Recent functional MRI (fMRI) studies have highlighted differences in responses to natural sounds along the rostral-caudal axis of the human superior temporal gyrus. However, due to the indirect nature of the fMRI signal, it has been challenging to relate these fMRI observations to actual neuronal response properties. To bridge this gap, we present a forward model of the fMRI responses to natural sounds combining a neuronal model of the auditory cortex with physiological modeling of the hemodynamic BOLD response. Neuronal responses are modeled with a dynamic recurrent firing rate model, reflecting the tonotopic, hierarchical processing in the auditory cortex along with the spectro-temporal tradeoff in the rostral-caudal axis of its belt areas. To link modeled neuronal response properties with human fMRI data in the auditory belt regions, we generated a space of neuronal models, which differed parametrically in spectral and temporal specificity of neuronal responses. Then, we obtained predictions of fMRI responses through a biophysical model of the hemodynamic BOLD response (P-DCM). Using Bayesian model comparison, our results showed that the hemodynamic BOLD responses of the caudal belt regions in the human auditory cortex were best explained by modeling faster temporal dynamics and broader spectral tuning of neuronal populations, while rostral belt regions were best explained through fine spectral tuning combined with slower temporal dynamics. These results support the hypotheses of complementary neural information processing along the rostral-caudal axis of the human superior temporal gyrus.

最近的功能性磁共振成像 (fMRI) 研究强调了人类颞上回沿头尾轴对自然声音的反应差异。然而，由于 fMRI 信号的间接性质，将这些 fMRI 观察结果与实际神经元反应特性联系起来一直具有挑战性。为了弥合这一差距，我们提出了一个 fMRI 对自然声音反应的正向模型，将听觉皮层的神经元模型与血流动力学 BOLD 反应的生理模型相结合。神经元反应采用动态循环放电率模型建模，反映听觉皮层中的音调、分层处理以及其带区域的头尾轴的频谱时间权衡。为了将模拟的神经元反应特性与听觉带区域中的人类 fMRI 数据联系起来，我们生成了一个神经元模型空间，这些模型在神经元反应的光谱和时间特异性方面存在参数差异。然后，我们通过血流动力学 BOLD 反应 (P-DCM) 的生物物理模型获得了 fMRI 反应的预测。使用贝叶斯模型比较，我们的结果表明，人类听觉皮层尾带区域的血流动力学 BOLD 反应最好通过模拟更快的时间动力学和更广泛的神经元群光谱调谐来解释，而延髓带区域最好通过精细的光谱调谐来解释结合较慢的时间动态。这些结果支持沿着人类颞上回的头尾轴进行互补神经信息处理的假设。这在神经元反应的光谱和时间特异性方面存在参数差异。然后，我们通过血流动力学 BOLD 反应 (P-DCM) 的生物物理模型获得了 fMRI 反应的预测。使用贝叶斯模型比较，我们的结果表明，人类听觉皮层尾带区域的血流动力学 BOLD 反应最好通过模拟更快的时间动力学和更广泛的神经元群光谱调谐来解释，而延髓带区域最好通过精细的光谱调谐来解释结合较慢的时间动态。这些结果支持沿着人类颞上回的头尾轴进行互补神经信息处理的假设。这在神经元反应的光谱和时间特异性方面存在参数差异。然后，我们通过血流动力学 BOLD 反应 (P-DCM) 的生物物理模型获得了 fMRI 反应的预测。使用贝叶斯模型比较，我们的结果表明，人类听觉皮层尾带区域的血流动力学 BOLD 反应最好通过模拟更快的时间动力学和更广泛的神经元群光谱调谐来解释，而延髓带区域最好通过精细的光谱调谐来解释结合较慢的时间动态。这些结果支持沿着人类颞上回的头尾轴进行互补神经信息处理的假设。我们通过血流动力学 BOLD 反应 (P-DCM) 的生物物理模型获得了 fMRI 反应的预测。使用贝叶斯模型比较，我们的结果表明，人类听觉皮层尾带区域的血流动力学 BOLD 反应最好通过模拟更快的时间动力学和更广泛的神经元群光谱调谐来解释，而延髓带区域最好通过精细的光谱调谐来解释结合较慢的时间动态。这些结果支持沿着人类颞上回的头尾轴进行互补神经信息处理的假设。我们通过血流动力学 BOLD 反应 (P-DCM) 的生物物理模型获得了 fMRI 反应的预测。使用贝叶斯模型比较，我们的结果表明，人类听觉皮层尾带区域的血流动力学 BOLD 反应最好通过模拟更快的时间动力学和更广泛的神经元群光谱调谐来解释，而延髓带区域最好通过精细的光谱调谐来解释结合较慢的时间动态。这些结果支持沿着人类颞上回的头尾轴进行互补神经信息处理的假设。我们的研究结果表明，人类听觉皮层尾带区域的血流动力学 BOLD 反应最好通过建模更快的时间动力学和更广泛的神经元群光谱调谐来解释，而喙带区域最好通过精细的光谱调谐结合较慢的时间动力学来解释. 这些结果支持沿着人类颞上回的头尾轴进行互补神经信息处理的假设。我们的研究结果表明，人类听觉皮层尾带区域的血流动力学 BOLD 反应最好通过建模更快的时间动力学和更广泛的神经元群光谱调谐来解释，而喙带区域最好通过精细的光谱调谐结合较慢的时间动力学来解释. 这些结果支持沿着人类颞上回的头尾轴进行互补神经信息处理的假设。