这是一篇关于高级视觉皮层发育机制的理论综述,探讨面孔、文字等范畴选择性功能区在枕颞皮层(OTC)特定解剖位置形成的决定机制。作者将近年发育认知神经科学的证据整合为一个三因素交互框架:既有的感觉刺激特征偏好(what)、视觉计算层级中的适宜阶段(how),以及与大脑非视觉网络的领域特异性结构连接(why),并系统论证了任何单一决定论模型均不足以完全涵盖实证发现。该框架将传统的“先天遗传与后天经验”争论转化为具体的发育约束交互机制,为枕颞皮层的功能特化研究提供了系统的实验检验维度。
研究背景
面孔、文字、身体部位、场景及工具等视觉类别在枕颞皮层呈现出高度一致的空间拓扑分布,推动功能定位研究从单纯的“哪些脑区响应特定刺激”深化至“为何功能区稳定定位于特定解剖位点”。解剖位置的高度跨个体一致性易被归因于严格的先天基因预设,但不同范畴客体的经验习得路径差异显著:面孔知觉贯穿婴儿早期社会交互,而书面文字识别完全依赖儿童期的正规教育,且在人类演化史上出现时间极短。发育成像研究进一步揭示,婴儿早期宽泛的感知偏好与成年期高度特化的选择性存在质的差异,而在早期视觉经验受限或缺失的个体中,部分范畴拓扑依然能够建立。因此,简单将发育机制对立为先天决定或后天经验塑造,难以解释为何某些功能特化依赖明确的训练,却往往在皮层相近的解剖位点稳定出现。
既往理论解释主要围绕三类不同维度的生理约束展开:第一类基于感觉特征偏好,强调中央凹视网膜偏心度、空间频率及基础形状等原生拓扑图的作用,认为特定客体因其固有的物理属性及注视习惯被分配至特定皮层区域;第二类基于视觉计算需求,关注细粒度辨别、整体加工及视点/字体不变性表征的算法约束,从层级计算深度的视角解释功能特化;第三类基于解剖连接约束,强调局部皮层与远端语言、社会认知及动作执行网络之间的结构性白质纤维投射。各类理论均拥有特定的实证支撑,但也面临解释局限:文字选择性的建立依赖与语言网络的投射绑定,无法单纯由二维字形暴露解释;先天盲人枕颞皮层表现出的范畴选择性挑战了视觉光电输入的必要性,但盲人的神经响应在激活幅度和拓扑细节上与明眼人并非完全等价。当前领域缺乏的是在统一的发育理论框架下比较这三类约束,并界定能够鉴别其独立贡献的关键实验依据。
本文将刺激固有属性(what)、计算层级所处阶段(how)以及表征服务的行为目标与网络连接(why)整合为一个动态交互模型。作者系统梳理了婴儿功能成像、非人灵长类早期面孔剥夺、学龄前识字纵向追踪、先天失明者跨模态表征以及新范畴实验室知觉训练等多源证据,分别评估单一决定论解释的适用边界。面孔与文字的比较提供了极具价值的理论对照:二者共享高分辨率的中央凹注视需求,却具备截然不同的经验习得窗口与远端投射网络。该框架旨在为后续实验设计建立约束规范,而非预设各因素的固定权重。需要指出的是,在自然发育中感觉暴露往往与认知使用相伴发生,基于结构的连接预测亦不能直接确立信息流动的因果方向;鉴于各范畴的实证证据强度不一且部分临床样本量有限,理论归纳需严格区分普遍性约束条件与已验证的发育因果机制。
研究思路
作者将功能定位问题解构为三个逻辑问句:待表征客体具备何种感觉特征(what)、需要何种深度的视觉计算(how)、以及该表征在全脑认知系统中服务于何种行为目的(why)。这三个维度分别对应于视觉特征的原生拓扑分布(例如面孔识别依赖高空间频率与中央凹注视,倾向定位于低偏心度皮层)、类别表征所需的计算层级(面孔与文字均需克服视角或字体的局部变形以抽取高阶不变量,依赖高级腹侧流)、以及客体所属的认知功能网络(面孔对应社会认知网络,文字对应左半球语言网络),后者决定了其与杏仁核、内侧前额叶或外侧裂周皮层的解剖连接走向。
研究首先阐明枕颞皮层原生功能组织构成了三因素起作用的解剖土壤:范畴选择区并非孤立分布的功能岛屿,而是与视野偏心度图谱、空间频率图谱及几何形状图谱共存并交织分布,且这些特征图谱在系统发育上早于特定客体选择性的建立。随后,结合多模态发育证据(低龄婴儿成像、早期剥夺模型、学龄期识字纵向随访、盲人听觉替代范式以及人工物体学习)检验各理论假设,逐一论证“纯刺激论”、“纯计算论”与“纯连接论”在面对特定经验现象时的解释盲区,并据此构建多重约束的交互发育模型。
方法
