该研究利用功能磁共振成像(fMRI)探讨腹侧颞叶皮层在物体识别中的功能特异性,检验常被定义为“面孔特异”的梭状回/下颞叶区域是否能够在无面孔刺激的任务中被激活。作者在完全使用非面孔物体的前提下,通过系统操纵物体分类认知加工的层级(基本水平对比下位水平),在 8 名受试者中均观察到了所谓“面孔区”的显著激活。该实验为“梭状回面孔区并非绝对面孔专属、可能参与细粒度下位辨别与知觉加工”的假说提供了早期直接成像证据,并确立了在评估认知模块假说时必须控制任务加工层级的方法学立场。
研究背景
20 世纪 90 年代关于面孔识别神经机制的争论主要围绕认知神经心理学与功能影像学两类证据展开:腹侧颞叶局灶损伤常导致面孔失认症,而正电子发射断层扫描(PET)及早期 fMRI 研究显示,面孔图片引发的梭状回及邻近下颞叶皮层激活显著强于常规人造物体。这一现象促成了面孔识别依赖领域特异性认知模块(domain-specific module)的理论假设。然而,某一片皮层在对比中表现出对面孔的较强反应,并不足以直接确定该反应源自面孔刺激类别本身、特定的几何计算要求,还是长期视觉经验。特别是在被动观看任务中,未明确指定的自发认知加工仍可能进行:被试在观看面孔时会自动通达个体身份(下位识别),而观看普通物体时通常仅通达基本概念范畴(如“椅子”或“汽车”)。
分类水平是导致上述解释混淆的核心变量。认知心理学将概念归类划分为上位、基本与下位水平:识别图像是一只鸟(基本水平),与辨认其具体是鹈鹕还是麻雀(下位水平),所调动的视觉特征分析精度截然不同。若日常面孔辨别天然属于下位水平,则面孔相对普通物体的激活优势就混淆了刺激类别与加工精细程度。此外,部分面孔失认症患者在区分高度相似的非面孔同类物体时亦表现出伴随障碍。既往采用线条画进行分类层级对比的 PET 研究未能检出预期的腹侧颞叶激活,但简笔画缺乏精细表面纹理与三维阴影、不同任务间认知负荷不均以及词汇启动效应,均可能影响测量敏感度。因此,需要在严格匹配视觉输入并控制语言语义混淆的前提下,系统检验分类水平对腹侧颞叶激活的直接调制作用。
本研究完全使用非面孔常见物体,采用具有丰富明暗细节的灰度照片结合基本与下位文字标签进行匹配判别,并设立独立的语义属性判断任务作为对照,评估下位分类所增额的腹侧颞叶激活是否定位于既往报道的面孔加工区域。该设计通过保持刺激物理属性恒定,将“同一物体以何种层级被表征”置于研究中心。需要指出的是,下位辨别在行为上普遍伴随较长的反应潜伏期与更高的错误率,不能将激活差异完全剥离为与加工负荷无关的纯理论层级效应;同时,基于群组平均的激活坐标与历史面孔区重合,并不等同于在单被试水平上实现了面孔特异性神经元与下位分类神经元的严格共定位。实验结论表明任务加工需求能够招募特定的腹侧颞叶皮层,但这并不足以完全排除面孔加工中潜在的特化成分,也不能单凭分类水平完全涵盖视觉经验、类内几何相似度及社会情绪意义的影响。
研究思路
研究设计旨在解离“刺激类别”与“分类水平”这两个混淆变量:实验全程仅使用非面孔自然与人造物体,通过在同一张物体图像上要求被试进行基本水平或下位水平的认知判别,从而将自变量严格限制在分类加工深度上,排除了面孔物理特征的干扰。为修正既往 PET 研究的方法缺陷,研究进行了三项实验控制:第一,采用具有三维阴影与纹理细节的灰度实体照片代替简笔线条画,以保留下位辨认所需的细致知觉信息;第二,使相同的测试图像在基本水平与下位水平条件下对称出现;第三,为视觉匹配任务与语义对照任务分别设计词汇库,在词长、词频、音节数及语义提取反应时上实现严格匹配,以此剔除语言文字处理的额外负荷。
其论证逻辑在于:若非面孔物体的下位分类加工能够系统性激活既往由“面孔对比非面孔”所界定的腹侧皮层区域,则表明该区域的神经激活并不具备对刺激几何类别的绝对专属依赖性;同时提示任何未能有效控制分类层级的研究,均无法将类别间的激活差异单纯解读为面孔特异性计算模块的独立证据。
方法
