IT / 文献库

PAPER 085 / CLOSE READING

Studying the visual brain in its natural rhythm

语义审核:pass · 图表审核:pass

本文目录 (Table of Contents)
  1. 研究背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 图注解读
    1. 图 1 · 固视范式:领域的默认设定
    2. 图 2 · AF 面孔斑神经元:闪现图片下同质,自然电影下分道扬镳
    3. 图 3 · 两条数据驱动路线:给神经元画全脑地图,让算法来设计刺激
    4. 图 4 · 自由活动后浮出水面的真实世界几何
  6. 讨论
  7. 一句话总结

该文是关于灵长类“自然主义视觉”(naturalistic vision)研究范式的观点综述。作者评述了在放宽头部与视线固定约束、引入动态视频、自由注视及自由活动后,高级视觉皮层研究所展现的新现象。文章指出,长期主导视觉神经科学的高度受控固视范式奠定了当前的特征表征理论,但在连续自然刺激与自主行为节律下,静态表征框架在解释皮层局部异质性与全脑动态交互时面临解释局限。

研究背景

固定头部、保持注视并短暂呈现单个刺激,长期构成视觉神经科学的主要实验范式。这种控制使研究者能够稳定比较感受野、特征选择性和反应潜伏期,并结合解剖连接与损伤证据建立从早期视觉皮层到下颞叶的层级框架。面孔细胞、类别选择区和物体表征等概念,也多在这类刺激与行为条件下得到明确描述。它们的解释力来自把复杂视觉过程分解为可重复的比较,但实验排除了什么,同样决定了理论能够覆盖什么:对孤立图片的平均偏好,并未直接说明神经元在连续生活场景中如何组织活动。

自然视觉的差别不只是画面更复杂。眼动、身体运动和物体运动持续改变视网膜输入,观察者还会根据目标、注意和社会互动主动选择下一步看哪里。真实场景包含大小与距离的歧义、自运动视差以及跨时间延续的事件,而固定注视的短暂刺激通常无法呈现这些关系。电影与自由观看研究已显示,即使相邻神经元在闪现图片下都表现为面孔偏好,它们对同一段自然视频的响应时间过程仍可能十分不同。这样的发现提出了具体缺口:既有类别标签是否压缩掉了关键动态维度,局部功能区内是否还包含联系不同网络的亚群,以及刺激运动与自身眼动引起的图像变化是否被区别处理。

本文沿着逐步放松行为约束的路线,评述电影成像、自由观看单细胞记录、社会互动及自由活动研究,并讨论以共同电影时间线联系单细胞和全脑信号、用数据驱动方法寻找有效刺激的可能性。其目标是检验传统概念在自然节律下还能解释哪些现象,而不是仅给受控实验换上复杂背景。作为观点综述,它并未提供一套已经取代表征框架的新理论;电影观看也仍不同于能主动改变环境的真实互动。自然条件中的变量高度相关,全脑时间相关图不能直接证明解剖连接,放松控制带来的现象还需要有针对性的实验拆解,才能判断哪些反映新的视觉计算。

研究思路

作者采用"从现状出发、逐级放开约束"的综述策略:先剖析领域赖以立足的表征主义根基(第 1 节),然后沿着控制程度递减的方向展开——从电影自由观看下的全脑成像(第 2 节),到面孔区神经元在传统与自然条件下的直接对比(第 3 节),再到真实社会互动(第 4 节),然后讨论自然视觉与计算方法(数据驱动建模、刺激合成)的汇合点(第 5 节),最后展望完全自由活动的动物实验及其将带来的四个几何/时间维度上的概念冲击(第 6 节)。这条逻辑线的暗线是:每当约束放松一档,某个被视为"安心"的概念(如"face cells"、严格功能分离、以视角为单位描述刺激)就会暴露出裂缝;作者由此论证自然主义方法不是锦上添花,而是对领域概念体系的一次压力测试。

方法

本文是综述/观点文章,不涉及新数据采集,覆盖电生理与功能成像两条技术线、人类与猕猴(及少量狨猴、蝙蝠、大鼠)两类对象。其"素材"方法可概括为三类:(1)自由观看 fMRI 研究及其派生分析工具——被试间相关(inter-subject correlation,Hasson 等 2004 起)、时间共变网络分析(Bartels & Zeki 的"时间构筑学" chronoarchitecture)、时间感受窗(temporal receptive window)层级、连续语义空间(Huth et al 2012),以及跨物种活动相关(Mantini 等);(2)单细胞与 fMRI 的"混合"方法——如 Park 等(2017)用外部电影的共同时间线,把全脑 fMRI 体素时间课程当作对单单位活动的"读出",为每个神经元生成一幅与全脑的相关图;(3)数据驱动的刺激合成——把神经反应实时回馈给刺激生成器做遗传算法式迭代,或用深度生成网络优化图像(Ponce et al 2019)。作者声明聚焦于与人类和非人灵长类高级视觉特化最相关的研究。

