IT / 文献库

PAPER 221 / CLOSE READING

Object representations in the temporal cortex of monkeys and humans as revealed by functional magnetic resonance imaging

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 · 动物性与非动物性表征在两物种脑中的拓扑分布
    2. 图 2 · 四个类别的选择性区域全景
    3. 图 3 · 用不同对比定义区域时的规模变化
    4. 图 4 · 猴类别区的相对选择性与 ROC 分析
    5. 图 5 · 人类类别区的相对选择性(与猴对照)
    6. 图 6 · 类别区内部对同类别不同样例的体素偏好
    7. 图 7 · 面孔区的选择性指数与倒置效应
  6. 讨论
  7. 一句话总结

本研究采用标准化的功能磁共振成像(fMRI)范式平行扫描恒河猴与人类受试者,在统一的跨物种比较框架下系统检验了下颞(IT)皮层组织的三类假说:动物性二分(animacy)、语义类别模块(category modules)与视觉特征映射(feature maps)。研究在猕猴中利用功能成像证实了“动物 vs 非动物”的大尺度皮层拓扑分离,揭示了类别特异性脑区的空间相邻关系符合语义亲缘规律(如面孔区紧邻身体部位区,物体区紧邻场景区),并在类别模块内部鉴别出对具体图像样例具有选择性的体素簇,为理解灵长类腹侧通路的多层级组织提供了直接证据。

研究背景

下颞叶被视为复杂物体识别的重要区域,但其内部组织可以有多种并不互斥的描述。动物性与非动物性的二分强调先区分与生命、意图和互动有关的信息;面孔、身体、物体和场景等语义类别模块强调特定类别的专门加工;视觉特征映射则认为物体由多个局部特征的组合表征。行为上,类别判断通常比识别具体个体容易,提示从一般类别到具体身份可能有多级过程。要判断这些观点的关系,不能只比较不同物种、不同任务和不同成像技术各自的证据。

三种假说还需要在不同空间尺度上同时检验。动物 vs 非动物的对比可观察大范围分离,单一类别与其他类别的合取分析可寻找类别模块,模块之间的反应重叠可检验语义亲缘,类别内部对具体样例的偏好则可检查是否仍有视觉特征组织。若模块内部不同体素偏好不同样例并聚集成簇,就说明“语义模块”和“特征映射”可以共存,而不必二选一。跨物种使用同一范式还有助于区分真正的组织相似性与方法造成的表观差异。

Bell 等在猴与人中使用面孔、身体部位、物体和场景的分块 fMRI,逐层比较动物性、类别区、区间调谐和样例特异性。研究希望回答:两物种是否都有动物性分离,类别模块如何相邻分布,类别内部是否还存在特征编码,以及前后区域的功能是否不同。结果为多层级的组织提供了证据:动物性、语义模块和样例特征簇可以同时存在。猴与人的成像信号、体素和个体/群体分析不同,因此调谐锐利程度不能直接解释为物种本质差异,前后面孔区的功能分工也仍需生理和损毁验证。

研究思路

研究遵循跨物种平行实验、多空间尺度递进的逻辑。首先,在两物种中同步采用包含 4 个类别(面孔、身体部位、物体、场景)的组块设计,通过跨大类统计对比检验宏观“动物 vs 非动物”皮层分离;其次,利用严格的合取分析(conjunction analysis)筛选出对特定类别具有严格偏好的体素,检验中观尺度上能否解离出独立的单类别模块;第三,基于感兴趣区(ROI)展开相对选择性与受试者工作特征(ROC)分析,定量刻画各模块对非偏好类别的调谐宽度及重叠程度;最后,通过在猕猴中呈现同类别但外形差异显著的独立单张样例,检验类别模块内部是否存在更细尺度的视觉特征偏好。该设计系统整合了宏观动物性二分、中观语义模块与微观特征拓扑三个层级。

