这是一篇关于下颞叶(inferior temporal, IT)皮层神经元放电时程与面孔信息分阶段编码的综述。作者团队此前发现,猕猴前部 IT 神经元的早期瞬态反应优先编码粗粒度的全局类别(如人脸、猴脸与简单几何形状),在随后的持续反应阶段才逐步表征表情与个体身份等精细信息(Sugase 等, 1999)。本文系统整合了非人灵长类单细胞电生理、脑磁图(MEG)、事件相关电位(ERP)、人类颅内脑电及心理物理学测速证据,指出行为学中“先分类、后辨个体”的时间动态在腹侧通路的神经放电时程中具有清晰的生理对应。
研究背景
面孔识别是灵长类社会生活的核心能力,主要依赖腹侧视觉通路(ventral visual pathway)——信息依次经过 V1、V2、V4 到达下颞叶皮层(IT)。到 2011 年前后,两条证据线已较为清晰:一是电生理传统,从 Gross、Bruce、Perrett 等人在猕猴颞叶记录到面孔反应神经元开始,已知 IT 神经元对面孔的反应强度可达对物体反应的两倍左右,面孔信息由稀疏的神经元群体编码,且这些神经元的反应与动物的知觉体验(Sheinberg 与 Logothetis 的双眼竞争实验)乃至面孔构型任务表现(Sigala 与 Logothetis)相关;二是随后的 fMRI 线索,Tsao 等人在猕猴颞叶鉴定出六个功能特化的“面孔补丁”(face patches),显示人与猴的面孔加工系统结构相似。即“在哪里加工面孔”已有较为清晰的图景。
当时的认知缺口在于加工的“时间进程”与“编码机制”:行为层面已知快速分类(例如辨别鸟类或人脸)明显快于个体识别(辨别具体是哪只鸟或哪个人),基本类别分类比类别内识别大约快 65 ms(Grill-Spector 与 Kanwisher 2005),但协调这种分级加工的神经机制仍不清楚。作者提出的核心问题是:如果 IT 神经元在不同时段的放电携带不同尺度的信息——早期瞬态携带粗粒度类别信息,后段携带精细身份与表情信息——识别的时间动态就有了直接的神经对应;而当时关于 IT 反应时间结构的研究(Optican 与 Richmond 的信息论分析、Tovee 等 1993 年“刺激后 100–200 ms 携带最大信息”的发现)多停留在强调时间模式的重要性,缺乏与行为分阶段加工的系统对应。
研究思路
综述首先以猕猴前部 IT 皮层的单细胞记录为核心基础(Sugase 等, 1999;Matsumoto 等, 2005b),通过滑动时间窗信息论分析,展示全局类别与精细表情/身份信息在放电时程上的先后分离;进而探讨该“早粗晚细”模式是否属于腹侧通路的普遍组织原则,对比早期视皮层(V2/V4 针对光栅与复杂轮廓)、后部 IT(局部轮廓部件与整体构型整合)及前部 IT(自然物体辨识)中的类似时程分化。随后,文章引入因果操纵与行为学证据:包括微电刺激早期 IT 反应对改变“面孔存在感”知觉的因果效应(Afraz 等, 2006),以及不同面孔补丁(face patches)中视角不变身份信息在更晚时窗的涌现;最后将非人灵长类神经元反应时限与人类 MEG/ERP 及颅内电生理的时间动态进行逐级比对。
针对竞争性的“纯前馈假说”——即利用短时间窗(如 12.5 ms)即可从群体活动中同时解码出类别与身份(Hung 等, 2005),作者指出该类研究主要关注物体识别且未专门追踪面孔特异性放电在精细表情/个体维度的细致时程,将前馈与递归加工的作用边界作为开放问题予以保留。
方法
作为综述,本文的方法要点来自其引用的核心实验。被试为猕猴,在注视任务下记录前部 IT 脑回与前上颞沟(sts)的单细胞活动(记录位置见其图 1A);视觉刺激包括几何形状、猴脸与人脸(含多种表情),刺激持续时间约为 200 ms 量级(图中以虚线标出)。分析采用 50 ms 滑动分析窗,对每个神经元分别计算“全局类别”(人 vs. 猴 vs. 形状)和“细节别”(猴表情、猴身份、人表情、人身份)的信息传输率(information transmission rate, Ic),非显著信息段予以剔除;群体层面将各刺激下的群体活动向量进行主成分分析(PCA),投影到二维空间观察类别分离的时程。文中提到后续研究采用包含兴奋性与抑制性神经元的吸引子网络模型(Matsumoto 等 2005a),检验 IT 区内递归连接是否足以产生晚期反应。
对照文献的方法细节以行文方式呈现:各面孔补丁由 fMRI 面孔选择性界定(色标为 P 值负对数),视角不变身份选择性用 200 ms 滑动反应窗计算并作打乱(shuffle)对照;人类研究涵盖 MEG(M100/M170)、ERP(N170)、颅内/皮层脑电(face-N200、P290、N700)与 fMRI 空间频率操纵(75/150/300 ms 呈现时长下的低/高频成分对比)等。
主要结果
- IT 神经元反应分两个信息阶段:初始瞬态反应表征全局类别(人脸 vs. 猴脸 vs. 简单形状),反应后段表征细节别(表情和/或身份),且后段刺激选择性更锐。以 50 ms 滑窗的中点计时,全局信息潜伏期约 91 ms、峰值约 152 ms,细节别信息潜伏期约 142 ms、峰值约 179 ms(均自刺激起始)(图 1B)。
- 群体层面先后可分:45 个面孔反应神经元的活动向量在 [90, 140] ms 窗口内红(人)蓝(猴)绿(形状)分群最开,而猴表情与人身份的分离在 [140, 190] ms 窗口才最大化(图 1C),支持群体水平全局分类先于精细分类的特征。
- “早粗晚细”是腹侧通路各阶段的共同模式:V2 在 40–80 ms、V4 在 80–100 ms 即可区分光栅与轮廓两大组,个体刺激的区分在初始段之后(Hegde 与 Van Essen);后部 IT 中单个轮廓片段信息在 122 ms 达到 90% 峰值,多部件构型信息则在 184 ms(Brincat 与 Connor 2006);前部 IT 对自然物体的选择性在 240 ms 之后比 130 ms 时更为锐化(Tamura 与 Tanaka)。
