Beyond sensory images: object-based representation in the human ventral pathway

这篇文章攻击的是腹侧视觉通路研究里一个容易被当默认假设的前提：腹侧颞叶那些按类别组织的激活模式，究竟是"视觉图像"的表征，还是超越感觉通道（supramodal）的更抽象的物体形状表征？作者让明视被试用视觉和触觉识别同样的三样东西（人脸、瓶子、鞋），再让先天盲/幼年盲且自报毫无视觉记忆的被试做触觉识别——结果盲人的"视觉"皮层照样出现类别相关的响应模式，而且明视者触觉与视觉识别人造物时的模式在空间分布上显著相关。结论：腹侧通路的物体表征不是感觉图像的副本，而是物体形状的抽象表征。这是 Haxby 组"object form topography"纲领从纯视觉走向跨模态的关键一步。

研究背景

Haxby 等（2001）此前用 fMRI 证明：面孔与物体类别的视觉知觉在腹侧颞叶皮层激起彼此不同、广泛分布且相互重叠的激活模式，这种拓扑组织被称为"物体形状拓扑图"（object form topography），可能反映视觉外观属性之间在视觉、结构或语义上的关系。但一个问题悬而未决：这些表征是"单纯视觉的"，还是"物体形状更抽象的、超模态方面的表征"？相邻工作提供了部分线索——Amedi 等（2001, 2002）与 James 等（2002）发现视觉与触觉的物体识别都激活外侧枕复合体（lateral occipital complex, LO）背部的 LO proper 一带，但它们没有检验两种模态激起的响应模式在拓扑分布上是否相关；而只有模式相关成立，才能说两种模态激活的是同一个表征。更麻烦的混淆在于：明视者触觉识别时"视觉"皮层的活动完全可能只是视觉表象（visual imagery）——闭眼想象摸到的东西——而非超模态表征的激活。

作者的设计正是同时堵住这两个缺口。其一，量化跨模态模式相关：让同一批明视被试分别用触觉（戴眼罩）与视觉识别同样的类别，检验触觉激起的响应模式与视觉模式是否对应。其二，用盲人做裁决性对照：先天盲或幼年盲、自报毫无视觉记忆的被试，若触觉识别仍在其"视觉"纹外皮层激起类别相关模式，则视觉表象解释不攻自破，同时说明这类表征的发育并不需要视觉经验。人造物类别特意选了瓶子和鞋——盲人日常靠触觉识别的常见物体，大小与人脸接近。

研究思路

整个实验的逻辑链是三层递进的排除法。第一层，在明视者身上确立触觉识别也激起腹侧纹外皮层的类别相关模式（跨任务的模式复现性：one-back 任务中某类别激起的模式，应与简单触摸任务中同类别激起的模式相关性高于与异类别的相关性——这是 Haxby 等 2001 分析视觉模式的标准方法，搬到触觉上来用）。第二层，检验跨模态的模式相关：在触觉与视觉都激活的皮层里，比较组内（within-category）与组间（between-category）相关——若触觉识别瓶/鞋激起的模式与视觉识别同类物体的模式显著相关，就说明该区的人造物表征是超模态的。第三层，用盲人排除视觉表象并检验发育前提：盲人若有同样的类别相关模式，表象解释失效，且"视觉经验并非这些模式发育的必要条件"成立。触觉任务还做了个聪明的对照设计：一个 one-back 重复检测任务按类别调整呈现时长（脸 15s、鞋 10s、瓶 5s，使各分类别成绩都超过 90%），一个等时长（5s）、无任务要求的简单触摸任务——若两个任务的类别相关模式一致，就说明结果不依赖任务参数与难度差异。

刺激与操作细节都为"整体形状"服务：触觉刺激是软性类肤材料覆在硬衬上的生命面具（life masks）、无金属的塑料瓶和鞋，装在木杆顶端的有机玻璃平台上被双手探索；戴外科棉手套以压低材质纹理线索；物体交替以 45° 与 315° 两个朝向呈现——预试表明旋转会增加难度、迫使被试建立更整体的表征；指导语明确要求形成"整个物体"的表征而非依赖孤立细节。扫描前被试连续五天各做一小时训练以熟悉物体与任务。