主要结果

  1. 自由观看下,眼动与刺激运动的皮层分工截然不同。Russ 等(2015, 2016)把猕猴自由看电影时的血氧响应拆成两个成分——电影画面自身的运动与被试自己眼动造成的视网膜扫动——发现眼动运动强烈调制 V1、V2、V3 等早期视网膜拓扑区,却对上颞沟(STS)区域(含 MT 及其卫星区、面孔/身体选择斑块)影响很小;刺激运动则强烈影响 STS 区而对早期区作用相对较小。这暗示一种可能根本性的脑组织原则(p2-3)。
  2. "面孔细胞"在自然电影面前站不稳。McMahon 等(2015)记录猕猴前fundus(AF)面孔斑内不足 1 mm³ 内密集排列的面孔选择神经元,发现它们对闪现图片的分类选择高度一致(图 2A),且在电影观看下对同一视频的多次呈现反应仍可重复;但邻近神经元对电影的时间课程却显著互不相关(图 2B)——名义上的同类"面孔细胞"其实在响应闪现实验未触及的动态与空间维度(p3-4;图 2)。
  3. 同一毫米级皮层块内藏着多个功能亚群。Park 等(2017)把每个 AF 神经元的电影响应时间课程与全脑 fMRI 体素时间课程做相关,得到神经元专属的"全脑地图":相邻神经元的相关地图高度分化,说明局部群体在长程输入与视觉运算上异质;同样的局部多样性见于其他面孔斑与丘脑枕(pulvinar)(Park et al 2018)。这动摇了"严格功能分离"的观念——同一位置容纳着加盟完全不同脑网络的多个相互混杂的亚群(p3-4;图 3A)。
  4. 数据驱动与计算方法正在接管"意义提取"。基于活动实时迭代的刺激合成(遗传算法、深度学习)能为面孔区神经元找到诱发最强发放的优化图像(Ponce et al 2019)——这些图像并非可辨认的物体,而是常隐约像动物之类的彩色轮廓与表面马赛克(图 3B)。作者认为这类生成式方法虽仍带表征主义印记,却为思考高级视觉特化开辟了全新方向(p5;图 3B)。
  5. 自由活动将把四个被排除的维度带回视野。(i)真实场景几何:视网膜像无法唯一确定物体大小与距离,腹侧通路可能利用同类的绝对尺寸来标定空间尺度,人类 fMRI 已发现真实世界尺寸对物体表征的组织(Konkle & Oliva 2011, 2012)(p5;图 4A);(ii)全景沉浸:中央 10 度视野只占视野不足 0.5%,而研究外周反应的实验少之又少,Podvalny 等(2017)在自由转向的人类患者中发现大扫视强烈影响早期视网膜拓扑皮层却不影响面孔选择皮层——与猕猴自由观看 fMRI 结果平行,或为知觉稳定性指标(p6);(iii)自运动视差(motion parallax):这个最古老、最少被研究的深度线索,恰因几乎所有视觉实验都固定被试而被系统性消除(p6;图 4B);(iv)时间连续性:自然视觉的神经动态是连续的、跨多个时间尺度的,大鼠研究提示某些脑区在数秒以上的尺度上显式表征时间本身(Howard & Eichenbaum 2015)(p6-7)。

图注解读

图 1 · 固视范式:领域的默认设定

原文图注:Fig. 1. Fixed-gaze paradigms used in humans and nonhuman primates. The dominance of these paradigms, where the subject is immobilized, the head restrained, and the gaze maintained on a small point (black circle) during the presentation of visual stimuli (red cross), has strongly shaped theories of visual neuroscience.

这是一张示意性的"范式自画像":被试被固定、头部受约束、注视点为黑色小圆圈,视觉刺激以红十字呈现在屏幕上。它不是数据图,而是全文批判的靶子——作者用它说明人类与灵长类研究被这类"冻结行为"的范式主导,因此视觉理论天然带着"刺激短暂闪现、注视锁定"的隐含假设。放在全文开头,作用是为后文"自然条件下的脑如何反应"之问铺垫。

Figure 1

图 2 · AF 面孔斑神经元:闪现图片下同质,自然电影下分道扬镳

原文图注:Fig. 2. Responses of single neurons in the macaque anterior fundus (AF) face patch to flashed images from different categories (A) and to a 5-min video depicting primate social interaction (B). A. Each row in the heat map corresponds to an individual neuron, and each column is the average spiking response to a particular image. The image categories are shown at the bottom, revealing a strong bias for responding to faces, as is typical among neurons in macaque face patches. On the right are the mean category responses of eight example neurons. B. Movie responses are shown for the same eight example neurons.