本篇为理论综述,核心方法体现于跨学科、多物种实证证据的系统整合与逻辑推演(文中所用图 1 fMRI 图像为作者此前未发表的代表性单被试数据,用于呈现个体水平范畴特化的空间强度)。文中系统整合的关键实验证据包括五条主线:(1) 低龄人类发育成像——4–6 月龄婴儿的 fMRI 扫描(呈现面孔对比场景的早期分化,但缺乏成熟的面孔对比物体特异性)以及出生数日内新生儿的稳态视觉诱发电位(SSVEP,验证对正立面孔几何模板的微弱频带调谐);(2) 感觉剥夺实验——自幼未接触面孔视觉刺激的猴模型在 8–9 月龄时的 fMRI 评估;(3) 纵向队列追踪——儿童识字教育前后的连续 fMRI 跟踪(揭示未来梭状回视觉词形区 VWFA 位点在训练前后的表征演变),以及 5 岁学龄前白质结构连接对 8 岁识字后 VWFA 精确位点的预测;(4) 先天盲人群体研究——利用范畴特征声音(如欢笑、咀嚼、器械声)诱发枕颞皮层跨模态激活并对比其与明眼人视觉范畴的空间拓扑吻合度;(5) 人工新客体知觉训练研究。在论证逻辑上,采用“单因素排他检验”,通过寻找对立实验证据界定单一决定论模型的适用边界。
主要结果
- 枕颞皮层具备先在的多维特征拓扑底图。 范畴选择性脑区之间存在丰富的解剖连接与功能重叠,弱选择性体素广泛分布于全皮层;功能区按生物学生命属性呈现层级聚集(如腹侧皮层中“有生命”偏好区相对偏向外侧);即使在选择性峰值区域,神经元亦呈现分级调谐而非排他性单响应。枕颞皮层内并存着视野偏心度、空间频率及几何形状等多张先在图谱,它们独立于高级范畴而存在;范畴选择性不能简单还原为特征图谱,但与其呈现出系统的解剖对应——面孔与词形区严格分布于中央凹视野偏置区,场景区位于外周视野偏置区,工具与一般客体居中(图 1)。
- 发育证据表明范畴选择性经历“宽泛偏好至精细特化”的发展,且依赖特定经验输入。 4–6 月龄婴儿在腹侧 OTC 已表现出“面孔对比场景”的显著差异,但未检出“面孔对比一般物体”的特异性选择;新生儿 EEG 显示正立面孔模板反应强于倒置模板,但与打碎图案无显著差异,反映了依赖原生低阶空间频率图谱的粗糙偏好。关键的反向证据来自早期面孔剥夺猴研究:自幼完全隔离面孔刺激的猴子,其对其他客体(如手部、场景)的选择性及视野偏心度组织发育完全正常,唯独经典面孔斑块未能形成,后续补足面孔暴露亦无法完全诱导正常斑块产生;正常猴的面孔斑块则稳定落入偏好低偏心度刺激的原生皮层区域(图 2A–C)。
- 视觉词形区(VWFA)证实结构连接早于功能特异性建立。 纵向 fMRI 随访显示,日后发育为 VWFA 的左侧梭状回位点在正规识字教育前,对文字并无特异性选择(仅表现出对工具的微弱偏好及中央凹视野偏好);在完成一年识字教学后,该解剖位点迅速建立显著的词形特异性;而文盲成人终生缺乏成熟的 VWFA 激活。前瞻性弥散张量成像(DTI)分析显示,儿童在 5 岁(识字前)时左侧梭状回向外侧裂周语言脑区的结构性白质连接概率,能够显著预测其 8 岁识字后词形选择性体素的精确解剖分布(图 2D–E)。
- 先天失明者呈现与明眼人拓扑对齐但激活幅度偏弱的跨模态范畴特化。 先天失明个体在阅读盲文时激活的皮层位点与明眼人阅读书面文字时的 VWFA 解剖位置高度吻合;当聆听情感人声或范畴特征声音(笑声、脚步声、工具敲击声)时,盲人枕颞皮层中面孔、身体、场景及工具选择性区域的空间排列构型与明眼人观看对应视觉刺激时的激活图谱呈现显著相关(图 2F)。这些个体自幼缺失视网膜光电输入及视野偏心度注视经验,表明特定认知领域的非视觉交互连接足以在一定程度上引导范畴功能区的拓扑分布,但盲人跨模态激活的总体信号幅度系统性弱于明眼人。
- 多因素实验操纵揭示单一机制的非充分性。 人工新客体知觉训练表明,训练诱发的多体素模式形变与刺激的几何特征直接相关;改变测试的计算要求(如要求细粒度个体辨别对比一般分类)同样会重构皮层的激活分布;当训练人工符号作为视觉词形使用时,选择性特异性转移至左侧而非右侧梭状回。综合证据表明:纯刺激论无法解释盲人无视觉输入下的拓扑重现与 VWFA 的突发特化;纯计算论无法解释专家物体识别区未能完全重合于面孔斑块的现象;纯连接论难以说明具备不同低阶形状的新范畴在相同任务要求下为何落入不同皮层位点(图 3 总框架图)。
图注解读
图 1 · 皮层表面上的类别选择性区域
原文图注:Figure 1. Category-Selective Areas on the Cortical Surface. To illustrate the strength of this selectivity up to the individual level, data are shown of a single representative subject, from an unpublished fMRI experiment viewing stimuli of several categories, contrasting the fMRI blood oxygen level dependent response