- 3 次围观
视觉层级腹侧通路中的神经活动如何支持面孔识别，仍是一个悬而未决的问题。长期以来，一项争论聚焦于面孔加工，尤其是在梭状皮层中的面孔加工，究竟依赖于面孔特异性的计算，还是依赖于与更广泛视觉识别共享的计算或表征。在本研究中，我们将源解析磁脑电图（MEG）与任务优化的神经网络相结合，并将后者作为视觉经验的受控计算模型。我们并未操纵人类观察者的长期专业经验，而是在模型层面系统地改变学习目标——即网络所接受训练以识别的对象——同时在模型比较中保持网络架构和损失函数不变。随后，我们考察不同学习所得的表征几何结构在何处以及何时与神经反应达到最佳一致。参与者观看熟悉面孔、不熟悉面孔和打乱的面孔时，我们测量了跨V1、外侧枕叶皮层（LOC）和梭状皮层的毫秒级脑—模型一致性。相同的刺激同时呈现给七种卷积神经网络（CNN）架构；这些网络分别接受面孔身份识别（FR）、物体类别识别（OR）或包含面孔类别的物体分类（Dual）训练，并设置未经训练的对照模型。熟悉性产生了阶段依赖性的分离效应：在LOC中，与不熟悉面孔相比，熟悉面孔在M170时段表现出更早的脑—模型一致性；这一效应在接受面孔识别训练的模型中最为一致，而更宽泛的训练目标则产生了更具变异性且依赖于网络架构的一致性峰值潜伏期。在梭状皮层中，熟悉面孔在M200时段附近表现出更强的一致性。这种梭状皮层优势并不唯一地与面孔识别训练相关：与面孔训练模型相比，双重训练模型和物体训练模型表现出更高的梭状皮层对应性。总体而言，这些发现支持阶段依赖性的专门化观点：面孔身份识别训练会约束中间阶段的时间进程，而后期梭状皮层表征仍与通过更广泛视觉计算获得的表征结构相容。
视觉层级腹侧通路中的神经活动如何支持面孔识别，仍是一个悬而未决的问题。一个长期存在的争论是，面孔加工，尤其是在梭状皮层中的面孔加工，究竟依赖于面孔特异性的计算，还是依赖于与更广泛的视觉识别共享的表征。在本研究中，我们将源定位脑磁图（MEG）与任务优化的神经网络相结合，将后者作为视觉经验的受控计算模型。我们并未操纵人类观察者的长期经验，而是在模型层面系统地改变学习目标——即网络接受训练以识别什么——同时在模型比较中保持网络架构和损失函数不变。随后，我们考察哪些习得的表征几何结构在何处、何时与神经反应呈现最佳一致性。参与者观看熟悉面孔、不熟悉面孔和打乱面孔的过程中，我们测量了从毫秒尺度解析的脑—模型一致性，覆盖初级视觉皮层（V1）、外侧枕叶皮层（LOC）和梭状皮层。相同刺激被呈现给七种卷积神经网络（CNN）架构；这些网络分别接受面孔身份识别（FR）、物体类别识别（OR）或包含面孔类别的物体分类（Dual）训练，另设未经训练的对照模型。
熟悉性产生了阶段依赖性的 dissociation：在LOC中，与不熟悉面孔相比，熟悉面孔在M170时间范围内表现出更早的脑—模型一致性；这一效应在接受面孔识别训练的模型中最为稳定，而具有更宽泛训练目标的模型则表现出更加多变且依赖架构的峰值一致性潜伏期。在梭状皮层中，熟悉面孔在M200时间范围附近表现出更强的一致性。这种梭状皮层优势并不特异地与面孔识别训练相关：与面孔训练模型相比，双重训练模型和物体训练模型表现出更高的梭状皮层对应性。总体而言，这些发现支持阶段依赖性的功能专门化观点：面孔身份识别训练限制了中间阶段的加工时序，而较晚阶段的梭状皮层表征仍与通过更广泛视觉计算获得的表征结构相兼容。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.08.750266v1?rss=1
🏷️ 面孔熟悉度 面孔识别 磁脑电图（MEG） 卷积神经网络 脑—模型一致性 梭状皮层