字号
主题
主题色
字体
文献集总览 / 猕猴上肢运动、学习与虚拟反馈 / A · 运动表征、视觉反馈与实验测量 / A01 · 伸手运动中位置与速度的皮层表征

A01 · Motor cortical representation of position and velocity during reaching

Wang, W., Chan, S.S., Heldman, D.A., & Moran, D.W. (2007). Journal of Neurophysiology, 97, 4258–4270. doi:10.1152/jn.01180.2006

在降低手位置与速度相关性的三维伸手任务中,M1 活动同时携带两类运动学信息,二者的相对权重随运动阶段变化。加性模型和离线群体解码支持这一描述,但不等于证明了两套独立的神经控制机制。

核对版本:Zotero VR 集合中的本地 PDF(2026-09-18);Zotero 条目 · 打开原文。图下页码均为该 PDF 的文件页序,从 1 开始,可能不同于期刊印刷页码。

本文目录
  1. 背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 逐图解读
  6. 讨论与解读边界
  7. 思考问题

背景

运动皮层研究长期关注一个核心问题:神经元活动究竟描述了手的什么状态?经典方向调谐表明放电随运动方向改变,后续工作进一步发现速度、位置和轨迹都与 M1 活动相关。但在自然伸手中,手从起点移至终点时,位置、运动方向与速度同步变化。某个神经元向左快速伸手时放电增强,既可能因其偏好向左运动,也可能源于当时较高的速度或特定的空间位置。若仅改变目标方向而不打破这些变量的共变,便难以区分上述解释,也无法判断“位置编码”与“速度编码”究竟是同一调谐现象的不同表象,还是可分别估计的神经信息。

已有研究还提示,任务的速度范围会影响不同变量的相对权重。较慢的追踪任务中位置信息往往更明显,快速的弹道式伸手则突出速度调制。因此比较不同实验时,不能仅看论文报告了“位置”还是“速度”,还需核对任务是否允许两个变量充分独立变化,以及分析取自静止保持期还是运动期。加性模型与乘性模型的区分同样关键:若位置只改变速度调谐曲线的基线,曲线呈平移;若位置缩放方向或速度调谐的幅度,则表现为增益场。两种形式对应不同的神经计算假设,无法单凭单条调谐曲线断定。

Wang 等为此设计了三维随机伸手任务,使起终点、轨迹长度、运动时长与速度充分变化,并以经典中心外向任务作为基准对照。研究主要探讨三个递进问题:M1 神经元是否同时携带位置与速度信息;二者的贡献能否用加性方式近似描述;群体活动能否分别重建手的位置与速度。进一步对比静止保持与运动阶段,则可检验两类信息的权重是否随时间变化。这项工作从任务设计上为理解 M1 混合运动学表征提供了实验约束;需要注意的是,研究讨论的是如何读出位置与速度,并不预设存在两套彼此独立、功能固定的神经编码系统。

研究思路

作者通过改变三维伸手的起终点降低位置与速度的相关性,分别估计位置梯度和偏好方向。静止保持与运动时段提供互补约束,调谐曲线的平移或缩放用于检验加性与乘性解释,最后以离线解码评估两类信号的重建表现及时间提前量。

方法

实验选用两只食蟹猴(Macaca fascicularis),头部固定于定制灵长类椅内,在 VR 环境中用右臂触碰目标。图形工作站渲染 3D 图像,经 LCD 与 45° 镜面反射呈递给动物,Optotrak 3020 以 100 Hz 实时追踪手部标记并驱动虚拟光标。动物依次完成三套任务:经典 3D center-out(8 个目标位于 10 cm 立方体顶点,每目标重复 5 次,每神经元记录 40 次运动);random reaching(起终点随机,每神经元约 100 次运动,运动长度、时长与速度均不同);standard reaching(64 条对角线运动,伪随机呈现,每神经元记录完整一套)。神经信号采集采用 16 通道微驱动(电极呈线性排列,间距约 300 μm,步进 1 μm),其中一只猴追加了慢性 Michigan 阵列。共记录到 978 个单神经元,均来自吻侧 M1(rostral M1,仅脑回 gyrus,不含中央沟 bank)的近端手臂区,覆盖两只猴的两个半球;多数细胞对肩部和/或肘部的被动牵拉有反应。行为表现方面:15,395 个试次的平均 hold-A 为 417±205 ms,运动时间为 545±242 ms,hold-B 为 434±222 ms,符合典型的快速弹道式伸手。放电率通过 partial binning 结合平方根变换估计,跨神经元平均前按 RMS 归一化,显著性均以多重回归 p<0.05 为准。