方法

被试共 9 人：5 名明视者（2 女 3 男，平均 33±6 岁）与 4 名盲人（2 女 2 男，平均 53±14 岁；两人先天盲——先天青光眼、晶状体后纤维增生，两人幼年盲——5 岁青光眼、4 岁脊髓脑膜炎，均自报无任何视觉记忆）。fMRI 用 GE 3T 梯度回波平面成像（TR=2500ms，40 层矢状位，层厚 3.5mm，视野 24cm），体素 3.75×3.75×3.5mm；触觉实验每人 8 个时间序列（各 174 卷），视觉实验 12 个序列（各 125 卷），两次扫描隔天进行。视觉任务沿用 Haxby 等（2001）的范式：照片呈现 500ms、间隔 2s、one-back 按右拇指键（另测了房子、椅子、猫、剪刀与打乱图，本文未用）。触觉 one-back 任务用脚踏板作答（右脚"相同"、左脚"不同"），简单探索任务不作反应；每个序列含三个类别各一个 2 分钟的 block（顺序平衡），block 间隔 30s 休息，两任务交替跑。

分析上，用 36 个回归子建模每个类别在每任务中的平均反应及 block 内的线性/二次变化与延迟期反应（另加 8 个头动无关变量）；每个体素相对静息的响应强度以平均反应的 beta 权重估计，并按"该体素对所有类别反应的均值"归一化。触觉显著响应皮层以全回归子的总效应界定（P<10⁻⁸）；物体选择性视觉皮层按类别差异总效应界定（P<10⁻⁶）；皮层分区用解剖学感兴趣区（VOI）：腹侧颞叶（舌回、海马旁回、梭状回）、下颞回（IT，不含枕颞沟）、腹外侧枕叶、背侧枕叶等，范围以 Talairach 坐标界定（如颞区 VOI 取前连合后 70–20mm）。类别相关性的检验：对 one-back 任务与简单探索任务激起的响应模式逐体素计算相关，比较组内与组间相关的强度（配对 t 检验）；跨模态相关则在触觉与视觉都响应的体素上进行（两 session 图像先在 AFNI 中对齐），同样比较组内 vs 组间。

主要结果

1. 触觉识别激活了明视者与盲人的腹侧纹外"视觉"皮层（图1、图2、表1）。两个触觉任务都激起腹侧纹外皮层活动，最稳定的是双侧下颞沟后部；另见腹侧颞叶、下枕叶与背侧枕叶纹外区，以及双侧手区感觉运动皮层、顶内沟与小脑。明视者与盲人的下颞激活位置几乎相同（Talairach 空间质心相距仅 8mm）。

2. 触觉识别的模式是类别相关的，但盲人与明视者的显著区域不同（图3）。明视者：下颞皮层的组内相关显著大于组间相关（P<0.05），腹侧颞叶不显著；盲人：腹侧颞叶显著（P<0.05），下颞皮层方向一致但未达显著（P=0.12）。面孔生命面具与人造物（瓶、鞋）的触觉识别……。

3. 瓶与鞋难以区分、与面孔截然不同——与视觉研究一致（图3）。触觉中瓶/鞋的组内相关与瓶-鞋之间的组间相关无显著差异（明视 r=0.23 对 r=0.00，P=0.12；盲 r=0.19 对 r=0.07，P=0.26）；此前视觉研究（Haxby et al., 2001）中瓶/鞋恰是所有配对里最相似的一对（P=0.04），而面孔与二者差异悬殊（均 P<0.001）。视觉研究中人造物皮层的组内相关均值为 0.33，仅略高于本文触觉的对应值。

4. 触觉与视觉激活的重叠集中在下颞皮层、且偏向人造物区（图4）。明视者中，下颞皮层有视觉响应的皮层里 19±4% 也被触觉激活，腹侧颞叶只有 8±4%（P<0.001）；且这部分重叠皮层主要来自视觉上对瓶/鞋反应强于对脸的区域——对瓶/鞋最大响应的皮层有 25±5% 被触觉激活，对脸最大响应的只有 5±2%（P<0.01）。

5. 跨模态模式相关：人造物显著、面孔不相关（图5）。在明视者触觉与视觉都激活的下颞皮层里，触觉识别瓶/鞋的模式与视觉识别同类物体的模式显著相关——瓶/鞋组内相关显著大于瓶或鞋与脸之间的组间相关（P<0.05）；而面孔的组内跨模态相关实际为负值，且不显著地低于脸与瓶/鞋之间的相关。即触觉识别瓶与鞋在腹侧物体视觉通路中激起的表征与视觉表征密切相关（超模态），触觉识别人脸激起的表征却与视觉人脸表征无关。

