IT / 文献库

PAPER 151 / CLOSE READING

Unique semantic space in the brain of each beholder predicts perceived similarity

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 · 实验设计:成对被试与多次排列任务
    2. 图 2 · RSA 流程与 hIT 共享的类别几何
    3. 图 3 · 自己 vs 他人:i-index 的构造与示范
    4. 图 4 · 关键结果:hIT 独有几何预测熟悉物体的个体判断
    5. 图 5 · 七个 ROI 的完整总表
  6. 讨论
  7. 一句话总结

本研究探讨了大脑视觉客体神经表征中的个体特异性成分。作者通过两次相隔约两周的功能磁共振成像(fMRI)扫描与成对被试实验设计证实,初级视皮层(EVC)与人类颞下皮层(hIT)的表征几何结构(representational geometry)在跨天测量中具备可复现性,同时包含统计学显著的个体特异性成分;此外,hIT 的该特异性表征能够定量预测被试个体对于“哪些客体相似”的主观认知判断,该预测效应在具有个人自传体意义的熟悉客体中尤为显著。该工作应用表征相似性分析(RSA)探讨了主观知觉经验的个体差异与多维皮层表征之间的定量对应关系。

研究背景

既往视觉神经科学研究多侧重于探讨跨受试者共享的皮层功能组织规律:人类下颞叶(hIT)皮层存在面孔、地点等功能特化区,包含拓扑分布式表征,并在表征几何中呈现出依据自然语义类别的空间聚类。采用群体平均分析有助于提炼这些普遍规律,但容易将个体之间的表征方差视为随机测量噪声。部分研究虽然将皮层解剖构筑、单变量激活强度或颜色、尺寸等基础物理维度同个体差异相关联,但在多维复杂客体空间中,主观相似性认知判断是否由高维皮层神经表征模式所预测,此前仍缺乏直接实证。

系统评估表征空间的个体特异性需要解决两项关键方法学前提:其一,个体差异必须在跨时间周期的重测中保持高度稳定,以排除受试者瞬时状态或仪器漂移等短期波动;其二,客体熟悉性与物理图像属性必须实现严格实验解耦——个人自传体照片通常蕴含丰富的情境线索与情绪联系,若单纯对比个人私有照片与实验室标准刺激,所得效应将无法区分是源自图像底层的物理特征还是个体内在的生活经历。研究预期,hIT 皮层与内侧颞叶记忆网络之间的大量往返神经投射,可能促使熟悉客体在表征中整合更多的个体经验成分;而早期视皮层的个体变异则更可能反映局部解剖结构或早期自下而上注意分布的差异。

研究思路

实验设计围绕三层解耦逻辑展开:第一,实现熟悉性与图像物理属性的解耦:将 20 名受试者两两配对(共 10 对),每人均观看 18 张来自本人私人相册的照片(具有个人自传体意义)、18 张来自配对同伴相册的照片(对本人而言属于陌生图像),以及 36 张所有受试者共同观看的无关联标准图像——使得针对同一套视觉图像,熟悉与否完全取决于受试者身份而非图像物理参数;第二,实现时间稳定性与个体特异性的解耦:每位受试者完成两次间隔约两周的独立扫描,分别构建基于体素模式的表征相异度矩阵(RDM,计算两两条件间 1 减去皮尔逊相关系数);定义个体化指数(individuation index, i-index)为受试者内部跨天 RDM 相关系数与受试者间 RDM 相关系数的均值差,以此定量检验自身跨天重测信度是否显著高于与他人的模式相似度;第三,建立神经表征特异性与行为知觉特异性的定量映射:采用多次排列任务采集受试者的行为学主观相似性 RDM,检验某一受试者的皮层神经表征预测其自身的行为相似性评分是否显著优于预测其他受试者的行为,以此确立皮层表征几何对主观认知偏好的特异性承载。

