猕猴颞下皮层中共享与特异性的编码模式共存

群体层面的测量将灵长类动物颞下皮层（inferotemporal cortex，IT）中的物体表征描绘为平滑、低维，并且可由深度神经网络（deep neural networks，DNNs）预测。然而，这种结构化的群体层面图景是否能够代表其构成神经元的全部多样性，仍不明确。在本研究中，我们使用 Neuropixels 2.0 探针，在猕猴前部 IT 中一个经功能磁共振成像（fMRI）定位的面孔斑块内，记录了大量分离良好的神经元单元，同时让猴子观看了3,000多幅自然图像。单神经元反应显著比多单元活动（multi-unit activity，MUA）更加稀疏且异质。稀疏神经元共同形成了一个维度更高的编码，支持高效的图像识别，并且其反应时间晚于具有广泛调谐特性的神经元。部分独立于稀疏性之外，一些神经元还表现出可靠的特征随机性：它们的刺激偏好在重复呈现之间具有可重复性，但在DNN特征空间中却呈现不连续性，而非反映逐试次反应变异或噪声。这些神经元与周围群体几乎不相关，尽管它们位于同一个面孔斑块内。相比之下，MUA反应更加密集、相关性更强、维度更低，也更容易由DNN预测。总体而言，这些发现表明，前部IT具有一种双重编码架构：共享的低维结构支持类别泛化，而稀疏且具有可靠特征随机性的单神经元反应则扩展了表征空间，并支持对单个视觉输入的高效识别。因此，反应稀疏性与可靠的特征随机性可能构成物体识别中的基本计算资源。

群体层面的测量将灵长类动物颞下皮层（inferotemporal cortex，IT）中的物体表征描绘为平滑、低维且可由深度神经网络（deep neural networks，DNNs）预测。然而，这种结构化的群体层面图景是否能够代表其构成神经元的全部多样性，仍不清楚。在本研究中，我们使用 Neuropixels 2.0 探针，在猕猴前部 IT 中一个经功能磁共振成像（fMRI）定位的面孔斑块内，记录了大量分离良好的神经元单元；在记录过程中，猕猴观看了3,000余幅自然图像。与多单元活动（multi-unit activity，MUA）相比，单神经元反应明显更加稀疏且异质性更高。稀疏神经元共同形成了更高维的编码，支持高效的图像识别，并且其反应晚于具有广泛调谐特性的神经元。部分独立于稀疏性而言，一些神经元还表现出可靠的特征随机性：它们的刺激偏好在重复呈现之间具有可重复性，但在DNN特征空间中却是不连续的，而并非反映逐试次反应变异或噪声。这些神经元与周围群体几乎不相关，尽管它们位于同一个面孔斑块内。相比之下，MUA反应更加密集、相关性更高、维度更低，也更易由DNN预测。总体而言，这些发现提示，前部IT具有一种双重编码架构：共享的低维结构支持类别泛化，而稀疏且具有可靠特征随机性的单神经元反应则扩展了表征空间，并支持对单个视觉输入的高效识别。因此，反应稀疏性与可靠的特征随机性可能构成物体识别中的基本计算资源。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.25.746485v1?rss=1

🏷️ 颞下皮层 物体视觉识别 神经元编码 稀疏神经活动 深度神经网络 神经表征