- 面孔补丁系统的时间层级:在上颞沟内的 ML/MF(中间面孔补丁),神经元编码类别(脸/身体/水果等)的时间(133 ms)早于编码个体身份的时间(192 ms)(Tsao 等 2006);位于前部 IT 脑回的 AM 补丁中,跨视角不变的面孔身份信息逐渐出现,约在刺激后 300 ms 达峰,显著晚于该补丁的平均反应峰(Freiwald 与 Tsao 2010)(图 2B)。
- 神经时间轴与行为及人类时间轴吻合:早期反应具备因果证据——刺激后 [50, 100] ms 在面孔选择性位点进行微刺激会使猴子判断偏向“脸”(Afraz 等 2006);行为层面人脸检测比视角判断、身份判断分别早 24 与 31 ms(Or 与 Wilson 2010);人类 MEG 中 M100(平均峰值 105 ms,范围 84.5–130.5 ms)对应面孔检测与分类,M170(约 160 ms)兼含个体辨认,两者峰值与猴 IT 全局(152±57 ms)及精细(179±49 ms)信息峰值基本重合;fMRI 显示 FFA 先加工低空间频率的粗结构(75 ms 呈现时低频反应更强),150–300 ms 后转向高频细节(Goffaux 等 2010);颅内记录中 face-N200 不受语义启动与注意影响,而 P290 与 N700 等晚成分随认知需求变化(Puce 等 1999;Engell 与 McCarthy 2010)。
图注解读
图 1 · IT 皮层两类面孔信息的时程分离
原文图注:Figure 1 | Time course of two different scales of facial information in the IT cortex. (A) Areas of brain examined in Sugase et al. (1999) (yellow). AP0 represents the position of the external auditory meatus; A14, A19, A22, and A24 represent anterior 14, 19, 22, and 24 mm, respectively. amts, anterior middle temporal sulcus; sts, superior temporal sulcus. (B) Information transmission rate (Ic) of face-responsive neurons. Summation of Ic curves for global (red, human faces vs. monkey faces vs. shapes) and fine categories (black; monkey facial expression, monkey identity, human facial expression, or human identity) from 32 neurons aligned at the stimulus onset. Ic was calculated over a 50-ms sliding analysis window, and plotted at the middle of the time window. Non-significant information was excluded from the analysis. The 32 neurons represent information about both global and fine categories. In the time axis (abscissa), the time of stimulus onset is 0 ms and the duration of stimulus presentation is indicated as a dashed line. (C) Population activity vectors in two-dimensional space rearranged using PCA in the [90, 140] and [140, 190]-ms windows. The horizontal axis represents the first principal component, while the vertical axis represents the second principal component. The points indicate the population activity vectors of 45 face-responsive neurons for the individual stimuli. The colors of the points represent the global category: the vectors for human faces, monkey faces, and shapes are shown in red, blue, and green, respectively. The red, blue, and green ellipses indicate the distributions of the population activity vectors for the fine categories human identity, monkey expression, and shape-form, respectively.
