在我们的大脑皮层中，有约三分之一的区域是负责处理视觉信息的。理解自然环境中丰富多样的视觉刺激如何被这些脑区处理，是视觉神经科学研究的终极目标。然而，视皮层的神经网络包含了数十亿的神经元，如此庞大的网络规模为全面解析其特性带来了巨大挑战。幸运的是，神经元在皮层上的排布并非杂乱无章，而是遵循了一定的组织规律。具有相似功能的神经元倾向于聚集在一起，形成集中处理特定特征的功能区。这种组织结构使我们能够以功能区为单位分解庞大的视皮层网络，从而简化问题。

视皮层具有怎样的功能分区，一直是研究者们关注的问题。研究发现初级视皮层存在编码朝向[1]、颜色[2]及空间频率[3]的功能区，更高级的V4及IT脑区具有编码圆弧[4]、特定形状物体[5]、乃至面孔[6]的功能区。这些研究通常采用“猜想-检验”的研究方式，即：先猜测哪种特征是视觉处理所关注的，再设计特征简化的刺激，检验视皮层中是否存在相应的功能区。这种借助简化刺激的研究有效地揭示了众多的功能区，但也遗留了许多问题。我们尚不清楚：用简化刺激得到的特征偏好是否反映了脑区真正关注的视觉特征，那些没有被预设特征激活的脑区又有何功能。

2024年7月30日，william hill中文网、北大-清华生命科学联合中心唐世明课题组在Nature Communications 杂志在线发表题为“Large-scale calcium imaging reveals a systematic V4 map for encoding natural scenes” 的研究论文。该研究结合长期稳定的宽场钙成像技术和深度学习建模分析，开发了测定视皮层功能区的系统化方法。这一方法不再需要研究者猜测所要关注的视觉特征，能够在海量自然场景中自动搜索出皮层的特征偏好。

研究团队用该方法研究了猕猴视皮层V4区的功能组织。通过连续多天的宽场钙成像，采集了V4脑区对近2万张自然图片的0.1毫米分辨率的皮层反应数据。利用这些数据，作者训练出了能够准确预测皮层对任意图片反应的深度学习模型。该模型提供了一个计算机中的“模拟大脑”，让研究者能够摆脱以往实验研究的限制，在模型上深入考察高维图片刺激下的神经反应特性。

图1. 用模型搜索皮层各处的偏好图片

借助模型在大量自然图片中搜索皮层各处的偏好图片，作者绘制出了V4脑区的偏好地图。基于偏好地图的聚类分析将V4划分成了多个偏好不同类型图片的功能区。这些功能区有的偏好特定颜色或纹理的表面、有的偏好特定朝向的边界、还有的偏好特定类型的物体。

图2. 对偏好地图做聚类得到的功能分区

作者进一步用模型对功能区偏好的自然图片进行了特征贡献分析，以明确是哪部分图片特征激活了皮层反应。结果显示，那些偏好特定类型物体的V4功能区，实际表征的是物体的局部元件，如面孔中的鼻子嘴巴、圆形物体的圆边。特征贡献分析还发现V4功能区的偏好特征在感受野内呈现出不同的分布模式：有些功能区偏好局域分布的形状相关特征，而另一些则偏好弥散分布的表面相关特征。这种以特征分散程度为标志的分区结构或许反映了某种神经计算的组织原则。

图3. 用特征贡献分析考察皮层偏好的图片特征

英国威廉希尔公司博士生王天冶、姚浩煊、卡内基梅隆大学教授Tai Sing Lee 为该论文并列第一作者。william hill中文网、北大-清华生命科学联合中心、北大麦戈文脑科学研究所唐世明教授为该论文的通讯作者。william hill中文网本科生洪佳怡，唐世明课题组技术员李扬、姜鸿飞，上海神经所Ian Max Andolina 参与了该研究的部分工作。本研究得到了科技创新2030-“脑科学与类脑研究”重大项目、国家自然科学基金、北大-清华生命科学联合中心和北大高性能计算平台的支持。

文章链接：https://www.nature.com/articles/s41467-024-50821-z

参考文献

1          Hubel, D. H. & Wiesel, T. N. Receptive fields and functional architecture of monkey striate cortex. J Physiol 195, 215-243, doi:10.1113/jphysiol.1968.sp008455 (1968).

2          Livingstone, M. S. & Hubel, D. H. Anatomy and Physiology of a Color System in the Primate Visual-Cortex. Journal of Neuroscience 4, 309-356 (1984).

3          Nauhaus, I., Nielsen, K. J., Disney, A. A. & Callaway, E. M. Orthogonal micro-organization of orientation and spatial frequency in primate primary visual cortex. Nat Neurosci 15, 1683-1690, doi:10.1038/nn.3255 (2012).

4          Jiang, R., Andolina, I. M., Li, M. & Tang, S. Clustered functional domains for curves and corners in cortical area V4. Elife 10, doi:10.7554/eLife.63798 (2021).

5          Wang, G., Tanaka, K. & Tanifuji, M. Optical imaging of functional organization in the monkey inferotemporal cortex. Science 272, 1665-1668, doi:10.1126/science.272.5268.1665 (1996).

6          Tsao, D. Y., Freiwald, W. A., Tootell, R. B. H. & Livingstone, M. S. A cortical region consisting entirely of face-selective cells. Science 311, 670-674, doi:10.1126/science.1119983 (2006).