方法

猴实验用 4 只雄性恒河猴(E、J、R、S),植入 MR 兼容头部固定装置,训练其在中央注视点周围 2° 窗口内维持注视(每轮要求至少 85% 时间注视合格,实际平均约 95%,眼动以 120 Hz 的瞳孔反射系统监控)。刺激分动物(猴面孔、猴身体部位)与非动物(物体、场景,均取自猴的周围环境)两大类,每类 48 张强度匹配的灰度图,以 32 秒的分块呈现(每块 16 张、每张 2 秒),图像最大边 22°,叠加在随机灰点背景上共 40°;每轮 6 分钟、含倒置面孔与倒置场景等条件,每猴每场 18–32 轮。扫描在 3T(Siemens Allegra 或 TimTrio)进行,等向 1.25 毫米体素;为了提高对比噪声比,每次扫描前注射铁基对比剂 MION(mono-crystalline iron nanoparticle,测脑血容量信号,而非人类的 BOLD 血氧信号)。人类实验 9 名被试(平均 25 岁,4 名女性),看人类面孔、身体部位、物体、场景(每类 32 张、16 秒分块、每图 1 秒间隔 1 秒空白),同时执行一个与实验无关的注视点颜色变化的中央任务以保持注意力(未记录眼位),数据经 Talairach 配准后在 3.5×3.5×5.0 毫米体素上采集,最终按群体组合分析(基于成组数据集)。定义类别选择性体素用合取映射:如"面孔 vs 物体 ∧ 面孔 vs 场景 ∧ 面孔 vs 身体部位",猴数据每个对比先阈限到 P=0.36 使三项合取后约 P=0.05,并用"任一条件 vs 随机点"掩膜控制低水平视觉特征混杂。定量分析基于感兴趣区(region of interest, ROI):以组内信号峰值体素为种子、取 7–8 毫米(猴)或 10–15 毫米(人)半径的球面掩膜,并归一化 ROI 体积以避免不同大小区域带来的分析偏差;区间的可分性用受试者工作特征曲线(receiver-operating characteristic, ROC)下的面积度量,1.0 表示两类反应分布完全可分,0.5 即猜测水平。

主要结果

  1. 两物种均有清晰的"动物 vs 非动物"分离,且拓扑方位一致。 猴 IT 内偏好动物刺激(面孔+身体部位)的体素沿上颞沟(superior temporal sulcus, sts)下岸分布成前后两团,分别位于 TE 区前部与 TEO 区附近;非动物偏好体素则在 sts 其他部分与 IT 腹侧面、向枕颞沟伸展。人类中动物偏好沿梭状回,更大偏背外侧;非动物偏好集中在海马旁回附近,更偏腹内侧(图 1)。
  2. 动物性区块可进一步拆出单类别模块,且模块相邻关系遵循语义亲缘。 猴的面孔区位于 TE 前部与 TEO 附近(双侧),身体部位区紧邻面孔区;物体区遍布 sts 与 IT 脑回;场景区见于 sts 前部、IT 腹侧面,且 4 只猴中 3 只在海马旁回也有场景区。人类中面孔与身体部位区沿梭状回相邻分布,场景区与物体区在海马旁回附近相邻、场景更靠内侧(图 2)。
  3. 相邻类别的对比收紧选择性:跨大类对比得出大区域,同类对比得出小区域。 四个面孔区用不同对比重定义时,"面孔 vs 场景"始终给出最大的 ROI,"面孔 vs 身体部位"最小;把 4 只猴的面孔区汇总同样如此,猴场景区也有类似但更弱的趋势;初始 16 个面孔 ROI 在叠加所有对比后只剩 9 个;人类被试同样出现此趋势但较弱(图 3);ROC 分析呼应此点——面孔区对场景的反应分布最可分、对身体部位最不可分,洼场景区与物体区、身体部位区各自呈现对称的模式,面孔成为 IT 反应中最易与其他类别区分的一类;人类被试的"类别调谐"看着比猴更尖锐(图 4、5)。
  4. 类别区内部存在对具体样例的选择性,且偏好相同的体素聚集成簇。 在猴 J 与 R 上以单图分块重复呈现同类别两个视觉差异大的样例,发现多个体素显著偏好其中之一,且偏好相同的体素在皮层平面上相邻聚集——表明类别区内部还有基于视觉特征(或伴随视网膜位置差异)的拓扑组织;奇偶轮次的数据分别分析后,显著体素的空间分布高度可复现(图 6)。
  5. 前、后面孔区功能不同:前部 TE 面孔区调谐更尖锐、对面孔倒置更敏感。 以选择性指数(SI)度量,前部 TE 的面孔区比 TEO 附近的后部面孔区更"挑剔"(Wilcoxon 符号秩检验,P<0.05);面孔倒置效应出现在 6 个受测面孔区中的 4 个,且前部面孔区平均降幅约 0.60% 信号变化(较最大响应下降 22%),后部约 0.22%(下降 11%,样本太小未作统计检验);只有 1 个面孔区对倒置场景有效应,而所有场景区对两类倒置刺激均无显著效应(图 7)。

