2023年6月20日，《Cell Reports》期刊在线发表了题为《Representational geometry of incomplete faces in macaque face patches》的研究论文，该研究由中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）常乐研究组完成。研究人员通过记录猕猴下颞叶面孔选择性神经元（面孔细胞）对不完整面孔视觉刺激的反应，系统解析了不完整面孔信息在单神经元和神经元群体水平的编码模式，为理解复杂情况下面孔信息的神经编码提供了重要基础。

　　面孔识别功能在日常生活和社交中起着至关重要的作用。以往研究表明，灵长类大脑中专门负责加工面孔信息的脑区（面孔脑区）在这一功能的实现中扮演了关键角色，已有一系列工作解析了面孔相关信息的神经编码模式。但是，这些工作一般使用完整呈现的面孔作为视觉输入，忽略了日常生活中佩戴口罩或眼镜等只有部分面孔可见的情况。大脑如何编码不完整的面孔信息？完整和不完整面孔如何被区分，不完整面孔的个体信息又如何被辨别？

　　为了探索这些问题，该研究采用定量的方式生成不完整的面孔视觉刺激，研究人员调整的参数包括：面孔个体特征、不完整面孔的呈现方式（碎片或遮挡）、碎片或遮挡物的大小和相对面孔的位置（图A）。实验中，研究人员使用功能核磁共振引导下的颅内电生理记录（图B），采集了猕猴面孔选择性神经元对这些刺激的反应，并定量分析了神经元反应和具体刺激参数的关系。

　　研究人员比较了在两种不完整面孔的呈现方式下，单个面孔细胞对不同面孔区域的偏好性：不同的面孔细胞在两种条件下偏好的面孔区域可能是不一致的（图C）。这种不一致性反映了面孔加工中存在的非线性整合过程，即单个面孔细胞并非线性地整合不同面孔区域的信息（图D）。在神经群体层面，这种非线性整合体现为面孔刺激的完整程度在状态空间中由一条曲线编码（图E）。这种曲线表征能够让不同完整程度的面孔更好地区分开来，比如可以更好地分辨面孔碎片和完整面孔。领域内过去的研究多侧重于单神经元层面的分析和群体解码分析，而该工作则关注了群体表征的几何性质，并直观展示了一类单神经元水平非线性加工的潜在功能。另外，研究人员发现面孔细胞对面孔个体信息的编码在一定程度上不依赖于面孔的完整程度，由此简化了下游脑区对面孔信息的解码机制（图F）。此外，部分面孔细胞在面孔检测和面孔个体识别两个不同的加工任务中所关注的面孔区域也是不一致的。

　　该研究系统揭示了不完整面孔刺激中各类信息在猕猴面孔脑区的表征模式，在单神经元水平说明了面孔细胞不仅编码面孔局部特征，还可以对不同局部的信息进行整合；在群体神经元水平的表征分析提示了单神经元反应的多样性是群体层面对面孔完整性的曲线表征在单神经元水平的投影。该研究为研究人工智能系统在复杂场景中的物体识别功能提供了理论基础。

　　该研究由博士研究生李冬媛在常乐研究员的指导下完成。本工作得到中科院、科技部、自然科学基金委和上海市的资助。

　　图注（A）完整和不完整的面孔刺激。（B）实验范式。黄色：面孔脑区AL。（C）碎片刺激和遮挡刺激下偏好面孔区域一致和不一致的细胞。（D）两种刺激下偏好不一致的细胞对不同面孔区域的信息进行非线性整合。（E）面孔完整性在状态空间中呈曲线分布。（F）面孔个体信息在不同刺激条件下的群体表征。（图注）

　　来源：常乐研究组

　　文字：常乐、李冬媛

　　图片：常乐、李冬媛