6. 盲人的枕颞激活体积更大，但不是难度或总活动水平的假象（表1）。盲人触觉响应的颞叶与枕叶皮层体积显著大于明视者（颞、枕均 P<0.05；如腹侧枕叶 10.7 对 3.3 cc，背侧枕叶 13.7 对 4.4 cc）；反过来，感觉运动与小脑的激活体积反而在明视者中偏大（30.4 对 27.9 cc；21.0 对 18.8 cc）——排除"盲人只是摸得更费劲所以脑活动更大"的解释。

图注解读

图 1 · 触觉/视觉识别的激活图与重叠图：两模态共享下颞区

原文图注：Fig. 1. Brain areas that responded during tactile and/or visual object perception in sighted subjects and during tactile perception in blind subjects. Sagittal and axial images from group Z-score maps of activated areas are shown for the sighted and blind subjects. The inferior temporal (IT) and ventral temporal (VT) regions activated by tactile and visual object perception are indicated. The tactile/visual overlap map shows the areas activated by both tactile and visual perception (shown in yellow), as well as the areas activated only by tactile (red) and visual (green) perception. The white lines in the sagittal images correspond to the locations of the axial slices and, similarly, the white line in the axial slice indicates the location of the sagittal section.

组水平 Z 分数图的矢状与轴位切片：明视者与盲人各一排，标注触觉与视觉知觉激活的下颞（IT）与腹侧颞叶（VT）区；重叠图用三色编码——黄=两模态都激活，红=仅触觉，绿=仅视觉，白线指示切片位置关系。读图要点是黄色区域的位置（下颞沟后部一带），它是后文跨模态相关分析的解剖基础，也支撑"主要结果"第 1 条与第 4 条的"重叠集中在 IT"。

图 2 · 下颞皮层的时间序列：触觉任务同样驱动"视觉"区

原文图注：Fig. 2. Mean time series, averaging across subjects, voxels, and blocks, for the response in inferior temporal cortex during the one-back repetition detection and simple tactile exploration tasks in sighted and blind subjects.

下颞皮层在被试、体素与 block 上平均后的时间序列曲线，明视与盲人、one-back 任务与简单探索任务各一条。读法是看 block 期内信号抬升的形态是否随任务一致——若两个任务都让该区信号明显上抬且形态相似，说明"简单触摸"与"有任务的识别"驱动的是同一个皮层，类别相关模式不依赖任务参数。它为"主要结果"第 1、2 条提供原始信号的直观背书。

图 3 · 跨任务模式相关：组内大于组间才算类别相关

原文图注：Fig. 3. Correlations between patterns of neural response evoked by two tactile recognition tasks (one-back repetition task and simple exploration) in sighted and blind subjects. Each bar represents the mean correlation across subjects × SE. Blue and red bars depict the mean within-category correlations, separating correlations for manmade objects (shoes and bottles) from correlations for faces. Green and yellow bars depict the mean between-category correlations, separating correlations between patterns of response to faces as compared to manmade objects for correlations between patterns to the two categories of manmade objects.

条形图（每条为跨被试平均相关 ± SE）：蓝、红条是组内相关（分别对应瓶/鞋这类人造物与面孔），绿、黄条是组间相关（脸对人造物、瓶对鞋）。判定规则：某皮层若组内条显著高于组间条，其模式即"类别相关"。读图可见明视者在 IT、盲人在 VT 满足此判据；同时瓶/鞋的组内条与瓶-鞋的组间条几乎等高——这正是"瓶与鞋难分"的图形化表达。支撑"主要结果"第 2、3 条。

图 4 · 触觉激活的是哪些视觉皮层：人造物响应区优先被触觉征用

原文图注：Fig. 4. Proportion of visually responsive cortex with maximal responses to faces, bottles, or shoes that was also activated by tactile recognition of objects.