方法

实验纳入 20 名健康成年受试者(10 名女性,平均年龄 22.3 ± 4.12 岁,视力正常或矫正正常),每人完成两次独立扫描,中位时间间隔为 11.5 ± 9 天。视觉刺激集涵盖身体、面孔、场景及人造工具四类,共 72 张图片,个人相册图像严格对应预先定义的语义槽位(如本人面孔、亲属面孔、个人车辆、钥匙、卧室等),所有图像均标准化裁剪至 600×600 像素,中央视场呈现视视角约 10°。扫描采用事件相关设计,受试者执行中央十字注视点反常检测任务。功能成像在 3T 西门子 Tim Trio 扫描仪上采集(12 通道头线圈,T2* 加权 EPI 序列,3×3 mm 面内分辨率,3.75 mm 层厚,TR 2 s),共采集 9 个 run。数据未做空间平滑处理,保持个体原始解剖空间,通过 GLMdenoise 算法估计单个刺激条件的反应 beta 图并转换为 t 统计量作为 RSA 输入。行为学数据通过多次排列(multiple arrangement, MA)方法获取:受试者在二维屏幕上拖拽排列 72 张图片,利用自适应算法使得屏幕上的几何距离反映两两客体的主观相异度,该方法在前期研究中报告的重测信度为 r = 0.81。感兴趣区(ROI)包含基于解剖掩膜提取的早期视皮层(EVC,覆盖 V1–V3 反应最强的 1200 个体素)与人类颞下皮层(hIT,覆盖后、前颞叶最强的 1200 个体素,涵盖 LOC、FFA 与 PPA)。统计推断通过打乱刺激与受试者标签构建置换零分布,实施严格的多重比较校正。

主要结果

  1. 皮层表征几何结构具备跨天重测稳定性:针对陌生客体刺激,EVC 内部跨天 RDM 相关系数为 r = 0.32、hIT 为 r = 0.42(P 均 < 0.0001),跨被试间平均相关分别为 0.23 与 0.32;针对个人熟悉客体刺激同样稳定(EVC 跨天相关 0.20,hIT 跨天相关 0.40)。这证实表征几何测量具有跨时间的测量可靠性(图 3)。

  2. 跨个体共享的客体语义拓扑架构:hIT 皮层的群体神经反应模式呈现出清晰的身体、面孔、场所与工具聚类特征,其第一主分离维度为生物与非生物客体;行为主观相似性判断呈现相似的层级划分,hIT 神经 RDM 与行为判断 RDM 的相关系数约为 0.22–0.23(P < 0.0001),而 EVC 神经 RDM 与主观行为判断无显著相关(相关系数在 −0.04 至 −0.01 区间;图 2)。

  3. 神经表征中存在统计学显著的个体特异性成分:在陌生客体条件下,EVC 与 hIT 的神经个体化指数(i-index)分别为 0.09 与 0.10(P 均 < 0.0001);在个人熟悉客体条件下,hIT 的 i-index 保持为 0.10(P < 0.005),而 EVC 下降至 0.03 且无统计学显著性,且 hIT 的个体化水平显著高于 EVC。基于非噪声信号方差折算,hIT 中个体独有表征成分约占总信号方差的 12.5%(图 4A)。

  4. hIT 独有表征特异性预测熟悉客体的主观知觉偏好:针对陌生客体,脑-行为个体化指数在 EVC(−0.007)与 hIT(−0.008)均不显著;而针对个人熟悉客体,hIT 的脑-行为个体化指数达到 0.05(经校正 P < 0.01),表明受试者自身的 hIT 表征几何能够显著预测其个人行为判断中超出群体均值的特异性成分;相比之下,EVC 的脑-行为个体化指数在熟悉条件下依然不显著(0.02;图 3B、图 4B)。

  5. 亚区分析与感知调控表现:在七个候选 ROI 的系统分析中(图 5),个体跨天重测一致性普遍显著,而表征与行为的特异性关联集中表现在 hIT 皮层;类别内细分距离分析显示类别内部的相对表征间距在 EVC 与 hIT 均表现出个体独特性;个人熟悉照片引发了 EVC 激活水平的相对降低(符合预测编码框架下的自上而下预期抑制效应),伴随 EVC 对熟悉图像 RDM 跨天复现性的相应下降。

图注解读

图 1 · 实验设计:成对被试与多次排列任务

原文图注:Fig. 1. Experimental design. (A) Brain-activity measurement. Subjects were grouped in pairs who viewed their own and each other's personally meaningful object images. There were 10 pairs of subjects. Each subject viewed a total of 72 images in an event-related fMRI experiment, enabling us to estimate the response pattern for each particular image. Among the 72 images, 18 were from the subject's own photo album, and 18 were from the paired subject's photo album. The remaining 36 images were unfamiliar images viewed by all subjects. Subjects fixated on a central cross and performed an anomaly detection task. (B) Behavioral measurement. Each subject also judged the similarity of the objects by arranging them on a computer screen, so that the distance between any two objects reflected their subjective dissimilarity.