主要结果

首先是调谐特性的群体统计。在 978 个神经元中,542 个(55%)对 3D 速度显著调谐,312 个(32%)对 3D 位置显著调谐,其中 200 多个细胞两者兼备(各分析中在 222–230 个之间),表明位置与速度信号并存于同一批 M1 神经元中。参数分布分析显示:两类神经元的基线放电率均服从指数分布(位置调谐神经元平均 14 Hz,速度调谐神经元平均 12 Hz);相对调制深度服从 Gamma 分布,位置的平均相对深度为 37%,速度为 87%。对双调谐神经元回归拟合得到 mpos = 11.59 + 0.28·mvel(r² = 0.33),作者据此概括速度调制通常强于位置调制;因拟合带有截距,不能把斜率倒数当作每个神经元的固定倍数。偏好方向(PD)与位置梯度(PG)的 3D 分布均呈非均匀性,向前后方向聚集(PD 仅在冠状面分布均匀,PG 在冠状面还偏向右上),这与 Scott et al. (2001) 从手臂力学各向异性出发解释 PD 分布的观点相符。PD 与 PG 的平均夹角为 65±41°,球面相关为 0.4;旋转对齐分析未见系统性的 3D 相对构型。这些结果表明两类向量不完全重合,但不能据此断言二者统计独立。

其次是加性检验。若将运动划分为“发生在偏好位置还是对侧位置”,处于偏好位置时的速度调谐曲线整体上移,调制深度保持不变;同理,沿偏好方向运动时位置调谐曲线也呈整体上移。在所测条件下,曲线主要表现为平行移动,支持 Eq. 2 的加性表述,但并不排除其他任务或尺度下的非线性交互。时空调谐面直观反映了这一特征:301 个纯速度神经元的活动随运动方向与速度起伏,呈现钟形速度包络并在 hold-B 期归零;79 个纯位置神经元不随速度起伏,而是随相对工作空间中心的位置改变,运动结束后调制依然维持;222 个双调谐神经元则呈现两类调制的叠加,表面曲面在运动末端翘起。

最后是解码与时间动力学。利用 indirect OLE 方法,结合 224 个位置神经元与 387 个速度神经元(编码向量取自 standard/random reaching,在 center-out 上测试),同时解码出 6 个自由度:位置重建 r² = 0.76,速度重建 r² = 0.83。重建的速度信号领先真实手部速度 122 ms(与 Moran & Schwartz 1999b 的 145 ms 接近),位置信号领先 81 ms,二者时间提前量并不相同(正文与图 11 的 A/B 面板标注互换,具体数值以摘要及图注为准)。时间动力学分析显示:将每个试次切分为 100 个时间 bin(运动段 40 个,前后保持各 30 个)后逐 bin 拟合位置调谐,位置调制深度在运动即将开始前明显下降,至运动末端逐渐恢复;其最低点较最大手速滞后 200 ms,且与时间平移后的速度成反比。这说明位置的编码权重并非恒定,在运动过程中暂时让位于速度信号;作者据此提出了在位置梯度上乘以速度依赖权重 w(V) 的修正模型(Eq. 8)。

逐图解读

图1

来源:原文 Fig. 1,PDF 第 2 页。

图 1 · VR 装置与 standard reaching 任务。 (A) 装置:LCD 图像经 45° 镜子反射进猴眼,橙色球是光标、绿色球是目标;(B) 任务:100 mm 立方体均分为 8 个卦限,每卦限 8 条对角线运动、共 64 条。这张图论证的是"解相关可以靠任务设计实现":同一片位置区间被朝各方向的速度穿过,center-out 那种"从中心出发、位置与速度绑定"的结构被刻意破坏,而运动本身仍是刻板的 3D 伸手。

图2

来源:原文 Fig. 2,PDF 第 5 页。

图 2 · 静态位置调谐的代表性神经元。 (A) 手位于工作空间中心 80 mm 处、按方位角/仰角采样时的球面放电图,这个神经元偏好手在后方;(B) 数据沿垂直于位置梯度的方向平均后,放电率随手的前后、上下位置线性变化。它验证的是 Kettner et al. (1988) 的线性位置模型在 3D 静息 hold 期的成立——这是后续编码模型采用线性位置项的依据之一。

图3

来源:原文 Fig. 3,PDF 第 6 页。

图 3 · 978 个神经元的调谐性质普查。 按 hold 期(位置)与运动期(速度)分别做多重回归后的分布:542 个对速度显著、312 个对位置显著,交集相当大。读法上这是全文的样本量与效应量声明——位置表征不是少数神经元的现象,而是约三分之一 M1 近端手臂区群体的属性,且 pooling 了三种任务的数据。

图4

来源:原文 Fig. 4,PDF 第 6 页。

图 4 · 编码参数的分布形状。 基线放电率(A、B)与相对调制深度(C、D)的直方图,黑柱为实际计数、虚线为拟合:基线是指数分布,深度是 Gamma 分布,全部通过拟合检验。这张图主要服务于后续建模——给任何想模拟 M1 群体的人一套可直接采样的参数分布,图中包含较低放电率的单元,但分布拟合本身不能证明记录不存在选择偏差。

图5

来源:原文 Fig. 5,PDF 第 6 页。

图 5 · 双调谐神经元的深度比。 230 个同时调谐位置与速度的神经元,mpos 对 mvel 的散点与斜率 0.28 的拟合线(r² = 0.33)。作者将其概括为速度调制通常更强,但带截距的回归不意味着固定四倍关系。作者据此讨论了 Paninski et al. (2004) 为什么会得出"位置速度对半开"——pursuit-tracking 手速慢,速度项被压制,位置的相对权重自然被抬高。

