksepp, J. (1982). Toward a general psychobiological theory of emotions.(3), 407–467.

Pessoa L. (2017). A network model of the emotional brain.(5), 357–371.

Phan, K. L., Wager, T., Taylor, S. F., & Liberzon, I. (2002). Functional neuroanatomy of emotion: A meta-analysis of emotion activation studies in PET and fMRI.(2)331–348.

Plutchik, R. (1980). A general psychoevolutionary theory of emotion. In R. Plutchik & H. Kellerman (Eds.),(pp. 3?31). New York: Academic Press.

Rahko, J., Paakki, J.-J., Starck, T., Nikkinen, J., Remes, J., Hurtig, T., ... Kiviniemi, V. (2010). Functional mapping of dynamic happy and fearful facial expression processing in adolescents.(2), 164–176.

Ramirez-Mahaluf, J. P., Perramon, J., Otal, B., Villoslada, P., & Compte, A. (2018). Subgenual anterior cingulate cortex controls sadness-induced modulations of cognitive and emotional network hubs.(1), 8566.

Reynaud, E., Guedj, E., Trousselard, M., El Khoury- Malhame, M., Zendjidjian, X., Fakra, E., ... Khalfa, S. (2015). Acute stress disorder modifies cerebral activity of amygdala and prefrontal cortex.,(1), 39–43.

Russell, J. A. (1980). A circumplex model of affect.(6), 1161–1178.

Saarim?ki, H., Gotsopoulos, A., J??skel?inen, I. P., Lampinen, J., Vuilleumier, P., Hari, R., ... Nummenmaa, L. (2016). Discrete neural signatures of basic emotions.(6), 2563–2573.

Satpute, A. B., & Lindquist, K. A. (2019). The default mode network?s role in discrete emotion.(10), 851–864.

Scarantino, A., & Griffiths, P. (2011). Don’t give up on basic emotions.(4), 444–454.

Schwartz, J., Ordaz, S. J., Kircanski, K., Ho, T. C., Davis, E. G., Camacho, M. C., & Gotlib, I. H. (2019). Resting-state functional connectivity and inflexibility of daily emotions in major depression., 26–34.

Sokolov, A. A., Zeidman, P., Erb, M., Pollick, F. E., Fallgatter, A. J., Ryvlin, P., Friston, K. J., & Pavlova, M. A. (2020). Brain circuits signaling the absence of emotion in body language.(34), 20868– 20873.

Song, Y., & Hakoda, Y. (2018). Selective impairment of basic emotion recognition in people with autism: Discrimination thresholds for recognition of facial expressions of varying intensities.(6), 1886–1894.

Suardi, A., Sotgiu, I., Costa, T., Cauda, F., & Rusconi, M. (2016). The neural correlates of happiness: A review of PET and fMRI studies using autobiographical recall methods.(3), 383–392.

Thomas, E., Buss, C., Rasmussen, J. M., Entringer, S., Ramirez, J. S. B., Marr, M., ... Graham, A. M. (2019). Newborn amygdala connectivity and early emerging fear., 100604.

Tomkins, S. S. (1984). Affect theory. In K. R. Scherer & P. Ekman (Eds.),(pp. 163–195). Hillsdale, NJ: Erlbaum.

Tonnaer, F., Siep, N., van Zutphen, L., Arntz, A., & Cima, M. (2017). Anger provocation in violent offenders leads to emotion dysregulation.(1), 3583.

Touroutoglou, A., Lindquist, K. A., Dickerson, B. C., & Barrett, L. F. (2015). Intrinsic connectivity in the human brain does not reveal networks for 'basic' emotions.(9), 1257–1265.

Vetter, N. C., Drauschke, M., Thieme, J., & Altgassen, M. (2018). Adolescent basic facial emotion recognition is not influenced by puberty or own-age bias., 956.

Viol, K., Aas, B., Kastinger, A., Kronbichler, M., Sch?ller, H. J., Reiter, E.-M., ... Schiepek, G. K. (2019). Erroneously disgusted: fMRI study supports disgust-related neural reuse in obsessive-compulsive disorder (OCD)., 81.

Vytal, K., & Hamann, S. (2010). Neuroimaging support for discrete neural correlates of basic emotions: A voxel-based meta-analysis.(12), 2864–2885.