按视觉上最大响应该类别（脸、瓶、鞋）把有视觉响应的皮层分成三组，再统计每组中被触觉识别也激活的比例。读法：瓶/鞋组的比例（25±5%）显著高于脸组（5±2%）——触觉征用的"视觉"皮层不是随机撒网的，它精准落在视觉上偏爱人造物形状的下颞区，视觉上面孔最大化响应的皮层在触觉时基本不被征用（5±2%）。，删除或标注 FFA 定位为推断。此图是"主要结果"第 4、5 条的枢纽：跨模态表征真实存在，但只覆盖人造物形状。

图 5 · 跨模态模式相关：人造物超模态，面孔不跨模态

原文图注：Fig. 5. Crossmodal correlations between category-related patterns of response during visual and tactile recognition. Each bar represents the mean correlation across subjects × SE. Blue and red bars depict the mean within-category correlations, separating correlations for manmade objects (shoes and bottles) from correlations for faces. Green and yellow bars depict the mean between-category correlations, separating correlations between patterns of response to faces as compared to manmade objects from correlations between patterns to the two categories of manmade objects.

与图3 同版式，但相关是跨模态算的（触觉 one-back 模式对视觉模式）：组内条=同一类别触觉与视觉模式的相关，组间条=不同类别之间的相关。关键读法：瓶/鞋的组内条显著高于组间条（P<0.05）——视觉与触觉表征共享同一个模式；面孔的组内条竟为负值且不高于组间条——触觉人脸激起的表征与视觉人脸表征无关。这是全文结论的定音锤，支撑"主要结果"第 5 条。

讨论

作者把证据收拢成一个结论：人造物体形状在下颞皮层的表征是超模态的——触觉识别瓶与鞋激起的表征与视觉识别同类物体激起的表征显著相关；与 Amedi 等命名的 LOtv 几乎重合（该区属于 Malach 等所称 LO 的一部分）。（Talairach 坐标差明视者 5mm、盲人 9mm），而 Amedi 等已显示 LOtv 对小的可抓握物体的视觉呈现反应强于对脸或场景、且对无意义的新异三维黏土物体的触觉探索也有反应——说明它编码的是物体形状而非语义属性。面孔则走了另一条路：视觉上面孔最大化响应的皮层在触觉时倾向不被激活，触觉人脸的模式与视觉人脸模式无关。被试的主观报告给出解释线索：触觉识别人脸时很难形成整脸表象，往往只盯着下巴、鼻子等单个特征完成任务，且报告完全没利用眼部——即触觉识脸更像"把脸当普通物体处理"而非整体构型加工；作者还引证视觉模态内的旁证（面孔倒置妨碍构型加工、并增强非脸物体区活动）来支持这一点。

对"触觉激活视觉皮层是否只是视觉表象"这个替代解释，作者的处理是：明视者一侧确实无法排除表象的作用，但盲人（无视觉记忆）仍有类别相关模式，表象解释不成立；最省力的解释是两组被试动用的是同一个过程——物体形状更抽象的超模态表征。盲人数据还有一层发育含义：拓扑组织的类别相关表征的建立不需要视觉经验，通过其他感觉通道获得物体经验即足以支撑其发育。作者同时承认两点局限：其一，盲人激活体积更大提示某种功能重组（与盲文阅读激活腹侧颞叶、盲人视觉皮层被征用于听觉等非视觉功能的既有报告一致），但样本量小、两组年龄差大，组间差异的结论受限——而且明视者触觉时也使用下颞皮层，说明感官剥夺引起的重组并不是腹侧通路参与触觉的必要前提；其二，瓶、鞋形状互近而与脸远，单纯的形状差异可能部分塑造了类别相关模式，模式究竟反映物体形状还是语义关联，"仍有待确立"。实验控制方面，作者引用此前单独实验证明实验者与刺激移动本身不引起触觉相关区的信号变化，并用双任务设计（变时长可作答 vs 等时长无任务）证明类别相关模式独立于任务参数与难度。

一句话总结

我的理解：这篇文章的杀手锏是那四位"从未见过世界"的被试——腹侧颞叶（梭状回一带）照样立起类别专属模式，下颞皮层也呈同向趋势。，等于宣告腹侧通路的物体表征从娘胎里就不欠视觉一份账。瓶鞋超模态、人脸不跨模态这个不对称也很有意思，它暗示"抽象形状表征"有粒度上限：靠双手拼不出的整体构型（脸）就守在视觉自家篱笆内。当然，4 名盲人、5 名明视者的样本撑不起太重的统计声明，作者自己也把"形状 vs 语义"的问题留给了后来者。