to the target category against all other categories. Results are projected onto the inflated cortical surface. The top left and right depict lateral views of left and right hemisphere and the bottom depicts a ventral view. The white lines at the occipital pole indicate the position of primary visual cortex (V1) for reference.
单例代表性被试的 fMRI 数据投影于充气皮层脑图表面:左上与右上分别展示左右半球外侧面,下方展示腹侧底面观,枕极白线勾勒出初级视皮层(V1)解剖界限。彩色斑块标示目标范畴对比所有其他范畴的特异性激活,直观呈现了面孔区(FFA)、场景区(PPA)、词形区(VWFA)及外侧枕叶复合体在个体解剖上的空间离散分布格局。

图 2 · 类别选择性区域发育的近期发现
原文图注:Figure 2. Recent Findings on the Development of Category-Selective Areas. (A) A faces-scenes contrast shows typical face and scene selectivity [in fMRI percent signal change (PSC)] in ventral occipitotemporal cortex (OTC) in 6-month-old infants (left). However, voxels show no selectivity for the faces-objects contrast (right). Adapted from [21] . (B) Increase in electroencephalography (EEG) response to face templates at the repetition frequency as compared with inverted, but not scrambled face template stimuli, in newborns. Adapted from [19]. (C) Canonical face-selective patch areas fail to develop in faces-deprived monkeys relative to controls (left), while selectivity for other stimulus categories and its relationship to eccentricity bias is preserved (right). Adapted from [16]. (D) Top left: lack of word form selectivity before schooling (Session 2). Bottom left: clear selectivity at end of the school year (Session 6). Right: activation to image categories in a region of interest (ROI) defined by responses from sessions 6 and 7 (not depicted). Adapted from [18]. (E) Connectivity at age 5 predicts future location of word-form-selective voxels [in arbitrary units (AU)] after children become literate (at age 8). Adapted from [17]. (F) Maps of preferred category in ventral OTC are strongly correlated between sighted and congenitally blind participants based on, respectively, visual and auditory category stimuli. Adapted from [20].