实验招募 8 名神经系统健康的成年被试(5 名右利手、3 名左利手)。扫描在 1.5 Tesla GE Signa 磁共振系统上完成,采用单次激发梯度回波 EPI 序列(TR = 1547 ms, TE = 60 ms),采集 6 个倾斜轴位层面(层面厚度包含腹侧颞叶皮层),每个被试重点分析覆盖梭状回及下颞叶的两层解剖层面。实验采用区组设计,包含两项实验任务及其各自的两个分类层级:视觉任务要求被试判断屏幕呈现的物体图像与同时出现的文字标签是否匹配(如鸟类图像配“BIRD”或“PELICAN”);语义任务要求被试仅依据呈现的文字标签判断该物体在现实中是否具备自主移动能力(能否靠自身动力移动)。刺激呈现时间为 2000 ms,试次间间隔(ITI)为 750 ms,共使用 72 幅高分辨率灰度物体图像(涵盖动物、车辆、家具等,平均分配于各任务并均等重复 4 次),每个测试区组持续 16 秒,交替进行 3–4 轮。视觉任务与语义任务的文字刺激在词长、词频及语义判定反应时上实现平衡。行为预实验(20 名被试)证实了刺激材料的基本水平加工优势:视觉任务中基本分类平均反应时为 849 ms,下位分类为 995 ms(t = 10.6, P < 0.001),准确率分别为 97% 与 88%。
图像分析基于体素级 t 检验:将时间序列对半切分,仅当两个子集中的 t 值均不低于 1.0 且至少与 2 个相邻活跃体素成簇时判定为真激活;ROC 曲线模拟显示该统计门槛的伪阳性率约为 2%,真阳性识别率达 76%。数据在 SPM96 中进行头动校正,通过分段线性变换配准至统一解剖坐标系。感兴趣区(ROI)依据解剖解剖结构逐一界定:包含枕叶外侧皮层(OCC)、舌回(LIN,作为无功能相关性的解剖空间对照)、梭状回/下颞叶区(FIT)以及颞极(TPOL)。统计分析主要包含两部分:一是对各 ROI 内部超阈值体素数量进行多因素方差分析(简单减法采用 2×2×2 设计,双重减法采用 2×4 设计);二是跨被试平均后的双重减法对比 [视觉(下位 - 基本) - 语义(下位 - 基本)],用于消除词汇通达与抽象概念检索的共有激活。
主要结果
-
单任务简单减法的皮层激活分布(图 2)。视觉任务中,“下位分类减基本分类”的对比显示,8 名被试中有 7 名在梭状回/下颞叶区(FIT)出现显著激活(6 名表现为双侧激活,1 名表现为单侧左侧激活),枕叶皮层仅 4 名被试出现激活;而在语义控制任务中,同类减法呈现出相反的拓扑分布:枕叶皮层激活显著增强(7 名被试),而 FIT 区域激活相对减弱(6 名被试出现激活,其中仅 2 名为双侧激活)。
-
ROI 与任务类型的交互作用(图 3)。对激活体素体积的多因素方差分析显示出显著的 ROI × 任务类型交互效应(F(1, 7) = 6.2, P < 0.05):枕叶皮层在语义任务中的激活体素数显著高于视觉任务(提示被试在单纯概念语义判断时可能采用了自上而下的视觉表象策略),而 FIT 区域的激活体积在两类任务间无统计学显著差异。
-
半球不对称性特征。方差分析显示半球主效应显著(F(1, 7) = 7.1, P < 0.05)以及半球与 ROI 的交互作用:整体上左半球激活体积大于右半球,而在右半球内部,FIT 区域的激活体积显著大于枕叶皮层。鉴于样本在利手与性别上的异质性,作者未对左侧优势进行过度机制推论。
-
双重减法在全部被试中稳定定位于 FIT(图 4)。双重减法对比 [视觉(下位 - 基本) - 语义(下位 - 基本)] 成功在全部 8 名被试中均检测到 FIT 区域的稳健激活;经跨被试空间标准化后,该激活集群的解剖空间位置与文献中报告的面孔特异区及颅内电生理记录的 N200 面孔诱发电位源区高度重叠;此外,8 名被试中有 7 名在颞极(TPOL)检测到显著激活。
-
ROI 激活强度的定量检验。对四个 ROI 进行的双重减法方差分析显示 ROI 主效应显著(F(3, 21) = 4.5, P < 0.02):Scheffé 事后检验表明,FIT 区域的激活体素量在双侧半球均显著大于枕叶与颞极,且在右半球显著高于舌回对照区,证实了该区域在处理非面孔物体下位分类任务时的相对选择性招募。
图注解读
图 1 · 实验任务流程示意
原文图注:Illustration of task procedure. For both tasks (visual and semantic), the stimuli (a word or a word and a picture) remained on the screen for 2,000 ms with an intertrial interval of 750 ms. Both tasks shared the requirements of reading and accessing the meaning of the word and the response components (responding 'yes' or 'no' by pressing one of two buttons). Trials were randomized for each subject.