Wang, F., Pan, F., Shapiro, L. A., & Huang, J. H. (2017). Stress induced neuroplasticity and mental disorders., 9634501.

Wang, H., Chen, Y., & Zhang, Q.. (2018). The effects of low and high levels of sadness on scope of attention: An ERP study., 2397–2397.

Wang, Y., Kong, F., Kong, X., Zhao, Y., Lin, D., & Liu, J. (2017). Unsatisfied relatedness, not competence or autonomy, increases trait anger through the right amygdala.(5), 932–938.

Watson, J. B. (1930).. Chicago: University of Chicago Press.

Weiner, B., & Graham, S. (1984). An attributional approach to emotional development. In C. E. Izard, J. Kagan, & R. B. Zajonc (Eds.),(pp. 167–191). New York: Cambridge University Press.

Williams, R. (2017). Anger as a basic emotion and its role in personality building and pathological growth: The neuroscientific, developmental and clinical perspectives., 1950.

Wilson-Mendenhall, C. D., Barrett, L. F., & Barsalou, L. W. (2013). Neural evidence that human emotions share core affective properties.(6), 947–956.

Wright, P., He, G., Shapira, N. A., Goodman, W. K., & Liu, Y. (2004). Disgust and the insula: FMRI responses to pictures of mutilation and contamination.(15), 2347–2351.

Xiao, M., Zhu, W., Wei, J., Lei, X., & Xia, L.-X. (2019). The relationship among resting-state brain activity and connectivity, agreeableness and displaced aggression: Two possible mediation models., 641–649.

Ying, X., Luo, J., Chiu, C.-Y., Wu, Y., Xu, Y., & Fan, J. (2018). Functional dissociation of the posterior and anterior insula in moral disgust., 860.

Zhan, J., Ren, J., Fan, J., & Luo, J. (2015). Distinctive effects of fear and sadness induction on anger and aggressive behavior., 725.

Zhan, J., Ren, J., Sun, P., Fan, J., Liu, C., & Luo, J. (2018). The Neural Basis of Fear Promotes Anger and Sadness Counteracts Anger., 3479059.

Zhan, J., Tang, F., He, M., Fan, J., Xiao, J., Liu, C., & Luo, J. (2017). Regulating Rumination by Anger: Evidence for the Mutual Promotion and Counteraction (MPMC) Theory of Emotionality., 1871.

Zheng, Z., Gu, S., Lei, Y., Lu, S., Wang, W., Li, Y., & Wang, F. (2016). Safety needs mediate stressful events induced mental disorders., 8058093.

Ziegler, J. C., Montant, M., Briesemeister, B. B., Brink, T. T., Wicker, B., Ponz, A., ... Braun, M. (2018). Do words stink? Neural reuse as a principle for understanding emotions in reading.(7), 1023–1032.

Basic emotion and its neural basis: Evidence from fMRI and machine-vision studies

LIANG Fei, JIANG Yao, XIAO Tingwei, DONG Jie, WANG Fushun

(Institute of Brain and Psychological Science, Sichuan Normal University, Chengdu 610066, China)

Basic emotion theory is the most representative theory in the field of emotion science, which holds that human emotions are composed of a limited number of basic emotions, such as fear, anger, joy, sadness and so on. Basic emotions are evolved for fundamental life tasks, and each basic emotion has its own unique neural structure and physiological basis.Although basic emotion theories are widely accepted, there is little agreement on specific basic emotions. In recent decades, many fMRI studies have attempted to determine the unique neural structural underpinnings of each of the basic emotions, and made many important findings, such as disgust is related to the insula, sadness is related to the anterior cingulate gyrus, and the amygdala is an important limbic structure related to fear. However, recent meta-analysis studies have found that many basic emotions share many brain regions. Therefore, the theory of specific brain regions of basic emotions has been questioned and even denied. Through the discussion of the basic emotions and neural basis, the new functional magnetic resonance imaging (fMRI) study of basic emotion theory were summarized, and put forward the basic theory of emotional debate comes from the determination of basic emotion type, because many of the so-called different basic emotion is actually the same basic emotions, possible only three basic human emotions. In the future, machine-visioncan be used to further promote the research of basic emotion brain imaging.

basic emotion, emotional dimension, fMRI, machine-vision, brain imaging

2021-07-08

* 教育部人文社會科學基金(19YJAZH083)

王福順, E-mail: 13814541138@163.com

B842; B845