六组面板汇聚了关键发育证据:(A) 6 月龄婴儿呈现面孔对比场景的显著激活,但在面孔对比物体上尚未分化;(B) 新生儿 EEG 在基频处对正立面孔展现出高于倒置面孔的弱调谐;(C) 自幼剥夺面孔经验的猴模型中面孔斑块完全缺失,但非面孔范畴选择性及偏心度组织保持正常;(D) 纵向随访证实学龄前儿童缺乏文字特异性,而一学年识字教育后 VWFA 迅速确立;(E) 5 岁时的白质解剖连接概率准确预测了 8 岁识字后词形选择性体素的解剖分布;(F) 先天盲人基于听觉范畴刺激构建的腹侧皮层偏好图谱与明眼人视觉图谱呈现高度空间相关。

图 3 · 类别选择性区域发育位置的三因素框架
原文图注:Figure 3. Framework on Where Category-Selective Areas Develop. (Left) Before experience-driven learning with categories such as faces and words, there are already several factors in place in occipitotemporal cortex (OTC) and in the brain at large. As an example, a large region within OTC (oval) is positioned at the high-level (oval has green outline) in the computational processing hierarchy with preceding regions (green circles) that are at the low- or mid-level, respectively; already consists of several topographic maps of stimulus features [pink gradient within oval, e.g., retinotopic map showing foveal (upper part) to peripheral bias (lower part)]; and has several domain-specific connections to other regions in the brain (orange circle and arrow, e.g., social cognition domain, blue circle and arrow, e.g., language domain). (Middle) Experience-driven learning takes place: for example, experience with faces and words. (Right) The already present factors in the large region within OTC (oval) constrain where such category-selective areas will emerge: FFA (fusiform face area, red circle) develops in the high-level part of the hierarchy within the visual system (given its processing requires holistic computations), where there is already selectivity for stimulus features related to faces such as a foveal bias, and where there are connections to the specific domain relevant for faces (social cognition). VWFA (visual word form area, dark blue circle) also develops in the high-level part of the hierarchy within the visual system (given its processing requires recognizing font-invariant letters and incorporating multiletter statistics), where there is already selectivity for stimulus features related to words such as a foveal bias, and where there are connections to the specific domain relevant for words (language).
发育总框架结构图按时序演进展现实体模型:左侧“经验积累之前”,枕颞皮层大区(椭圆)已具备三个先在生理约束——处于高级视觉计算层级末端(绿色轮廓)、包含原生感觉特征拓扑图谱(粉色渐变指示中央凹至外周视野偏置)、以及通往特定非视觉脑区的白质连接通道(橙色指示社会认知网络,蓝色指示语言网络);中间阶段为面孔或书面文字的后天经验学习进程;右侧为发育落点——FFA(红圈)与 VWFA(深蓝圈)分别定位于“高阶计算需求(整体加工或多字母统计)+ 感觉特征偏置(中央凹偏好)+ 领域连接通道(社会认知网络或语言网络)”三组约束的交集解剖位点。

讨论
作者将枕颞皮层的功能特化总结为多重先天约束与后天功能需求共同作用的结果:客体表征的感觉特征(what)依托原生视野及形状图谱提供空间分布基准;识别任务所需的算法复杂度(how)决定其在皮层计算层级中的阶段;而客体在行为系统中所服务的功能领域及其白质投射(why)决定了其最终的解剖位点。在这一框架下,作者与当前的主流假说进行了对话:单纯的感觉特征决定论(如偏心度偏置假说)无法解释先天盲人缺乏视野投射时的表征对齐,亦无法解释 VWFA 在识字前的迟钝反应;纯粹的计算复杂度假说(如视觉专长模型)难以解释客体专业化训练诱发的神经重塑为何未能完全复刻面孔斑块的空间分布;而极端的先天连接决定论则受限于盲人群体中显著降低的神经信号强度以及对新客体几何特征的敏感性。
此外,作者强调了经验的“功能性使用”与单纯“感觉暴露”之间的关键区别:文盲群体并不缺乏对自然环境中印刷字符的被动视觉注视,其缺陷在于缺乏将二维字形符号映射至内部语音和语义系统的领域行为练习;类似地,早期面孔剥夺猴缺乏的不仅是面孔图像的光电刺激,更缺乏利用面孔开展社会交流与情绪感知的行为交互。因此,功能的神经特化需要具备行为目的的闭环交互经验。作者同时指出了理论模型的未决议题:三个因素在发育时程上究竟遵循固定的时间先后序列还是呈现双向迭代交互;各范畴在三个维度上的具体权重分配;以及盲人样本量受限带来的效应量不确定性等,均为后续纵向因果实验留下了探索空间。
一句话总结
综述提出了高级视觉皮层范畴功能特化的三因素交互框架,指出特定客体选择性脑区的解剖分布是由原生感觉特征图谱(what)、层级计算需求(how)以及领域特异性远端网络连接(why)三维约束共同界定的发育交集,打破了先天预设与后天经验对立的二元争论,为皮层功能组织的形成机制提供了综合视角。