(刊期备注:Zotero 与 doi 均记为 2016(doi:10.3389/fnint.2016.00043),期刊页面标注在线发表日期为 2017 年 1 月 12 日。)
该文探讨了视觉噪声下猕猴模式识别的反应时与下颞叶(TE 区)神经元信息累积速率的关系。实验在延迟匹配任务中逐级加入视觉噪声:猕猴的错误率保持较低,反应时随噪声显著延长;TE 区神经元刺激选择性信息的累积速率随噪声增加而变慢。将群体平均信息达到阈值的时刻与行为反应时对齐后,两条曲线在六个噪声水平间表现出对应变化。研究利用互信息指标,为下颞叶群体信息随时间累积参与知觉决策提供了神经与行为对照的数据支持。
研究背景
视觉识别的速度并不固定:图像清晰时,一瞥就可能足以判断;当噪声遮蔽有效结构,观察者往往需要更多时间。下颞叶的颞叶区被认为处于复杂图形加工的较晚阶段,既往记录已经证明其神经元具有刺激选择性,群体信息也能在较短时间内被读出。但“信息出现得早”尚不能解释“为什么困难图像要看得更久”。作者此前使用同类黑白图形的行为研究发现,增加视觉噪声时,猴子可以在正确率相对维持的同时延长反应时,这提供了一个将识别质量与处理时间分开考察的入口。
要把这种行为变化与神经机制联系起来,需要区分至少两种时间解释。噪声可能让视觉反应整体推迟,导致后续识别和动作都晚启动;也可能并未明显改变起始响应,却降低了早期放电所携带的刺激信息,使系统必须利用更长时间的活动才能完成判断。仅比较平均放电强度或反应潜伏期,不能充分检验后一种可能。单个细胞还可能对不同噪声图像产生不同方向的反应变化,因此一个示例神经元的曲线也不一定代表群体。真正需要对照的是,同一任务内各噪声水平下的信息时间过程,能否解释行为等待时间的系统变化,并与简单的起始延迟解释区分开来。
本文在延迟匹配任务中对测试图形加入不同程度的像素噪声,记录猴颞叶区神经元,并用逐渐扩展的放电计数窗口估计刺激身份的互信息。研究将信息达到拟合阈值的时刻与行为反应时比较,同时检查视觉反应起始是否随噪声变化。这里的“信息积累”首先是统计测量随观察窗口增长的结果,不能直接等同于已经找到一个逐试次运行的神经累积器;单细胞互信息的平均也不等于包含细胞间依赖结构的群体联合信息。阈值与时间偏移通过行为数据对齐得到,因而曲线吻合属于拟合支持,而非独立预测或因果证明。再考虑到进入分析的细胞数量有限、任务包含样本记忆且噪声范围受限,本文最具体的贡献是在这些条件下建立信息可用时间与反应时的联系,尚不能据此指定大脑实际采用的决策阈值和读出回路。
研究思路
作者的策略是把行为与神经各自的时间过程都画成"随噪声水平变化的累积曲线",再让它们对齐比较。行为端用序列延迟匹配样本(delayed match-to-sample, DMS)任务,测错误率与反应时两个指标——错误率对噪声不敏感而反应时敏感,这一分离本身就暗示猴子在用时间换取信息。神经端记录 TE 单细胞,用互信息随扩展时间窗的增长曲线刻画"信息累积速率",再定义信息升至某阈值所需的时间(information latency),与行为中位反应时逐噪声水平对照。逻辑链是:如果噪声减慢的是信息累积本身(而不是反应的启动),那么信息累积越慢、猴子决策越慢,两条曲线的形状应该一致;而若噪声只是推迟了反应起始,则潜伏期应随噪声增加。这个设计让"累积说"与"延迟说"可以被数据判别。
方法
被试为 2 只成年雄性恒河猴(5–7 kg,编号 G 与 S)。序列 DMS 任务的流程:猴子握杆后注视点(0.83×0.83°)出现 500 ms,随后依次呈现 2–5 个图形(各 10×10°,居中,每个呈现 500–1000 ms,刺激间隔 200–1000 ms),第一个为样本,其余 1–4 个为非匹配或匹配测试图形;猴子须在匹配图形出现后 150–800 ms 内松杆以获果汁奖。样本图形永远无噪声;测试图形上叠加噪声的方式是:整屏铺满 1 像素黑白随机点底纹,再把图形上 3×3 像素块整体黑白翻转,使被翻转像素占 5%、10%、15%、20% 或 25%。噪声图案在训练期以 1 天到几周的不规则轮换防止猴子记住噪声本身,记录日内则固定。8 个黑白图形为 48×48 像素。
猴子达到总体正确率 80% 以上后手术植入记录柱(MRI 确认电极达 TE 腹侧)与巩膜搜索线圈,注视窗 10° 或 20°,用钨微电极(1.5–1.7 MΩ)做单细胞记录。共记录 37 个神经元(G 猴 19、S 猴 18),其中每个噪声水平下试次充足的 13 个(G 7、S 6)进入分析;神经元的"有反应"判据为样本起始后 50–500 ms 的平均锋数对至少一种样本显著高于试间基线(t 检验,p<0.05)。反应起始潜伏期用高斯脉冲(σ=10–30 ms)卷积得到的 spike density function 测定,定义为匹配图形出现 50 ms 后发放首次超过其前 50 ms 间期反应均值 ±2 SD 的时刻。信息分析:以 8 种图形与匹配图形期的锋数计数为变量计算互信息,本任务可传信息上限为 log2 8 = 3 bits;条件概率 P(s|r) 由神经网络做名义回归(类似 logistic 回归、注意防过拟合)估计;时间窗从匹配刺激起始后 50 ms 起、以 8 ms 步长扩展至 500 ms;信息潜伏期取信息达到某阈值所需时间,阈值 0.084 bits 由与行为反应时的最小二乘最佳拟合确定。统计分析用 R 完成。
主要结果
-
行为上"时间换准确":错误率在所有噪声水平都很低,25% 噪声时正确率仍在 80% 以上;相邻噪声水平间只有 5↔10% 与 20↔25% 两处的错误率差异显著(卡方检验,FDR 校正),误报(非匹配时松杆)与漏报(匹配时不松杆)除 25% 水平外无显著差别(图 2A–C)。与之形成鲜明对照,中位反应时除 0↔5% 外随每一级噪声显著增加(Wilcoxon 秩和检验,FDR 校正,图 2D,E),且趋势与 Shidara 和 Richmond(2005)一致。
-
神经元基础反应有选择性但形态分两型:13 个 TE 神经元在 0% 噪声下对 8 种匹配图形呈选择性反应(图 3)。两例示范中,一例对某图形反应最强、随噪声增大而减弱(图 4A,7/13 神经元属此型),另一例则在特定噪声水平下反应反而更强(图 4B,其余 6 个)。
-
反应起始潜伏期不随噪声变化:匹配图形诱发的起始潜伏期在六个噪声水平间无显著差异(Kruskal-Wallis 秩和检验,df=5,p=0.7267,图 5)。这说明噪声没有推迟"发令枪",而是拖慢了其后的信息积累——直接支持累积说而非延迟说。
-
单细胞信息随时间累积、但解释不了行为:全部 13 个神经元在所有噪声水平上互信息都随时间上升;图 4A 型神经元的信息累积速率随噪声增大而变慢(0% 与 5% 最快),图 4B 型神经元则不然(图 6A,B)。但单个神经元的信息潜伏期与行为反应时并不对应(图 6C,D,即便为对齐加上了 336/261 ms 的常数)。
-
群体平均后神经—行为对齐:把 13 个神经元的互信息平均,达到 0.084 bits 阈值所需时间随噪声从约 180 ms(0% 与 5% 噪声)延长到约 350 ms(25% 噪声,与 Hung 等 2005 的读出时间尺度相近);给信息潜伏期统一加上 220 ms 常数后,与中位行为反应时在六个噪声水平上高度吻合(图 7B),即噪声引起的"信息变慢"与"行为变慢"幅度大约相同。
图注解读
图 1 · 序列 DMS 任务与噪声条件
原文图注:FIGURE 1 | Sequential Delayed Match to Sample (DMS) task with visual noise. (A) The procedure of sequential DMS task. The example shows a 10% noise level. (B) Six noise conditions (0, 5, 10, 15, 20, and 25%) were prepared for each of eight stimulus patterns. All stimulus and noise patterns were shown in Shidara and Richmond (2005).
这是任务示意图:A 栏以 10% 噪声为例演示流程——样本出现后接续非匹配与匹配图形,猴子须在匹配图形出现后松杆;B 栏列出同一图形在 0–25% 六档噪声下的样子,噪声表现为黑白像素块的随机翻转。读图时注意样本图形始终无噪声、噪声只出现在测试图形上,以及翻转是以 3×3 像素块为单位——这决定了"25% 噪声"指的是被翻转像素的比例。这张图是理解全部实验条件的基础。