图6

来源:原文 Fig. 6,PDF 第 7 页。

图 6 · PD 与 PG 的 3D 分布。 矢状面、冠状面、水平面的圆形直方图(18° 分箱):PD 与 PG 都向前后方向聚集,PD 仅在冠状面均匀,PG 在冠状面还偏向右上。非均匀分布这件事本身就是 indirect OLE 的动机之一——经典 PVA 假设编码向量均匀分布,这里并不满足,而分布偏向前后轴与手臂力学的各向异性(Scott et al. 2001)呼应。

图7

来源:原文 Fig. 7,PDF 第 7 页。

图 7 · PD 与 PG 的几何关系。 (A) 230 个双调谐神经元的 PD–PG 夹角直方图,均值 65±41°,单峰分布;(B, C) 把所有 PD 旋转对齐到前方后,PG 在上下、左右方向均匀散开。两类向量并不总是同向;原文报告球面相关为 0.4,且夹角分布存在结构,因此不能把这张图概括为“没有关系”或“独立抽取”。

图8

来源:原文 Fig. 8,PDF 第 8 页。

图 8 · 加性 vs gain field 的比较。 (A) preferred 位置(实心)与 antipreferred 位置(空心)中的速度调谐曲线:前者整体上移;(B) 两条拟合 cosine 的基线差显著、调制深度无显著差;(C, D) 交换 PD 与 PG 的角色,结论对称。曲线平移而非缩放,这支持 Eq. 2 的加性近似,也和速度对方向的乘性 gain field 调制形成有趣对照——同一个皮层里,速度缩放方向调谐,本文所测条件下,位置主要对应速度调谐曲线的平移。

图9

来源:原文 Fig. 9,PDF 第 9 页。

图 9 · 三类神经元的时空调谐面。 (A) 301 个纯速度神经元:运动期按速度–PD 角调谐、幅度随速度涨落,画出钟形包络,hold-B 期归零;(B) 79 个纯位置神经元:不追速度、追相对工作空间中心的位置,运动结束后调制残留;(C) 222 个双调谐神经元:混合调制形成的表面,末端翘起的边缘是位置贡献。这张图把"同时编码"从回归系数变成了肉眼可见的表面结构,也暗示 Fu et al. (1995) 的"序列编码"可能是这种时空混合的表象。

图10

来源:原文 Fig. 10,PDF 第 10 页。

图 10 · 6 个自由度同时解码。 两个示例 center-out 目标方向、三个空间轴上,真实(粗线)与解码(细线)位置(左列)和速度(右列)的对比:位置信号单调爬升、速度信号中段起峰回零,两者被同一群神经元的活动独立重建——r² 分别 0.76 和 0.83。该看的是六条曲线形态各不相同却都对得上:位置和速度不是同一个信号的两种读法。

图11

来源:原文 Fig. 11,PDF 第 10 页。

图 11 · 两个表征的时间提前量。 8 个目标平均后的解码信号与真实信号的时间关系:解码位置领先真实手位置 81 ms,解码速度领先真实手速度 122 ms。速度的提前量更大,与 Moran & Schwartz 1999b 的 145 ms 一脉相承,暗示皮层里的"速度"更接近一个预测性信号;位置的提前量稍短,两种解码信号的最优时间偏移不同,但本文没有分别识别两个内模型组件。

图12

来源:原文 Fig. 12,PDF 第 11 页。

图 12 · 位置调制深度的动态。 黑线是逐 bin 拟合的位置调制深度(归一化),细线是 standard reaching 的平均速度剖面:位置深度在运动前显著下陷、运动末端逐渐恢复,与速度反相、滞后 200 ms。全文最容易被略过但值得关注的一张图——编码的权重本身是时间的函数,"位置权重的下降是速度的函数还是运动发起的函数"作者给出了三种候选解释(速度依赖、运动发起依赖、前馈/反馈策略切换),并留给了后续工作。

讨论与解读边界

本研究的核心价值在于任务设计:通过改变运动的起点与方向,降低了位置与速度共变带来的解释歧义。图 8 支持在所测范围内以加性项描述两类调制,图 12 则提示位置调制的权重并非恒定。这一结果可与群体动力学视角互补;运动学变量能被成功读出,并不排斥这些调谐特征来源于群体神经状态演化的可能。

分析时需要区分几个边界:编码向量不重合不等于统计独立;带截距的调制深度回归不能简单换算为每个细胞固定的四倍比例;解码信号领先行为也不足以单独判定其为下达给肌肉的运动命令。记录范围仅覆盖吻侧 M1 脑回的近端手臂区,包含急性微电极及一只动物的慢性阵列数据,不宜表述为“全部逐日急性记录”。图 10–11 所呈现的为离线解码表现,并非实时闭环 BCI 验证。至于位置权重在运动期间为何下降,原文提出了速度依赖、运动阶段及控制策略等假说,尚待因果实验进一步验证。

思考问题

  1. 若固定手的空间位置范围而改变运动速度,位置调制的下降是否仍与速度成比例?
  2. 怎样用同时记录和严格的训练—测试划分,区分“两个变量可被读出”与“存在独立控制通道”?
返回总纲