图注解读

图 1 · 动物性与非动物性表征在两物种脑中的拓扑分布

原文图注:FIG. 1. Representation of animate vs. inanimate stimuli in the brain. Inflated views of 3 monkey subjects (E, J, and R) as well as the grouped human dataset showing the regions of the temporal lobe selective for animate vs. inanimate stimuli. The color bar shows the statistical value of the contrast between faces and body parts vs. objects and places. Regions outside the temporal lobes have been omitted. As, arcuate sulcus; cs, central sulcus; fg, fusiform gyrus; ios, inferior occipital sulcus; ips, intraparietal sulcus; las, lateral sulcus; ls, lunate sulcus; ots, occipitotemporal sulcus; phg, parahippocampal gyrus; ps, principal sulcus; sts, superior temporal sulcus.

此图把"动物 vs 非动物"的对比统计值涂在充气皮层表面上,猴三只(E、J、R)逐只显示,人类为合并数据。读图关键在于方位对比:无论哪个个体,动物偏好(面孔+身体部位 > 物体+场景)的区域都分布在偏背外侧(猴沿 sts 下岸的两团)而非动物偏好的区域都在偏腹内侧(猴沿 sts 其他部分与 IT 腹面延伸至 ots,人集中在海马旁回附近)。图下方缩写给出沟回定位(fg 梭状回、phg 海马旁回、sts 上颞沟等)。这张图支撑结果第 1 条——物种间不仅都有此分离,连"动物偏背外、非动物偏腹内"的相对方位都一致,是跨物种比较最有力的部分。Figure 1

图 2 · 四个类别的选择性区域全景

原文图注:FIG. 2. Category-selective regions in monkeys and humans. Inflated views of monkeys E and J as well as the grouped human dataset. Voxels are colored according to their preference for 1 of the 4 categories tested. Regions outside the temporal lobes have been omitted. (Note: 原文图注前段为 "Inflated views of monkeys E and J as well as the grouped human dataset showing category-selective regions throughout the brain.")

四个类别各赋一色,把合取分析选出的选择性体素铺在膨胀皮层上(猴 E、J 与人类群体数据)。读法是纵览两组物种的颜色带:猴的面孔色块出现在 TE 前部与 TEO 附近,身体部位色块紧贴其旁,物体色块散布于 sts 与 IT 脑回,场景色块贴在物体色块边上;人类数据里,面孔与身体部位色块沿梭状回呈相邻分布,场景色块比物体色块更靠内侧(海马旁回附近)。此图支撑结果第 2 条:类别模块真实存在,而且"面孔—身体部位相邻、物体—场景相邻"的语义拓扑是跨物种的规律。Figure 2

图 3 · 用不同对比定义区域时的规模变化

原文图注:FIG. 3. Topographical analysis of category-selective regions in monkeys and humans. A: the size (in number of voxels) of the 4 face-selective regions identified in monkey E, as a function of the contrast used to define them. In all cases, the faces vs. places contrast (represented by the blue bars) produced the largest face-selective regions, and the faces vs. body-parts contrast (represented by the yellow bars) produced the smallest. B: the same trend emerged when the data were combined from all face-selective regions from all 4 monkeys. C: the same analysis was done on the place-selective regions, revealing a similar but weaker trend. D: results of the same analysis for face-selective regions identified in the individual human subjects. Statistical comparisons were done using paired Wilcoxon rank sum tests (, P < 0.05; *, P < 0.01, SE indicated by the error bars). TE,: voxels within anterior area TE; TEO, voxels near area TEO.

柱状图:横轴为不同的定义对比(faces vs places、faces vs objects、faces vs body parts 等),纵轴为 ROI 的体素数。A(猴 E 的 4 个面孔区单独):蓝色柱(对场景)最高、黄色柱(对身体部位)最低,四个区域无一例外。B(四只猴合并)、C(猴场景区,faces 与 objects 对调后类似)、D(人类个体数据)重复刻画同一格局。这组柱形图把"对比选择如何吞掉体素"翻译成可见的数字:跨大类对比(面孔 vs 场景)保留大量体素,而到语义相近类别(面孔 vs 身体部位)就只剩一小撮——语义结构的痕迹,支撑结果第 3 条的前半部分。Figure 3