图示展示了面孔信息在 IT 皮层放电时程中的两阶段编码。(A) 为猕猴颞叶腹侧记录位点示意(黄色区域,A14–A24 对应外耳道前 14–24 mm,amts 为前中颞沟,sts 为上颞沟)。(B) 展示 32 个同时编码两类信息的面孔反应神经元汇总的信息传输率(Ic)时程曲线:红线表示全局类别信息(人脸、猴脸与简单几何形状),黑线表示精细类别信息(表情与身份)。全局信息曲线显著提前(潜伏期约 91 ms,峰值约 152 ms),精细信息曲线滞后约 50–60 ms(潜伏期约 142 ms,峰值约 179 ms)。(C) 为 45 个神经元在两个连续时窗([90, 140] ms 与 [140, 190] ms)下的群体反应向量 PCA 投影:早期时窗内三大全局类别明显分离,晚期时窗内同一类别内部的个体身份(红椭圆)与表情(蓝椭圆)才形成明确的分散间距。图表中 (B) 纳入同时表征两类信息的 32 个神经元,(C) 纳入全部 45 个记录神经元。

图 2 · 面孔补丁中视角不变身份信息的晚出现
原文图注:Figure 2 | Time course of information about facial identity across different facial views in face patches. (A) Face selectivity in different parts of the macaque temporal lobe. Inflated macaque left hemisphere (dark gray areas mark sulci, light gray–dark gray boundaries mark the middle of the bank within a sulcus) showing six regions, i.e., face patches, in the temporal lobe that responded significantly more to faces than to objects in fMRI experiments. Color scale indicates negative common logarithm of the P value. The six patches are indicated as PL, posterior lateral; ML, middle lateral; MF, middle fundus; AF, anterior fundus; AL, anterior lateral; and AM, anterior medial patch. (B) Emergence of view-invariant identity-selectivity over time. View-invariant identity-selectivity index, computed over a 200-ms sliding response window beginning at the indicated time point, plotted for AM, AL, and ML/MF (solid curves in magenta, blue, and green, respectively). The dotted curves show the mean view-invariant identity-selectivity index over time computed after the relationships between the face view and the face identity are shuffled. The grayscale traces show the time course of the mean response across the population in each face patch. There is the substantial delay between the peak of the mean response to the stimuli and the peak of the view-invariant identity-selectivity index. Figures adapted from Freiwald and Tsao (2010) with permission.)
(A) 展示猕猴左侧充气皮层上的六个面孔特异性功能补丁(PL、ML、MF、AF、AL 与 AM),色标对应面孔对比其他物体的统计显著性(-log10(P))。(B) 展示不同面孔补丁中视角不变身份选择性指数的时程发展(Freiwald & Tsao, 2010):实线分别对应 AM(品红)、AL(蓝)与 ML/MF(绿),虚线为置换“视角-身份”标签后的随机对照基线,灰色迹线代表各区域的群体平均放电率。各补丁中身份选择性指数均显著高于置换基线,且彩线所代表的身份选择性峰值相较于灰色放电率峰值存在显著滞后(AM 补丁的身份选择性峰值在刺激呈现后约 300 ms 出现),表明高级视觉区对视角不变身份的表征需要更长时间的神经计算。

讨论
作者将“早粗晚细”的时程机制归纳为三种可能:其一,初始瞬态经大细胞通路(magnocellular pathway)传递无色低频信息,后段经小细胞通路(parvocellular pathway)传递彩色高频细节;但 Edwards 等(2003)指出彩色图像在 IT 面孔神经元反应最早段即可诱发较强反应,该解释未必成立,单细胞层面上大细胞与小细胞通路与粗细信息的对应关系仍未解决。其二,系统先表征面部独立部件,随后整合成多部件构型(后部 IT 的 122/184 ms 数据支持该加工顺序)。其三,从全局到局部的多尺度加工——Navon 复合图形实验中全局形式在初始反应即被表征,局部形式滞后约 30 ms,行为上全局辨别也比局部辨别快 20–30 ms。细胞机制层面,作者推测细节别信号可能源于区内递归连接(吸引子模型可复现反应时间动态)或杏仁核的反馈投射,眶额-颞区的自上而下易化(Kveraga 等 2007)也与此相容。竞争观点“纯前馈假说”(Hung 等 2005 在 125 ms 起的 12.5 ms 窗口即可解码分类与识别信息)被客观引述,作者认为该研究未聚焦于面孔特异性神经元,保留这一理论分歧。
局限方面,晚期反应与面孔识别(尤其是身份辨认)之间的直接因果联系仍待确证——Afraz 的微刺激实验仅证实了早期反应对“是否为面孔”的因果作用;人类晚期脑电成分(M400、300–500 ms 负波、P290、N700)究竟对应猴的精细类别信息,还是对应 Freiwald-Tsao 发现的视角不变身份信号,仍不明确。作者提出未来需在非人灵长类单细胞层面检验面孔熟悉度的作用,并探讨时间分阶段编码是面孔加工特有属性还是视觉系统的一般机制。
一句话总结
本综述系统梳理了腹侧视觉通路对面孔信息的时程编码规律:IT 神经元在刺激呈现后约 90–150 ms 的早期放电主要反映全局类别属性,在随后的持续反应中才逐步表征表情与个体身份,且视角不变的身份表征在前端 AM 补丁中出现更为迟滞。这种“早粗晚细”的时程规律在神经生理学与人类电生理及行为测速数据间展现了高度一致性,但晚期特异性放电对精细辨别行为的直接因果作用仍有待进一步实验确证。