我们的大脑是如何识别物体的？学术资讯

大脑将识别物体的四个网络调整为物体空间的四个象限，分别对应人脸、身体、尖锐物体和短粗物体。深度网络也可以发现相同的物体空间。

由物体空间的前两个主成分生成的物体地图示意图。

近日，来自美国加州理工学院的研究人员在《自然》杂志上发表论文称，他们利用机器学习和神经科学的工具发现，大脑会使用数学系统根据视觉物体的主成分来组织它们。这表明，大脑中有一个代表不同物体的细胞二维地图。每个细胞的位置都由其偏好对象的主成分（或特征）决定。

“我们一直想要理解灵长类动物大脑颞叶中专门处理人脸信息的‘面部模块网络’是如何工作的。这项新研究表明，面部模块网络以及多个同类节点，共同构成一个有序的物体空间映射。也就是说，面部模块只是拼图的一部分，而我们现在可以看到整个拼图是如何形成的。”该研究的领导者、生物学教授Doris Tsao说道

大脑的颞下（IT）皮层是识别物体的重要中心。IT皮层的不同区域编码识别不同的物体。虽然科学家们之前发现并深入研究了一些区域，但IT皮层中还有一些区域脑细胞的功能至今不明。

为了探索IT皮层的这些未知区域，Tsao实验室的博士后学者Pinglei Bao以非人灵长类动物为模型，刺激了大脑皮层中不属于任一模块的区域，然后用功能性磁共振成像（fMRI）测量了IT的其他区域对刺激的反应。最终发现了一个新网络：由刺激驱动的IT皮层的三个区域，并命名为“无人区网络”。

为了确定新网络会对何种对象做出反应，Bao教授给实验动物展示了数千个不同物体的图片，同时测量了新网络中神经元的活动。结果发现，这些区域的神经元对具有尖锐突起的物体（如蜘蛛、直升机和椅子）具有强烈的反应。

随后，Bao利用一种叫做深度网络的机器学习程序，用数学的方法描述了这些物体的共同之处。将图片传输进深层网络后，Bao检查了深度网络八个不同层次中单元的激活情况，并利用主成分分析确定了驱动网络中各层活动变化的基本参数。在其中一层中，Bao发现其中一个主成分会被尖锐的物体强烈激活。这与Bao早期在大脑“无人区网络”中记录的细胞对物体的偏好完全吻合。

怎么解释这一巧合呢？研究人员认为，IT皮层实际上可能被组织成了一张物体空间的地图，其x和y轴是由深度网络计算出的前两个主成分决定的。在这个模型中，人脸、身体和无人区网络的偏好物体都整齐地落在了深度网络计算出的物体空间的不同象限中，随后这个模型还成功地预测了识别短粗物体的未知大脑区域的存在。

此外，Bao还发现，大脑较前区域的细胞会对不同角度的物体做出反应，而较后区域的细胞只对特定角度的物体做出反应。这表明颞叶包含了物体空间地图的多个副本，每一个都比前一个更抽象。最后，研究人员还通过解码灵长类动物看到物体时的大脑四个网络中的信号，成功重建了它们看到的图像，证实了细胞二维地图的完整性。

“我们现在知道了哪些特征对物体识别来说是重要的。在生物视觉系统和深度网络中观察到的重要特征之间的相似性表明，这两个系统可能在物体识别方面拥有相似的计算机制。这是深度网络第一次对大脑的未知特征做出了正确的预测。关于灵长类动物的大脑如何识别物体，我们就快要有答案了。”Bao说。

科界原创

编译：花花

审稿：alone

责编：张梦

期刊来源：《自然》

期刊编号：0028-0836

原文链接：

https://medicalxpress.com/news/2020-06-mathematical-brain-visual.html