图 4 · 猴类别区的相对选择性与 ROC 分析

原文图注:FIG. 4. Relative selectivity of category-selective regions to their nonpreferred categories, in monkeys. A–D: normalized responses to the 4 categories within representative category-selective regions of interest (ROIs) for monkey E. E–H: corresponding receiver-operating characteristic (ROC) curves for the category-selective ROIs shown in A–D. An area under the curve of 1.0 indicates that the response distributions for the 2 categories are completely dissociable. A value of 0.5 (diagonal line) indicates that they are overlapping, and thus the ability to assign a given response to the correct category would be at chance (50%). Inset values indicate area under the ROC curve for the given contrast. I–L: average area under the ROC curves for all category-selective regions identified in the 4 monkeys. Statistical comparisons between pairs of contrasted categories for the population performed using paired Wilcoxon rank sum tests (, P < 0.05, *, P < 0.01, SE indicated by the error bars). - - -, the 0.50 (i.e., chance) level.

上排(A–D)是猴 E 代表性 ROI 对四类刺激的归一化反应柱图,下排(E–H)是对应的 ROC 曲线,I–L 汇总四猴全部 ROI 的 ROC 平均面积。读图要点有三:ROC 曲线离对角线越远、曲线下面积越接近 1,两类刺激的反应分布越可分;内插数字即各对比的曲线下面积。结合看可以发现面对面孔区里"面孔 vs 场景"的面积最大、"面孔 vs 身体部位"最小;场景区对面孔最可分、对物体最不可分;物体区反之;身体部位区对物体最不可分。这系列不对称性支撑结果第 3 条:类别区不是"全或无"的开关,而是对语义亲缘类别保留调谐——面孔反应是最能与其他类别分开的信号。Figure 4

图 5 · 人类类别区的相对选择性(与猴对照)

原文图注:FIG. 5. Relative selectivity of category-selective regions to their nonpre ferred categories, in humans. A–D: normalized responses to the 4 categories within all category-selective ROIs identified in the ventral temporal cortex, averaged across all 9 human subjects. E–H: corresponding ROC curves for response distributions summarized in A–D. An area under the curve of 1.0 indicates that the response distributions for the 2 categories are completely dissociable. A value of 0.5 (diagonal line) indicates that they are overlapping, and thus the ability to assign a given response to the correct category would be at chance (50%). Inset values indicate area under the ROC curve for the given contrast.

与图 4 同构,主体换为 9 名人类被试合并数据(腹侧颞叶所有类别 ROI)。定性读法与图 4 相同,但对比是猴—人的定性差异:人类 ROI 对非偏好类别的反应明显更弱,三类非偏好反应彼此几乎一样平——即人类的"类别调谐"看起来更尖锐、更趋于纯化。作者在讨论中把此差异谨慎归因于方法学(MION 血容量信号 vs BOLD 信号、猴体素更小、猴按单个体分析而人按群体合并),并未断言物种差异。此图支撑结果第 3 条的物种对照部分。Figure 5

图 6 · 类别区内部对同类别不同样例的体素偏好

原文图注:FIG. 6. Stimulus specificity within cate gory-selective regions in the monkey. Flat tened cortical surfaces of the left temporal lobe of monkeys J and R. The colored regions represent the individual category-selective regions identified in the previous experi ment. The color depicts each voxel's prefer ence for 2 different exemplars from the same category. Color bars indicate the P value for the regression analysis contrasting the 2 exem plars shown on the right. Insets: the ap proximate area sampled in the flat tened surfaces (main panels).

猴 J 与 R 左颞叶的平铺皮层表面图。先叠上此前实验定义的四类类别区(彩色底),再对区内每个体素做回归分析,比较与其类别同属但视觉差异明显的两个样例(图右示例)诱发的反应,颜色表示该对比的 P 值/偏好方向。读取时注意:如果类别区只编码类别成员,同一类的两个样例反应应无差异;实际图上多处出现对样例 1 或样例 2 有显著偏好的体素群,且同偏好的体素相邻聚集。奇偶轮次分离后的复测高度一致(正文并引补充图 S5/S6)。此图支撑结果第 4 条:语义类别模块内部仍有特征层次的并行组织,三种假说的证据在同一数据里同时成立。Figure 6

