常乐研究组揭示灵长类视觉皮层物体特征组织地图

发布时间:2023-09-26

  2023年9月22日,《Nature Communications》期刊发表了题为《High-dimensional topographic organization of visual features in the primate temporal lobe》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。研究人员结合功能核磁共振、电生理记录和深度学习等技术手段,系统解析了猕猴和人类被试高级视觉区的特征选择性和拓扑组织规律,为理解视觉系统的演化和发育、构建类脑的视觉加工模型提供了重要基础。 

  物体识别是人类从外界获取信息的重要一环。灵长类负责物体识别的脑区是下颞叶皮层。以往研究表明,灵长类下颞叶不是一个均一的结构,而是包括了多个加工特定物体种类或物体特征的子区域,比如加工面孔信息的面孔脑区、加工躯干信息的躯干脑区和加工视觉场景的场景脑区。前人针对下颞叶皮层的功能分区已经做了很多研究,但仍有一些重要问题没有回答,比如:1)目前的功能分区还不能连续覆盖整个下颞叶,并不清楚剩余的脑区有什么功能;2)过去的工作主要在猕猴或者人类被试单独进行,仍不清楚两个物种下颞叶皮层的分区是否存在明显差异。 

  为了回答这些问题,研究人员需要找到一组丰富的视觉特征对下颞叶皮层的选择性进行系统刻画。前人工作显示深度卷积网络的深层单元能很好地解释下颞叶神经元的反应。基于这一发现,常乐研究组将网络单元对20万张自然图片的反应降维得到了25个视觉特征(图1a)。利用功能核磁共振实验,获得了猕猴和人类被试颞叶皮层不同子区对这25个特征的选择性(图1b)。 

   

  1(a)特征提取。AlexNet第7层4096个单元对20万张自然图片的反应经过ICA降维得到25个特征。(b)猕猴左侧颞叶皮层对25个特征的选择性地图。红色和蓝色分别显示对特征正向和负向的偏好。(图注) 

  常乐研究组系统比较了功能核磁实验获得的神经选择性和大家熟知的视觉特征(图2a,在和前人工作取得联系的基础上发现了之前没有报道过的神经特征,并定位了编码该特征的脑区。其后,使用电生理实验验证了核磁实验的结果(图2b-e)。同时,研究人员也对颞叶皮层特征分布的拓扑组织规律进行了系统和定量的探讨,发现猕猴颞叶存在一对方向相互垂直但空间尺度不同的视觉特征梯度,而这种拓扑组织方式并不能被一类近期提出的、用于解释下颞叶拓扑结构的模型所复现,因此也为这一类类脑智能的发展提供了新的约束。另外,针对人类被试也进行了同样的核磁实验,结果发现人类和猕猴相比,虽然颞叶总体结构相似,但仍在特征选择性和拓扑组织规律上有较大不同,尤其体现在对无生命物体的编码,人类编码明显更强;而且相比猕猴,人类颞叶皮层拓扑组织的规律性更差,猕猴颞叶中相互正交的特征梯度在人类大脑并不明显(图2f-h)。研究人员推测这两个物种间的差异可能是由于人类需要识别各种各样的人造物体和符号——这个需求扩大了加工无生命物体的脑区并打乱了原本很有规律的拓扑组织结构。 

 

  2(a)猕猴颞叶皮层的特征选择性与21个已知视觉特征的关系。数值越高代表两者相似性越强。(b)猕猴颞叶未知脑区偏好特征的代表性图片。Positive为偏好图片,Negative为不偏好图片。(c)通过比较b中两组图片定位了一个脑区,并进行电生理记录,黑线为记录电极。(d)该区域中一个神经元对两组图片的反应。(e)该区域的群体结果(紫线)。作为对照,定位并记录了一个对Negative刺激反应更强的脑区,其群体反应如绿线所示。(f)猕猴颞叶偏好三个重要特征的子脑区以非常规则的方式排布:绿色、蓝色条带交替,两侧为红色区域。这里三种不同颜色对应了三个重要特征。(g)人类大脑颞叶呈现类似排布,但规律性较猕猴差很多。(h)猕猴和人类颞叶皮层拓扑组织规律性的定量比较。上图为特征梯度的方向性,下图为不同梯度的正交性。两个指标都显示猕猴颞叶的规律性更强。(图注) 

  该研究系统刻画了灵长类高级视觉区的信息表征地图,为全面理解物体视觉的神经机制奠定了基础。过去该领域中对特征选择性的研究高度定量,使用了各种复杂、先进的计算模型;相对而言,对其拓扑组织规律还是定性描述为主,而该工作则用精细、定量的方式对这一问题进行了研究,并揭示了不同物种之间猕猴和人类不同系统之间大脑人工神经网络的差异,为设计具有类脑结构的人工智能提供了依据。另外,该研究通过构建视觉信息的大脑地图,也为脑图谱的研究提供了可靠的功能参考。 

   博士研究生姚梦娜、文彬丞、工程师杨明坡和博士后郭杰斌为该论文的共同第一作者。姜浩舟、冯超和曹逸雷对该论文也做出了重要贡献。常乐研究员为该论文的通讯作者。中国科学院自动化研究所何晖光研究员也参与了课题指导和论文写作。该研究得到了脑科学与智能技术卓越创新中心神经影像中心的技术支持。中国科学院、科技部、自然科学基金委和上海市资助了该工作。 

附件下载: