The neural basis of visual body perception

这是一篇里程碑式的综述：在面孔研究的洪流之外，它把"身体知觉"正式立为一个独立的视觉认知问题。作者系统整合猕猴单细胞、人类颅内记录、头皮 ERP、fMRI、TMS 与病人研究，论证人脑外纹状皮层存在两个可从面孔系统分离出来的身体选择性区域——纹外身体区（extrastriate body area, EBA）与梭状回身体区（fusiform body area, FBA）——并把它们与身体图式、情绪知觉和动作理解三条功能线索连接起来。直到今天讨论身体知觉的脑机制，这篇综述仍是绕不开的起点文献。

研究背景

面孔知觉在 2000 年代初已是认知神经科学的明星问题，而"身体其余部分"的知觉长期被冷落。作者在开篇指出这其实说不通：身体与面孔共享一系列关键特征——它传递 socially relevant 的信息（身份、动作、情绪、意图）、随终生反复曝光变得高度熟悉、个体间形状相似（因而识别需要精细区分）、且在视觉上能自动捕获注意。既然面孔被证明有专门化的皮层机制，身体是否也有类似的"特区"，是当时悬而未决的问题。

当时的证据是零散的：猕猴下颞叶皮层有对手和身体形状选择性的神经元（Gross、Desimone 的经典工作），人类 fMRI 刚发现 EBA（Downing 等 2001）与梭状回的身体选择性响应，ERP 上有疑似身体特异的成分，但各方法之间的结论没有拼接成完整图景。缺口主要有三：身体选择区与面孔选择区究竟能否在解剖与功能上分离；这些区域的时间进程与因果作用是什么；以及它们与"身体图式"（body schema，对自身姿态与肢体位置的持续感觉）、情绪知觉和动作观察等高阶过程如何衔接。这篇综述正是要填这张图。

研究思路

作为综述，作者的策略是"按证据类型分层推进、再按功能域收拢"。前半部分把六类证据按空间-时间-因果的约束力排开：猕猴单细胞与 fMRI 给出细胞层面的选择性与跨物种对应；颅内记录给出毫米级定位加毫秒级时间；头皮 ERP 给出无损的时间进程；fMRI 给出人类的双区地图，并用多体素模式分析（multi-voxel pattern analysis, MVPA）解决"激活重叠不等于同一神经元群体"的解译陷阱；TMS 与脑损伤提供因果证据。后半部分再把这些区域放进三个功能语境（自我与身体图式、情绪、动作知觉），逐一检验"身体选择区在其中扮演什么角色"的候选假说。这个组织方式本身就是一个方法论示范：单一种类的证据都留有歧义，多种证据的交集才接近答案。

方法

文中综述的每一类方法都值得交代一句。猕猴部分包括早期下颞叶单细胞记录（用手、面孔、几何图形等类别的图片刺激）与一项大样本研究（600 多个 IT 神经元对 1,000 多张自然与人工物体图片的响应，做跨细胞活动模式分析），以及猕猴 fMRI（对比面孔、身体、水果、人造物、手的激活）。人类颅内记录在癫痫手术评估病人中进行，用皮层表面电极获得同时具有高空间与高时间分辨率的信号。头皮 ERP/MEG 研究比较面孔与身体（或手）图片诱发的成分，并用源定位（source localization）估计其皮层来源。fMRI 研究以（去头）身体与身体部件图片对比工具、面孔等控制刺激来定义功能 ROIs；MVPA 进一步在每个体素的偏好模式层面分辨重叠的神经元群体。TMS 用头皮线圈在特定时间窗（150–250 ms）或以重复脉冲干扰 EBA，制造"虚拟损伤"；病人研究考察卒中后身体相关任务的缺陷模式；发育研究则用婴儿 ERP 和点光显示器（point-light displays, PLDs，仅有若干光点、靠运动呈现人形的刺激）。

主要结果

(1) 身体选择性在猕猴皮层是真实且成簇的（图 1）。猕猴 IT 存在对手的形状选择性细胞——对各种朝向、大小、位置的猴手与人手响应强烈，对其他复杂形状和面孔不响应；大样本群体分析进一步显示"有生命 vs 无生命"的响应模式分离，且面孔与身体在模式上互异、单一细胞很少同时选择两者。猕猴 fMRI 发现 STS 内两团身体选择性激活（右侧最强），与面孔选择区相邻且部分重叠；对面孔斑块内神经元的后续记录显示几乎全是面孔细胞——密集的高度选择性神经元聚簇足以支撑 fMRI 宏观层面的选择性，这为人猴结果搭了桥。

(2) 人类电生理锁定时间进程（图 2、图 3）。颅内记录中，位于 EBA 大致位置的电极对（去头）全身图片从刺激后 190 ms 起表现出身体选择性、260 ms 达峰，且身体选择电极对面孔、面孔选择电极对身体都没有显著响应；另有多处电极对手的选择性响应在约 230 ms 达峰。头皮 ERP 上存在身体选择性的负电位 N190，比面孔的 N170 晚约 20 ms，源定位指向不同的外侧枕颞来源；N190 泛化到火柴人与剪影（抽象表征），但不泛化到打乱版本；对 bodies 与 faces（而非物体），图像倒置会延迟并放大该 N1 响应——构形加工（configural processing）的证据。

(3) 人类 fMRI 圈定两个身体选择区，且与面孔、运动系统可分离（图 5；其解剖位置参见文中图 4）。EBA 位于双侧后下颞沟/中颞回，对静态人形图片响应强，对面孔、物体及其部件响应弱，并泛化到线画、火柴人与剪影——表明其表征抽象于具体视觉特征；对非人动物响应居中（哺乳类高于鸟类与鱼类），符合"按人类形体相似度"的解释。FBA 位于梭状回，与 FFA 相邻且部分重叠，但高分辨率 fMRI 可见相邻的小斑块各自选择身体或面孔，MVPA 更显示体素层面的面孔与身体偏好模式互不相关——重叠激活之下是不同的神经元群体。同样的逻辑把 EBA 与 hMT（运动区）、FBA 与 FFA 分开：点光动画的选择性与身体选择性正相关、而与简单运动或面孔选择性无关。

(4) EBA 的因果作用（图 6）。TMS 在刺激后 150–250 ms 干扰 EBA，选择性地损害身体部件的延迟匹配任务，不影响面孔或摩托车部件；另一项研究显示干扰 EBA 损害对身体部件"身份（形状）"的判断，而干扰腹侧前运动皮层（ventral premotor cortex, vPMC）不成比例地减慢"动作"判断——EBA 与镜像系统在功能上可分离。TMS 的时间窗与 ERP（190 ms）及颅内（230–260 ms）的身体选择峰吻合。

(5) 身体选择区在三个功能域中的角色轮廓清晰但证据有别。自我与身体图式：EBA 在执行看不见的自主手/足运动时也被激活（可能经本体感觉输入或运动关联放电更新身体表征），但重叠区域仅 14–19%，且 MVPA 显示运动调制与体选择性在体素层面不相关——是重叠而功能独立的机制；右侧 EBA 对非中心视角（allocentric，即只有从他人视角才能看到的身体部分）有少量可靠增强，但对"自己的还是别人的身体"不敏感。情绪：情绪性身体姿态能偏转注意（在半侧空间忽视病人中，向忽视侧空间呈现情绪性姿势可减轻其对健侧的偏向）、在无 V1 时被内隐知觉（提示丘脑枕-杏仁核皮层下通路），并选择性调制 EBA 与 FBA（跨被试地与杏仁核活动相关）；面孔与身体情绪一致时表情识别更快，ERP 一致性效应最早出现在 115 ms。动作知觉与镜像系统：在动作知觉与镜像系统部分补充说明：原文也讨论了一项反面研究（为模仿而观察动作会增强类似 EBA 区域的激活，提示其可能具有镜像功能），但作者认为该结果可能受注意力或任务要求等混淆因素影响，整体上仍主张 EBA 并非镜像网络核心，而主要提供静态形态输入。