图 2 · 行为表现:错误率与反应时
原文图注:FIGURE 2 | Behavioral performances. (A) Error rates averaged between two monkeys. Asterisks indicate the significant difference between adjacent noise levels (Chi-squared test; p < 0.05, p-values adjusted for multiple comparisons using the FDR procedure). (B) Error rates for each pattern. Black, red, green, blue, aqua blue, and purple curves indicate the error rates in 0, 5, 10, 15, 20, and 25% noise levels, respectively. (C) Errors divided into false alarm (bar release error in non-match presentation) and miss (not releasing the bar during match presentation). Asterisk indicates a significant difference between false alarm and miss in the same noise level (Chi-squared test; p < 0.05). (D) Median reaction time averaged between two monkeys. Asterisk indicates a significant difference in the reaction times between adjacent noise levels (Wilcoxon rank sum test; *p < 0.05, p-values adjusted for multiple comparisons using the FDR procedure). (E) Median reaction time for each pattern. The same convention as in (B).
全篇行为结果的汇总。A、D 两栏是两只猴平均的错误率与中位反应时随噪声水平的曲线,星号标出相邻噪声水平间的显著差异;B、E 两栏把同一指标按 8 种图形分开画(六种颜色对应六档噪声),C 栏把错误拆成误报与漏报两类对比。读图的关键对比在 A 与 D 之间:错误率曲线近乎平缓(仅在 5↔10% 与 20↔25% 两处有星号),而反应时曲线一路抬升(除 0↔5% 外逐级显著)——"错误几乎不涨、时间大幅变长"正是时间换准确的证据。这支撑上文的第 1 条结果,也是全文逻辑的行为起点。