A 面是一张热图:每行一个神经元、每列一张图片的平均发放反应,底部标出图片类别(面孔、身体等),整片热图向"面孔"列亮起,显示这些神经元对闪现图片的类别选择高度一致——这正是面孔斑的教科书性质。右侧再画出 8 个示例神经元的平均类别反应曲线。B 面换到 5 分钟灵长类社交互动视频:同一批 8 个神经元对视频多次呈现的光栅图(raster)叠加蓝色发放密度曲线,重复性虽强,但 8 个神经元的时间课程彼此几乎不相关。这张图支撑第 2 条结论:分类同质性只适用于闪现刺激范式,自然条件下同斑块神经元各自追踪不同的动态特征,"面孔细胞"作为一个整体概念开始松动。

Figure 2

图 3 · 两条数据驱动路线:给神经元画全脑地图,让算法来设计刺激

原文图注:Fig. 3. Data-driven approaches to understand the functional specialization of single neurons in high-level visual cortex. A. Single-unit mapping of individual time courses of neurons onto voxels across the brain (Park et al., 2017). This method uses fMRI-responses to video content as a way to interpret the response time courses of single neurons. Within macaque face patches, neighboring single neurons show highly divergent correlational maps with the rest of the brain, indicating a heterogeneity of long-range inputs and visual operations in the local neural population. B. Single-unit based design of visual images using deep learning methods (Ponce et al., 2019). Optimized stimuli are determined through multiple iterations of neural recording and stimulus modification.

此图分两栏展示"数据驱动"路线的两翼。A 栏示意 Park 等(2017)的方法链:以 15 分钟电影为共同时间线,把单个神经元的时间课程与全脑 fMRI 体素的时间课程逐一相关,得到每个神经元自己的全脑相关图——图中相邻神经元的相关地图差异悬殊,说明同一小皮层块内的神经元挂着不同的长程网络,对应第 3 条结论。B 栏示意 Ponce 等(2019)的生成式闭环:记录反应—算法修改刺激—再记录,多轮迭代后收敛出的优化图像(那些隐约像动物的彩色马赛克)。两栏合起来体现作者"计算方法与自然视觉汇合"的论点:前者是解读自然活动的工具,后者是从大脑自身偏好出发重新发现刺激的逆向工程。

Figure 3

图 4 · 自由活动后浮出水面的真实世界几何

原文图注:Fig. 4. Real world geometrical considerations that come to the fore when visual experiments involve unrestrained animals. A. Constraints of real object size on the brain's interpretation of visual images. Three example combinations of object size and distance that generate same two-dimensional retinal image are depicted. The practice of describing the size of visual objects in degrees of visual angle, which corresponds to the retinal geometry, is inherently ambiguous and may not match the brain's encoding of objects. B. Deducing 3D volumetric structure and spatial relations through self-motion. The example shows the experience of an observer across time induced by its self movement in three-dimensional scene.

A 面画出三组"大小×距离"的组合,它们在视网膜上投影成同一个二维像——说明用"度视角"描述刺激大小天然歧义,大脑未必按视网膜几何编码物体,而可能直接关联物体的物理尺寸与观察者距离(作者预测绝对尺寸信息嵌入在物体表征中)。B 面画的是观察者在三维场景中自运动时随时间获得的一系列视角,强调自运动视差是理解场景三维结构最基本却最少被研究的线索。这张图为第 6 节的展望服务:一旦动物不被固定,这些被固视范式系统性抹掉的几何量就会回到实验视野,可能改写高级视觉特化的解释。

Figure 4

讨论

作者在讨论中审视了传统静态表征主义框架在离开高度受控实验情境后的解释边界,指出自然节律下的高级视觉运算需要新的概念工具与实验方法: 1. 范式演进与理论借鉴:类似于啮齿类海马位置细胞与网格细胞在自由活动范式下的确立(O'Keefe 1976;Moser et al. 2008)及其拓展至社会空间编码(如蝙蝠与大鼠海马的“社会位置细胞”,Omer et al. 2018),灵长类视觉认知系统同样可能高度特化于动态社会互动与自然空间导航中的连续状态表征。 2. 技术突破与模型动物:无线多通道神经记录系统与基于深度学习的无标记姿态追踪(如 DeepLabCut)的发展,使非人灵长类的自由活动电生理记录成为可能。体型较小且具有丰富社交发声与视线交流行为的普通狨猴,成为开展社会交互与自然视觉研究的重要动物模型。

作者同时指出了自然主义研究路径的方法学挑战: - 自然动态刺激中的物理与语义特征高度共变,使得归因特定神经反应维度的因果控制难度增加; - 双被试交互式范式尚处于技术起步阶段,跨脑区及跨个体的大规模同步数据解析仍需更严谨的数据驱动与系统建模方法; - 目前自然主义实验多在揭示传统表征分类模型的局限性,尚未构建起完整替代传统层级前馈理论的动力学新框架。

一句话总结

该文评述了灵长类自然主义视觉研究的范式演变,指出在动态连续输入与自由行为节律下,高级视觉皮层神经元表现出超越静态类别表征的高维异质性与全脑网络联动,凸显了在更贴近生态环境的条件下重新审视视觉计算理论的必要性。

审校与证据追溯

当前来源未附审校评注。请参照上方登记状态。