图注解读

图 1 · 猕猴证据：从手选择性细胞到 STS 身体斑块

原文图注：Figure 1 | Key findings from non-human primates. a | Orange indicates the region investigated in early single-unit recording studies of macaque inferotemporal cortex15–17. b | Increasing responses to progressively more hand-like stimuli in a neuron from macaque inferotemporal cortex. Numbers reflect approximate relative magnitude of responses to different stimuli. c | Spike histograms and schematic stimuli from an investigation of a hand-selective neuron15. This neuron seems to be selectively tuned to the general form of the hand. The response to faces is low, ruling out a general response to all biological stimuli. The response to hand-like geometric stimuli is also low, demonstrating the specificity of the response to realistic hand shapes. d | Closely neighbouring regions of the superior temporal sulcus (STS) in the macaque are selectively activated in functional MRI by images of faces (left), as compared with bodies, fruits, artefactual objects and hands. This is also true for images of bodies (right), as compared with faces, fruits, artefactual objects and hands. Ce, central sulcus; Ip, intraparietal sulcus; L, lunate sulcus; La, lateral sulcus; Oi, inferior occipital sulcus; Tma, anterior middle temporal sulcus; Tmp, posterior middle temporal sulcus; Ts, superior temporal sulcus. ……

四个面板分别对应猕猴证据的三个时代。a 标出早期单细胞研究涉及的猴下颞叶区域；b、c 是经典的手选择性细胞：b 显示随刺激越来越"像手"响应递增的梯度，c 用直方图加示意图展示同一个细胞——对真实手形响应强，对面孔（排除"对所有生物刺激都响应"的解释）和对"像手的几何图形"（排除泛形状解释）响应都低，说明调谐锁定在"手的一般形状"上。d 是 fMRI 时代的证据：STS 内相邻区域分别被面孔（左）与身体（右）选择性激活。这张图支撑主要结果 (1)，也隐含了贯穿全文的主题——身体系统与面孔系统相邻而不相同。

图 2 · 颅内记录：身体选择性电位的位置与时间

原文图注：Figure 2 | Key findings from intracranial recordings in humans with epilepsy. a | A summary of hand-selective negative potentials (indicated by red lines) peaking at approximately 230 ms post-stimulus. Blue lines indicate the response to images of faces, and green lines the response to images of objects. Red spots indicate body-selective recording sites across different patients. Red crosses indicate the average position of the inserted electrodes. b | Pre-surgical intracranial recordings from a patient with epilepsy reveal an electrode at the approximate location of the extrastriate body area28 (electrode 15; indicated by the yellow box) that is body-selective (red line) from 190 ms post-stimulus, relative to faces (blue line), tools (green line) and animals (black line)29. Panel a modified, with permission, from REF. 27 © (1999) Oxford University Press. Panel b modified, with permission, from REF. 29 © (2007) Elsevier Science.

a 面板把多个病人的电极记录汇总到一张脑图上：红点为表现出手选择性的记录位点，红线为约 230 ms 达峰的手选择性负电位，蓝、绿线分别是同一批电极对面孔与物体的响应——对比之下手选择性清晰可见。b 面板聚焦一例：黄框标出的 15 号电极位于 EBA 的近似位置，红线（身体）从 190 ms 起脱离蓝（面孔）、绿（工具）、黑（动物）三条对照曲线。这张图支撑主要结果 (2)：身体选择性在人脑以毫米级定位和毫秒级时间分辨率被直接记录到，且与面孔系统的响应电极互不重叠。

图 3 · 头皮 ERP：N190 与构形加工

原文图注：Figure 3 | Event-related potentials reveal similar, but distinct, responses to faces and bodies. a | A body-selective event-related potential (ERP) negative (N1) peak is centred approximately at electrode P8, the site from which the data in the remaining panels were acquired. b | The body-selective response (red line) peaks at 190 ms post-stimulus, about 20 ms later than the response that is elicited by pictures of faces48 (blue line), and roughly the latency at which body selectivity has been observed in intracranial recordings of occipitotemporal sites in human patients with epilepsy (FIG. 2). c | This body-selective 'N190' generalizes to abstract depictions of the body, distinguishing between intact and scrambled stick figures, and between intact and scrambled human silhouettes48. d | For both bodies (left graph) and faces (middle graph), but not objects (right graph), stimulus inversion delays and amplifies the N1 response43. Panels b and c modified, with permission, from REF. 48 © (2006) Elsevier Science. Panel d modified, with permission, from REF. 43 © (2004) Lipincott Williams & Wilkins.