图 7 · 面孔区的选择性指数与倒置效应

原文图注:FIG. 7. Face-selective regions in monkey IT cortex. A: inflated cortical surfaces of monkey E, colored according to the relative selectivity of individual voxels for their preferred ver sus nonpreferred categories. The selectivity index (SI) was calcu lated using the following formula: SI = [Rp − 1/3(Rnp1 + Rnp2 + Rnp3)]/[Rp + 1/3(Rnp1 + Rnp2 + Rnp3)], where Rp is the response to the preferred category and Rnp1-3 are the responses to the other 3 categories. All responses were first normalized to the lowest value to avoid confounds with negative signal intensities. Greater indices indicate voxels that show a larger difference in response magnitude between their preferred cate gory and the average of the responses to the three remaining categories (i.e., "more selective"). Face-selective regions (see Fig. 2) are indicated by the red outlines. B: average selectivity indices for the face-selective regions in near areas TE and TEO for all 4 monkeys. C: inversion effect for face (red bars) and place (blue bars) stimuli in face-selective regions in area TE and near area TEO. Significance not assessed due to inadequate sample size (n = 5).

(注:公式符号在 PDF 提取文本中乱码,此处按其数学含义复原。)A 面板以选择性指数染色的猴 E 双半球膨胀图,红圈圈出面孔区;SI 度量每个体素偏好类别响应与三个非偏好类别平均响应的差异幅度,值越大越"挑剔"。B 汇总 4 只猴:前部 TE 面孔区的平均 SI 显著高于 TEO 附近的后部面孔区(P<0.05),把"沿腹侧通路越往前选择性越锐"的单细胞层规律搬到了成像层面。C 面板给倒置效应:红色为面孔倒置效应幅度,前部 TE 约 0.60%(较最大响应下降约 22%),TEO 附近约 0.22%(约 11%);蓝色为场景倒置效应,几乎为零,说明倒置效应并非任意类别的普遍属性而是面孔区的类别特异性——此图支撑结果第 5 条。Figure 7

讨论

作者把三个假说的证据同时收进来,主张 IT 皮层的物体表征是"多层级的(multiple hierarchical tiers)":顶层是动物性二分,中间层是语义类别模块,模块内还叠着对视觉特征(乃至视网膜位置)的细粒度映射。对动物性二分,他们强调这是猴成像的最新证据,与 Kiani 等(2007)的电生理结论互相成就,并从功能角度推测这样组织的好处是能迅速把周围刺激归入"是否关乎他者意图"——面孔表情与身体动作这类线索更适合快速分类处理。对类别模块,作者认为其拓扑证据支持语义组织,同时用"语义相关刺激往往共享视觉特征"(Rosch and Mervis 1975)来调和.category 区与特征柱的矛盾——面孔是最形态定型的类别,所以其区域最离散稳定;物体与身体部位外观变化大,所以区域更大、跨被试位置多变、调谐更宽:语义分区可能就是特征统计聚类的投影。前、后面孔区的分工被摆上台面:结合损毁文献(前部 IT 损毁偏识别缺陷、后部偏知觉缺陷,如 Iwai 和 Mishkin 1969;Merigan 和 Saunders 2004),作者猜测后部面孔区适合"脸 vs 非脸"的判别,前部 TE 面孔区偏向个体面孔的识别——只是明确声明此设想仍需生理与损毁实验直接检验。倒置效应方面,作者指出人类文献本身矛盾重重(部分实验室发现倒置面孔反应下降,部分无变化),本猴数据支持"有效应"的一方且显示其对类别的特异性。作者承认的局限主要在物种比较层面:猴用 MION(血容量)而人用 BOLD(血氧)、体素大小不同、猴单个体而人群体数据,所以"人类调谐更锐"无法坐实为物种差异;另声明更多类别的适用范围(动物/非动物二分之外的其他活物与非活物刺激)还要补测才能下强结论;IT 内部较弱的视网膜拓扑组织(Ito 等 1995)也提示样例特异性不至于全是低水平因素的驱动,但未完全排除。

一句话总结

该研究通过跨物种平行成像证实,下颞皮层表征并非单一维度的全有全无特化,而是呈现多层级嵌套组织:宏观上表现为动物与非动物二分,中观上表现为遵循语义亲缘分布的类别模块,微观上则保留了对样例视觉特征的精细拓扑编码。尽管对比剂选择(猴脑 MION 血容量与人类 BOLD 血氧)及分析单元(单个体 vs 群体平均)等技术差异限制了对物种间调谐尖锐度差异的直接生理推断,其对灵长类腹侧流多尺度表征结构的揭示仍具有基准意义。

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。