Figure 1

读图说明:(A) 展示成对受试的刺激分配机制:每位受试者在事件相关扫描中观看 72 张客体图像(18 张源自个人相册、18 张源自配对同伴相册、36 张标准化陌生图像),在保证物理图像呈现均衡的前提下实现了熟悉性与刺激物理属性的实验解耦,受试者在扫描中执行反常检测任务;(B) 展示多次排列行为测量界面,受试者通过拖拽交互将客体摆放于二维平面,使空间距离映射主观心理相异度。该范式为后续提取个体化指数奠定了实验基础。

图 2 · RSA 流程与 hIT 共享的类别几何

原文图注:Fig. 2. Representational similarity analysis and human inferior temporal cortex representational geometry. (A) For each pair of stimuli, the response patterns in a brain region are compared to determine the stimuli's representational dissimilarity. The dissimilarity between two patterns is measured as 1 minus the Pearson correlation across voxels. These dissimilarities are assembled in the RDM, which is symmetric about a diagonal of zeros. (B) The mean hIT RDM for the 36 unfamiliar images, obtained by averaging hIT RDMs across subjects and scanning days. (C) Multidimensional scaling (metric stress) finds a 2D arrangement of the stimuli in which the distance between each pair reflects the dissimilarity of their activity patterns.

Figure 2

读图说明:(A) 呈现表征相似性分析(RSA)流程:从多体素激活模式计算两两条件之间的相关距离并汇总为对称的 RDM 矩阵;(B) 展示 36 张陌生客体在跨受试者与跨扫描日平均后的 hIT 表征相异度热图,面孔、身体、地点及人造物体呈现块状低相异度聚类;(C) 为基于度量应力准则的多维尺度(MDS)二维空间投影,清晰展现了生物客体与非生物客体的全局分离拓扑。该图展示了跨受试者共享的基础几何骨架,支撑主要结果第 2 条。

图 3 · 自己 vs 他人:i-index 的构造与示范

原文图注:Fig. 3. Comparing dissimilarity matrices within and between individuals reveals individually unique brain representations and brain–behavior relationships. (A) For each subject and scanning day, we computed an RDM (Fig. 2) from the measured brain-activity patterns. We computed the RDM replicabilities (Pearson correlation between lower-triangular entries) across scanning days, within subjects (black double arrows), and between subjects (gray double arrows). For each pair of subjects, we computed an i-index (blue bar) as the average within-subject RDM replicability minus the average between-subject RDM replicability, averaged across subject pairs. The i-index was significant, indicating that different subjects have distinct representational geometries in hIT. (B) We used the same approach to test the brain–behavior relationship and its individual uniqueness, considering the correlations between brain RDMs (averaged across the two scanning days) and behavioral RDMs (reflecting the similarity judgments performed by each subject). Significance of the i-index (*P < 0.0001, P < 0.001, *P < 0.01, P < 0.05, all Bonferroni-adjusted for two tests for regions EVC and hIT) was assessed by randomization of the subject labels. Error bars represent the SEM, estimated by bootstrap resampling of the set of subject pairs.

Figure 3

读图说明:(A) 阐明神经个体化指数(i-index)的计算方式:黑色双箭头代表个体内部跨天 RDM 相关(被试内复现性,黑色柱),灰色双箭头代表不同受试者之间的 RDM 相关(被试间相关,灰色柱),二者差值定义为 i-index(蓝色柱),在熟悉刺激下该差值显著;(B) 采用相同方法分析脑-行为对应关系,对比自身神经 RDM 预测自身行为 RDM 与预测他人行为 RDM 的差异。显著性通过受试者标签置乱检验并经 Bonferroni 校正,误差棒代表重抽样均值标准误。该图对应主要结果第 1、4 条。

图 4 · 关键结果:hIT 独有几何预测熟悉物体的个体判断

原文图注:Fig. 4. hIT has an individually unique representational geometry that predicts individual judgment idiosyncrasies for familiar objects. (A) Brain i-indices indicating individually unique brain representations. The i-index (Fig. 3) was highly significant in EVC and hIT for unfamiliar objects. For familiar objects, the i-index was significant in hIT but not in EVC and was significantly larger in hIT than in EVC. (B) Brain–behavior i-indices, indicating that a subject's brain representation predicts idiosyncrasies of his or her similarity judgments, were significant only for hIT and only for familiar objects (P < 0.005, uncorrected; P < 0.01 adjusted for two tests in regions hIT and EVC). The brain–behavior i-index was significantly higher in hIT for familiar than for unfamiliar objects. **P < 0.0001, P < 0.01; n.s., not significant, Bonferroni-adjusted for two tests (for regions EVC and hIT). Interactions were tested by bootstrap resampling of the subject pairs.