a 先给出地形学依据：身体选择的 N1 峰集中在右侧颞枕电极 P8 附近，后续面板的数据都取自该电极。b 是核心曲线图：红线（身体）在 190 ms 达到负峰，比蓝线（面孔）的 N170 晚约 20 ms，且与图 2 的颅内潜伏期大致吻合——无损与有损记录互相印证。c 显示这种"身体 N190"泛化到抽象的身体描绘：完整火柴人相对打乱版、完整剪影相对打乱版都能诱发出差异，说明系统抽象于表面特征。d 用倒置操作检验构形加工：身体与面孔（而非物体）的 N1 被倒置延迟并放大，两条曲线的效应同构。这张图支撑主要结果 (2) 的头皮证据与"身体像面孔一样被构形加工"这一论断。

图 5 · MVPA 解开重叠的激活

原文图注：Figure 5 | Disentangling the regions of the occipitotemporal cortex. a | Multi-voxel pattern analyses (MVPA) of functional MRI (fMRI) data disentangle inferior temporal sulcus (ITS) responses to bodies, objects, simple visual motion and biological motion (see also BOX 1). Bodies, objects, 'point light' animations of human movements and simple oscillatory motion all activate similar regions of the ITS in human fMRI studies (see rendering at top of figure). These responses can be difficult to disambiguate — for example, even when only the single most object-selective voxel from this region is tested across individuals, significant motion, biological motion and body selectivity is found59. Pattern analyses consider the local variations in selectivity across the voxels of the region as a whole. They reveal that body and biological motion selectivity have significant positive correlation, indicating that they engage similar underlying neural populations (that is, the extrastriate body area). By contrast, the variations in motion and object selectivity are uncorrelated with each other and with body selectivity, indicating distinct underlying neural systems59,60. b | Similarly, MVPA of fMRI data disentangle posterior fusiform gyrus responses to bodies, faces and biological motion (see also BOX 1). Voxelwise pattern analyses reveal that body and biological motion selectivity show significant positive correlation, indicating that they engage similar underlying neural populations (that is, the fusiform body area). By contrast, these patterns are uncorrelated with the pattern that is elicited by faces, indicating a distinct underlying neural system (that is, the fusiform face area)60.

这张图是全文方法论主张的图示化。读法是抓两条相关结论：在 ITS 区（a 面板），身体、物体、点光动画与简单振动运动在常规 fMRI 分析里激活的是同一片区域，逐体素看甚至"最物体选择性的体素"也显著响应运动与身体；但把整个区域所有体素的选择性偏好当作向量做相关后，只有"身体 vs 生物运动"正相关——它们共享同一群神经元（EBA），运动与物体的偏好模式则与之无关（各自是独立系统）。在梭状回后部（b 面板）同样操作：身体与生物运动选择性正相关（FBA），与面孔（FFA）不相关。这支撑主要结果 (3) 中"重叠激活之下是不同神经元群体"的关键区分——EBA 之所以有别于 hMT、FBA 之所以有别于 FFA，靠的就是这种模式层面的解缠。两个区域在解剖上的位置图则由文中图 4（含 EBA 切面、梭状回膨胀皮层渲染与 EBA 对各类刺激的响应标尺）呈现。