图 3 · 13 个神经元对 8 种图形的选择性
原文图注:FIGURE 3 | Rank-ordered normalized response to the eight match stimuli for 13 analyzed neurons. Firing rates for each stimulus pattern in 0% noise level were normalized by their max firing rate in 0% noise level. Each curve shows the data from each neuron.
这张图交代神经元样本的"底子":把每个神经元对 8 种匹配图形在 0% 噪声下的发放率按各自最大值归一化、再按大小排序,每条曲线代表一个神经元。横轴是秩序(第 1 到第 8 强的图形),纵轴是归一化反应强度。读图要点是所有曲线都呈下降形但陡缓不一——有的神经元对最偏好图形反应远高于其余(选择性陡峭),有的曲线平缓(选择性弱)。它支撑上文的第 2 条结果,说明进入信息分析的 13 个神经元确实携带刺激选择信息,同时也交代了图 5、图 6 中各神经元颜色编码的出处。

图 4 · 两例神经元对匹配图形的反应
原文图注:FIGURE 4 | Two examples of neuronal response during match stimulus. (A) An example of the match stimulus response. The raster plots and spike density plots (σ = 10 ms) are aligned to the onset of the match stimulus (line at time 0). Horizontal axis shows the time from the onset of the match stimulus. Vertical axis shows the firing rate. (B) Another example of the recorded neuronal responses. The same convention as in (A).
两例单细胞的原始反应数据,各含对 8 种图形(每种一个栅格图与一个 spike density 曲线)在 0–25% 六档噪声下的记录,全部对齐到匹配图形出现(时间 0)。读图时先看零噪声那一行确认选择性(A 例对图形 5 反应最强),再看噪声增大时反应如何变化:A 例的发放随噪声增强而整体压低,B 例则在若干噪声档位上对特定图形反应反而更高。这两类形态对应正文"7/13 神经元随噪声减幅、6/13 神经元在噪声下反应更强"的分型,是理解后文为什么只用群体平均才能对齐行为的关键——个体差异真实存在。

图 5 · 起始潜伏期与噪声水平无关
原文图注:FIGURE 5 | The relation between neuronal latency and noise level. The onset latency measured from the spike activity recorded during the match stimulus presentation was plotted against noise level. The same color square means the data from the same neuron. The line shows the averaged onset latency from 13 neurons. Color that indicates data of each neuron matches the color shown in Figure 3.
横轴为噪声水平(0–25%),纵轴为匹配图形诱发的反应起始潜伏期;每个色块是一个神经元(颜色与图 3 相同),直线是 13 个神经元的平均。读图要点:各神经元的散点上下交错、没有随噪声系统抬升的趋势,平均线几乎水平(Kruskal-Wallis 检验 p=0.7267)。这是"延迟说"被否掉的直接证据——噪声没有让 TE 的反应更晚启动,减慢的只能是其后携带信息的累积过程,支撑上文的第 3 条结果。

