音乐声学特征通过EEG伽马振荡与前额叶连接差异性调节焦虑的神经机制研究

《Scientific Reports》：Acoustic features of music differentially modulate anxiety through EEG gamma oscillations and prefrontal connectivity

本研究针对大学生焦虑问题，系统探讨了音乐调性（大调/小调）与音色（钢琴/小提琴）对状态焦虑的差异化调节作用。通过脑电图（EEG）记录、功率谱密度分析和sLORETA脑源定位技术，发现大调小提琴音乐能显著降低焦虑个体的STAI-S评分，该效应与伽马振荡增强及中央区至背外侧前额叶皮层（DLPFC）的格兰杰因果连接增强相关，为音乐疗法的神经机制提供了新证据。

　　

在现代快节奏的社会环境中，焦虑已成为困扰大学生群体的普遍心理问题。长期存在的焦虑状态不仅会损害个体的认知功能，如注意力与记忆力，还可能增加心血管疾病和免疫系统功能障碍的风险。尽管药物治疗（PT）和认知行为疗法（CBT）是目前主流的干预手段，但药物可能带来副作用，而CBT对部分人群效果有限且存在复发风险。因此，开发非侵入性、易实施的辅助干预策略显得尤为重要。

音乐疗法（MT）作为一种潜在的非药物干预方式，在临床实践中显示出缓解焦虑、抑郁和疼痛的潜力。然而，以往研究多关注整体音乐效果，对具体声学特征（如调性与音色）及其神经机制的理解尚不深入。特别是在年轻群体中，何种音乐元素最能有效缓解焦虑，以及其背后的大脑活动如何变化，仍是未解之谜。

为此，研究人员在《Scientific Reports》上发表了一项研究，系统探讨了音乐调性（大调vs.小调）和音色（钢琴vs.小提琴）对焦虑状态的差异化调节作用，并通过脑电图（EEG）技术揭示了其神经基础。研究团队假设，不同的音乐特征会通过特定的脑电振荡和前额叶网络活动影响焦虑水平。

为了回答这些问题，研究人员招募了74名西北工业大学的大学生，根据焦虑量表（SAS）评分分为焦虑组和正常对照组，并随机分配至四种音乐干预条件：钢琴大调（PA）、钢琴小调（PI）、小提琴大调（VA）和小提琴小调（VI）。所有参与者被动聆听由巴赫作品编辑而成的音乐片段，并在干预前后填写状态焦虑量表（STAI-S），同时记录静息态EEG数据。通过功率谱密度分析、标准化低分辨率脑电磁断层扫描（sLORETA）和格兰杰因果分析（Granger Causality）等技术，评估了大脑振荡活动及前额叶网络的功能连接。

主要技术方法包括：1）使用状态焦虑量表（STAI-S）进行行为学评估；2）通过32通道EEG系统采集脑电信号，并进行预处理和独立成分分析（ICA）去噪；3）采用连续小波变换（CWT）计算β波（14-30 Hz）和γ波（30-80 Hz）的功率谱密度；4）基于sLORETA进行脑源定位分析；5）应用格兰杰因果分析评估前额叶与中央皮层的方向性连接。

3.1 音乐干预对状态焦虑和EEG功率谱的影响

干预后，焦虑组和对照组的状态焦虑评分均显著下降，其中焦虑组在小提琴大调（VA）条件下表现出最明显的焦虑缓解效果。EEG分析显示，γ波功率在焦虑组中受音乐条件影响更显著，尤其是在VA条件下出现明显降低，而β波的变化较微弱。这表明γ振荡对音乐干预更敏感，可能直接参与焦虑调节过程。

3.2 乐器与调性对焦虑相关指标的差异化效应

通过分离音色和调性因素发现，在焦虑组中，大调音乐和小提琴音乐分别能显著降低焦虑水平；而在对照组中，小调和钢琴音乐的效果更突出。进一步分析表明，大调小提琴音乐（VA）在焦虑个体中具有最强的抗焦虑作用。

3.3 实验音轨的频谱密度与粗糙度

频谱分析显示，小提琴音乐在4000-5000 Hz范围内具有更高的功率密度和听觉粗糙度（粗糙度：Hedges’ g=1.17）。这种声学特征可能通过吸引注意力并转移对焦虑情绪的专注，从而间接缓解焦虑。

3.4 大调小提琴音乐相关的皮层活动模式

sLORETA分析发现，焦虑组在接受VA干预后，伽马波段活动在背外侧前额叶皮层（DLPFC）和背侧前扣带回皮层（dACC）显著增强。这些区域与情绪调节和冲突监控密切相关，提示VA音乐可能通过激活前额叶调控网络减轻焦虑。

3.5 中央皮层与DLPFC的格兰杰因果性预测焦虑缓解

格兰杰因果分析进一步揭示，γ波段的中央皮层到DLPFC的方向性连接与干预后STAI-S评分呈负相关，且能显著预测焦虑减轻程度。这表明底部向上的信息输入至DLPFC是音乐缓解焦虑的关键通路，而非仅仅伴随现象。

本研究通过严格控制音乐元素的实验设计，揭示了大调小提琴音乐在缓解焦虑中的独特作用，并初步阐明了其神经机制涉及伽马振荡和前额叶网络的调控。值得注意的是，听觉粗糙度可能作为一种注意力捕获机制，通过转移个体对内在焦虑的专注而发挥作用。此外，γ振荡比β振荡更能敏感地反映音乐干预的效应，为未来音乐疗法的个性化应用提供了生物标志物参考。

尽管该研究采用了简化音乐片段以控制变量，未能完全还原真实音乐治疗的情感丰富性，但其结果为理解基础声学特征如何影响大脑情绪网络提供了重要线索。未来研究可结合高密度EEG或功能磁共振成像（fMRI），进一步探索音乐元素与脑网络互动的动态过程。总之，这项研究不仅深化了对音乐抗焦虑机制的认识，也为开发基于声学特征的精准干预策略奠定了理论基础。