在发表于《神经科学杂志》上的一篇论文中，研究人员报告说，当测试对象查看具有不同面部表情的人的图像时，他们使用功能磁共振成像(fMRI)来识别pSTS的区域作为大脑激活的一部分。

此外，研究人员还发现，pSTS中的神经模式专门用于识别面部特定部位的运动。调整一种模式以检测皱眉，另一种调整以检测嘴唇向上翘成微笑，依此类推。

俄亥俄州立大学电气与计算机工程学教授，认知科学家阿莱克斯·马丁内斯说：“这表明我们的大脑通过增加正在看的人脸上的关键肌肉运动集来解码面部表情。”

马丁内斯说，他和他的团队能够创建一种机器学习算法，该算法使用这种大脑活动来仅根据功能性MRI信号识别一个人正在看的面部表情。

功能磁共振成像显示正在识别面部表情的受测对象的大脑后上颞沟(pSTS)区域中的活动。礼貌：俄亥俄州立大学

马丁内斯说：“人类使用大量的面部表情来表达情感，其他非语言交流信号和语言。”

“但是，当我们看到某人做鬼脸时，我们似乎是在没有意识的情况下立即认出了它。用计算术语来说，一个面部表情可以对信息进行编码，我们一直想知道大脑如何有效地解码这些信息。

马丁内斯说：“这是一个非常强大的发展，因为它表明面部表情的编码在您的大脑，我的大脑以及大多数其他人的大脑中非常相似。”

这项研究的合著者，俄亥俄州立大学心理学助理教授，视觉与认知神经科学实验室主任朱莉·戈洛姆布(Julie Golomb)表示，这项研究并没有说明表现出非典型神经功能的人，但是它可以为研究人员提供新的见解。

她说：“这项工作可以有多种应用，不仅可以帮助我们了解大脑如何处理面部表情，而且最终可以使自闭症患者的这一过程有所不同。”

博士生Ramprakash Srinivasan，Golomb和Martinez将10名大学生放入fMRI机器中，并向他们展示了1000多张面部表情照片。这些表达对应于七个不同的情感类别：厌恶，快乐地感到惊讶，快乐地令人反感，愤怒地感到惊讶，恐惧地感到惊讶，悲哀的恐惧和令人厌恶。

虽然有些表达是积极的，而另一些则是消极的，但它们之间都有一些共性。例如，“高兴地感到惊讶”，“愤怒地感到惊讶”和“恐惧地感到惊讶”都包括抬起眉毛，尽管当我们表达这三种情绪时面部的其他部分有所不同。

fMRI检测到大脑中血流量增加，因此研究小组能够获得当学生识别出不同表情时被激活的大脑部分的图像。不管他们在看什么表情，所有学生在同一地区(pSTS)的活动都增加了。