Figure 4

读图说明:(A) 呈现神经表征个体化指数:在陌生客体条件下,EVC 与 hIT 均表现出高度显著的个体化特征(约 0.09–0.10);在熟悉客体条件下,仅 hIT 维持统计显著(约 0.10),而 EVC 降至 0.03 且未达显著水平;(B) 呈现脑-行为个体化指数:在四个实验条件组合中,仅有“hIT × 熟悉客体”条件呈现显著的脑-行为特异性预测(指数约为 0.05,校正 P < 0.01),且熟悉条件显著高于陌生条件。该数据证实具有个体特异性的知觉预测特异于熟悉客体与高级颞下回,支撑主要结果第 3、4 条。

图 5 · 七个 ROI 的完整总表

原文图注:Fig. 5. Summary of results. Significant results are marked with a checkmark (in red for important novel results in regions EVC and hIT, for which we had specific prior hypotheses). For the replicability results, the checkmarks indicate significant within-subject replicability. Nonsignificant results are marked with an X. RDM correlations (Pearson correlation coefficients: bs, between-subject; ws, within-subject,), i-indices (ind = ws − bs), and the associated Bonferroni-adjusted P values are reported also. For summary ROIs EVC and hIT, for which we had prior hypotheses, Bonferroni adjustment was performed for two tests. For the other five ROIs, Bonferroni adjustment was performed for five tests.

Figure 5

读图说明:该汇总表格系统列出了所考察脑区在陌生与熟悉两类客体刺激下的统计结果:逐一汇报了被试内相关(ws)、被试间相关(bs)、个体化指数(ind)及经多重比较校正的 P 值。符号标注标明了各项假设检验的通过情况(红勾标示先验重点假设区 hIT 与 EVC 的新发现,叉号标示未达显著水平)。在脑-行为个体特异性预测维度上,仅熟悉客体条件下的 hIT 呈现显著效应,对应主要结果第 5 条。

讨论

作者在讨论中重点探讨了神经表征个体特异性的潜在来源:在早期视皮层(EVC)中,个体变异可能源于解剖形态差异(如不同个体间 V1 表面积可存在 2–3 倍的天然变异,影响皮层放大率)或自下而上的空间注意定势;由于单纯的早期注意变异并未直接映射客体的高阶语义,因而 EVC 的个体差异无法有效预测复杂客体的主观相似性判定。在人类颞下皮层(hIT)中,“特异性知觉预测效应局限于熟悉客体”的表型,提示了高级视皮层与内侧颞叶长期记忆系统之间存在功能性交互:长期的自传体经验与情境联想通过自上而下的神经投射叠加至感知表征空间,重塑了客体间的相对距离流形。在方法学评估方面,作者指出功能无关的解剖扭曲(如脑沟回形态折叠差异)可能在一定程度上推高表征相异度测量,但由于 hIT 的神经特异性指数能够特异性预测行为认知差异,证实所测得的个体表征几何具备明确的心理学功能对应。作者同时指出了研究的证据边界:作为一项在 20 名受试者中完成的概念验证研究,神经表征中个体独有成分的方差占比相对有限(约占总信号方差的 12.5%),跨个体共享的大尺度类别拓扑依然占据主导地位;此外,内侧颞叶反馈在机制上的因果必要性仍有待结合颅内电生理记录或神经调控手段加以直接证实。

一句话总结

本研究通过重复扫描设计与行为学拓扑测量证实,人类下颞叶(hIT)皮层的物体表征几何中存在稳定的个体特异性成分,且该特异性表征能够定量预测个体对熟悉客体的主观相似性认知判断。这一发现揭示了共享的皮层语义拓扑之下存在与个人自传体经验相关联的神经表征调谐。

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。