图 6 · TMS：EBA 的因果角色与 EBA–vPMC 双分离

原文图注：Figure 6 | Transcranial magnetic stimulation studies of the involvement of the extrastriate body area in body-perception tasks. a | The cortical sites stimulated in two studies82,134 — the extrastriate body area (EBA), the ventral premotor cortex (vPMC) and the primary visual cortex (V1). b | Stimulus timing parameters. Two transcranial magnetic stimulation (TMS) pulses were delivered in the interval of a short-term visual memory task in which subjects were asked to compare the initial sample item with two test items, and in which the comparison was based either on identity (form) or on the action implied by the image. c | Repetitive TMS (rTMS) over the EBA (red bars) slows response times to judgments on body parts, but not face or object parts, whereas rTMS over the V1 (green bars) and sham stimulation (grey bars) have no effect82. d | rTMS over the EBA (red bars) and the vPMC (white bars) has differential effects on judgments of body part identity (form) or implied action: form tasks are disrupted by EBA stimulation, and action-judgment tasks are disproportionately slowed by vPMC stimulation134.

a 标出两项 TMS 研究刺激的三个皮层位点（EBA、vPMC、V1）；b 画时间线：在短时记忆匹配任务（样本-测试比较，比较维度可为"身份（形状）"或"图像暗示的动作"）的间隔中给双脉冲 TMS。c 是第一项研究的结果：对 EBA 施加重复 TMS（红线）选择性地减慢对身体部件的判断反应时，对面孔与摩托车部件无影响，V1 与假刺激组也无效应——EBA 对身体形状表征的因果必要性。d 是第二项研究：EBA 刺激破坏形状（身份）判断，vPMC 刺激则不成比例地减慢动作判断——EBA 与镜像系统（vPMC）的双分离。这张图支撑主要结果 (4)，是全文因果证据的核心。

讨论

作者的收束很清楚：身体知觉与面孔知觉一样，在外纹状皮层诱发出一致且选择性的神经活动模式，且来自所有方法的证据都指向"面孔系统与身体系统在解剖与功能上可分离"——哪怕在梭状回里两者高度重叠，细粒度上仍是不同的斑块。作者没有把 EBA/FBA 画成一个孤立模块，而是给出一个分工假说：EBA 分析身体部件与形态、提供静态"快照"，FBA 构建更完整的整体身体表征（依据是部件选择性偏 EBA、完整性偏好偏 FBA 的一项研究），后部梭状回则为面孔与身体表征的近距离交互提供场所（例如远处只见身形时由 FBA 补充身份线索）；这些快照与来自其他区域的形态、运动信息一起构成对动作的完整视觉表征，进而为镜像系统提供知觉输入——但 EBA 本身不具备镜像性质。与文献的对话贯穿全文：与 Kanwisher 一系的功能特化主张、与 Tarr/Gauthier 的"专家化"争议（Box 2 指出梭状回面孔-身体重叠在宏观上有利于过程特异观、在细粒度上有利于领域特异观）、与 Giese & Poggio 的生物运动计算模型（其关键构件正是一组静态身体形态表征）。

局限方面作者相当坦率：EBA/FBA 与 hMT、FFA 的体素级重叠给区域刻画带来方法学困难（这正是引入 MVPA 的理由）；EBA 损伤病人极罕见，卒中病人的三重分离（姿势性、语义性、结构性身体表征）只能定位到左侧颞叶，不足以落到 EBA 或 FBA；一个反直觉的空缺是"为何面孔失认症病人几乎从不伴随身体知觉缺陷的报到"——作者给出多种可能（FFA 与关键损伤点的关系不明、未被常规检测、或残留区代偿）而无一有定论；动作执行激活 EBA 的解释（本体感觉 vs 关联放电 vs 注意混淆）未决；发展数据零散，运动 EBA 与知觉 EBA 是否同一群神经元仍需检验。

一句话总结

我读这篇综述最大的感受是它示范了"用 MVPA 解救 fMRI 解译"的范式：在 EBA/hMT、FBA/FFA 这些激活互相重叠的地方，平均激活几乎必然给出错误结论，而体素偏好模式的相关性把问题一刀切开。EBA 提供"快照"、镜像系统消费快照的分工框架，我认为是全文最有生命力的一笔——它把身体知觉从"另一个面孔模块"提升为一个可与其他系统对接的输入站。但要提醒读者，2007 年时的因果与病人证据还非常薄，EBA/FBA 的许多功能归属在当时更接近工作假说而非定论。