图 6 · 两例单细胞的信息累积与信息潜伏期
原文图注:FIGURE 6 | Two examples of accumulation of information carried by single neurons. (A,B) Accumulation curve of mutual information (calculated from the same neuron as shown in Figures 4A,B, respectively). Horizontal axis shows the time from the onset of match stimulus. Vertical axis shows accumulated information calculated from neuronal responses using the time window between 50 ms after the onset of match stimulus and the value of the horizontal axis. Black line indicates the information accumulation curve of 0% noise level. Red, green, blue, aqua blue, and purple lines indicate those of 5, 10, 15, 20, and 25% noise levels, respectively. Accumulation curves were smoothed by using simple moving average. (C,D) The time required to reach the arbitrary threshold of information (information latency) against noise levels (black circle and line) and the median reaction times against noise levels (red circle and line). The neurons used in (C,D) corresponded to those in (A,B), respectively. Horizontal axis shows noise level. Vertical axis shows information latency and the reaction time. In (C,D), the constant values (336 and 261 ms, respectively) were added to the information latencies so that those at the 0% noise level matches with the reaction time at the 0% noise level.
信息分析的核心演示。A、B 两栏分别是图 4 两个神经元的信息累积曲线:横轴为匹配图形出现后的时间,纵轴为用"起始后 50 ms 到横轴时刻"这一扩展窗算出的累积互信息,黑线为 0% 噪声,红、绿、蓝、浅蓝、紫依次为 5–25%。A 栏(图 4A 那种神经元)曲线斜率随噪声明显变平,B 栏则斜率与噪声的关系不明显——个体差异延续到了信息层面。C、D 栏把"达到某信息阈值所需时间"(信息潜伏期,黑)与中位反应时(红)按噪声水平并排画,并加常数(336/261 ms)使 0% 噪声处两者对齐;结果是即便对齐了起点,单细胞的潜伏期曲线与行为反应时曲线形状并不吻合。这张图同时给出一个正面结果(信息随时间累积、A 型累积随噪声变慢)和一个否定性结果(单细胞解释不了行为),支撑上文的第 4 条结果。

图 7 · 群体平均信息与行为反应时的对齐
原文图注:FIGURE 7 | (A) The mutual information averaged across all the 13 neurons. (B) A comparison between the information latency for the averaged information (A) and the median reaction times across the six noise levels. The same convention as in Figure 6 is used here, except that the orange horizontal line in (A) means the information threshold of 0.084 bit and 220 ms was added to the information latency. The dotted lines show mean ± SE.
全文的点睛之图。A 栏是 13 个神经元平均后的信息累积曲线族(六档噪声六条线),橙色横线标出 0.084 bits 的信息阈值;B 栏把达到该阈值的信息潜伏期与行为中位反应时跨六个噪声水平并排比较,信息潜伏期统一加了 220 ms,虚线为 mean ± SE。读图要点:六档噪声下"信息到达 0.084 bits 的时刻"与"猴子松杆的时刻"同步右移,曲线形状一致——0%/5% 噪声约 180 ms 到达阈值,25% 噪声约 350 ms。这支撑上文的第 5 条结果:噪声减慢信息累积的幅度与减慢行为的幅度大约相同,TE 群体信息像是可以被猴子"监测"到决策阈值的量。

讨论
作者提出关于噪声下模式识别的机制假说:像素噪声并未推迟 TE 神经元反应的起始潜伏期,而是降低了瞬时信息量,使刺激特异信息的随时间累积过程变慢。单个神经元携带的平均信息量(0.084 bits)远低于任务理论上限(3 bits),模式识别依赖神经群体编码。TE 群体信息随刺激呈现时间的累积逐步补偿了像素噪声带来的表征退化,行为决策可能依赖信息量上升至特定阈值。这一时间尺度与 Hung 等(2005)报道的 IT 群体快速模式读出窗口一致。
作者针对与 Emadi 和 Esteky(2013, 2014)文献的差异进行了讨论:后者在更高噪声水平(达 60%)的主动分类与被动注视任务中观察到神经反应潜伏期随噪声延长,而本研究在 25% 噪声范围内反应潜伏期保持恒定、仅信息累积速率下降。作者认为潜在原因包括单细胞与多单元记录的测量灵敏度差异、信息度量指标与平均放电率指标的敏感性差异,以及延迟匹配任务中包含工作记忆比对的影响。研究同时指出设计局限:实验将最大噪声控制在 25%,处于“延长反应时可维持高正确率”的行为代偿区间;群体平均指标平滑了单细胞间的异质性(如部分神经元在噪声下反应并未系统变慢),且决策阈值属于事后最佳拟合参数。
一句话总结
该文通过分析视觉噪声下猕猴 TE 区神经元的互信息累积动态,发现群体信息达到阈值的潜伏期延长幅度与行为反应时增加高度对应,支持知觉决策依赖下颞叶感觉信息随时间累积的假说。