实验设计示意图。左栏为视觉图词匹配任务,右栏为文字概念自主移动性语义判断任务;两项任务刺激呈现时间均为 2000 ms,间隔 750 ms,共享词汇阅读、意义提取及按键反应成分。图表标明了基本分类与下位分类在 16 秒区组内的交替编排,阐释了通过双重减法剥离词汇加工、分离知觉下位分类计算的实验逻辑。

图 2 · 两个任务的下位减基本激活分布
原文图注:Distribution, averaged across eight subjects, of positive and negative neural activation during the visual and semantic tasks for the 'basic subtracted from subordinate' comparison (t = ± 0.2; cluster size = 11). The figure includes a schematic representation of the regions of interest: FIT, lingual gyri (LIN) and occipital cortex (OCC). Yellow corresponds to the highest activation satisfying the activation criteria. A lower threshold is used here than for the double subtraction (although the region of interest analysis is based on the same threshold for all comparisons) in order to illustrate the absence of negative FIT activation in the semantic task, which could have produced some positive FIT activation in the double subtraction.
展示 8 名被试在视觉与语义任务下分别进行简单减法(下位减基本)后的群组平均激活分布(t = ±0.2,成簇大小 11 个体素;该相对较低阈值用于证实语义任务中 FIT 区域未出现负激活)。黄色代表高激活集群,示意线勾画出 FIT、LIN 与 OCC 的解剖边界。视觉任务下激活集中在腹侧 FIT,而语义任务下激活迁移至后部 OCC,展示了任务形式对皮层激活焦点的调制。

图 3 · 三 ROI 激活体素量的组间比较
原文图注:Mean activation level (number of voxels above threshold; t = ± 1; cluster size = 3) in the three regions of interest — FIT, OCC and lingual gyri (LIN) — for the visual and semantic tasks. Asterisks indicate the regions of interest (FIT and OCC) in which the volume of activation above threshold was significantly different from zero across subjects (by t tests, p < 0.05). Note that the experimental design predicted only positive activation (because subordinate-level access is thought to be inclusive of basic-level access). Indeed, volumes of negative activation were small and not significantly activated across subjects.
柱状图展示在 t = ±1.0 统计门槛下,FIT、OCC 与 LIN 三个感兴趣区的平均超阈值激活体素数量。星号标示跨被试 t 检验显著大于零的区域(P < 0.05)。数据显示 FIT 区域在视觉与语义两类任务中均保持稳定激活水平,而 OCC 区域仅在语义任务中表现出显著的体素扩增,图形化证实了 ROI 与任务类型之间的交互作用。

图 4 · 双重减法的平均激活分布
原文图注:Distribution, averaged across eight subjects, of positive and negative neural activation in the [visual (subordinate – basic) – semantic (subordinate – basic)] double subtraction (t = ± 0.3; cluster size = 11). As well as the three regions of interest depicted in Figure 2, the figure includes a schematic representation of a fourth ROI (temporal poles, TPOL) included in the analysis for the double subtraction.
展示双重减法对比 [视觉(下位 - 基本) - 语义(下位 - 基本)] 的群组平均激活图谱(t = ±0.3,成簇大小 11 个体素),新增了第四个解剖区域——颞极(TPOL)。在完全排除单纯词汇与语义通达影响后,特异于视觉下位细粒度辨别的神经激活明确收敛于双侧 FIT 及前颞叶颞极,该位置与既往研究中的面孔选择性激活区空间吻合。

讨论
作者在讨论中区分了认知神经科学中“模块性”(modularity)概念的不同界定:一类属于严格的福多式物理/功能隔离模块,假定面孔处理完全由先天的专属系统以特异性计算规则运行;另一类属于皮层神经生理学中普遍存在的特征功能柱空间聚集,即对复杂视觉几何构型具有调谐偏好的神经元在皮层呈局部聚类。作者提出,下颞叶存在对相似复杂特征响应的神经元集群,并不自动支持其构成不可渗透的独立认知模块。动物电生理研究(如 Logothetis 等对无面孔意义的人造几何图形进行下位辨别训练)表明,下颞叶神经元能够通过经验习得对非面孔物体的特定视角与精细下位调谐,其生理表征与面孔选择性细胞具备高度相似的计算属性。
关于研究的局限性,作者明确指出分类水平并非解释面孔与普通物体表征差异的唯一维度,未来的理论模型必须综合考虑长期知觉专长、类内几何相似度分布以及刺激具有的社会认知权重。此外,在未进行单被试水平面孔直接功能定位的前提下,基于坐标的群体吻合不能直接推导出单细胞尺度的完全共用;由于下位任务在反应时与认知控制负荷上系统性高于基本任务,激活差异中包含了一般注意与知觉努力成分。作者的总体结论认为,腹侧颞叶皮层的组织架构可能部分遵循通用视觉识别维度的计算需求(如下位精细区分),而非绝对按语义物理类别进行刚性硬编码。
一句话总结
该研究证实仅操纵非面孔常见物体的分类加工层级(下位分类对比基本分类),即可在梭状回/下颞叶“面孔敏感区”诱发显著激活,表明该区域的神经计算涉及细粒度视觉辨别需求,为反思强领域特异性面孔模块假说提供了重要实验证据。