2012年12月31日功能

面对现实:神经整合将无意识的面部检测转化为有意识的面部感知

Stuart Mason Dambrot, Medibob游戏cal Xpress

(bob游戏医学快讯)——人类感知表面上的轻松和直接是具有欺骗性的，需要高度复杂的神经操作来确定视觉场景中物体的类别。尽管如此，人类大脑能够在完全无意识的情况下完成面部分类调整(将面部与其他类似物体区分开来的能力)等操作。显然，这样复杂的过程对我们来说是不够的有意识地感知的面孔。现在，阿姆斯特丹大学的科学家们使用功能性磁共振成像(fMRI)和脑电图(EEG)来证明，虽然可见和不可见的面孔在大脑的腹侧视觉皮层产生了类似的类别选择反应，但只有可见的面孔引起了广泛的反应增强和神经振荡同步的变化。研究小组得出结论，持续的神经信息整合是有意识的面部感知的关键因素。

Johannes J. Fahrenfort博士、Victor a . F. Lamme教授和他们的研究人员在进行研究时面临一系列挑战。“首先是实际的挑战，”法兰福特说bob游戏他们发现可见面孔和不可见面孔会产生类似的类别选择神经反应。“为了创造二分融合”——左眼和右眼不同感官事件的感知整合——“我们使用了一个立体呈现设置，两个激光发射器投射在同一个屏幕上，但包含不同的偏振滤波器，导致左眼和右眼的图像不同。事实证明，它很难得到，也很难保持!——激光飞船完全对准了。”为了解决这个问题，科学家们制造了一种特殊的设备，使他们能够在各个方向上以毫米为单位调整每个激光探测器的位置。此外，他们必须使用一个刺激序列，使物体在可见条件下容易可见，但在不可见条件下完全不可见。“我们进行了相当多的试点试验，才把它做好。”

他们面临的另一个问题是在分析中，法兰福特补充道，因为寻找可见性不变的类别调整要求他们寻找同时响应可见和不可见面孔的体素(三维体积像素)。他解释说:“使用实验数据集本身最容易找到这些数据。”“为了防止双重倾斜，我们最初使用最后一次运行来本地化体素，其他运行进行统计测试。（双浸是一种无效的统计程序，其中使用相同的数据集进行数据选择和统计检验。)“然而，其中一位评审员认为我们应该优化功率，所以我们最终使用一种分半法重新分析数据集——也就是说，我们使用一半数据来确定感兴趣的区域，导出另一半数据进行统计测试，反之亦然。”

关于他们证实可见面孔引起的神经活动模式可以用于解码不可见面孔的存在，反之亦然，法兰福特指出，有两件事很重要:分别在可见和不可见条件下进行归一化，并通过使用每个受试者的整个可见不可见刺激数据集来最大化能量，从而为每个受试者得出单一的分类值(1或0)。这两个关键步骤都是从哈克斯比2001年发表的开创性论文科学¹"．

然而，在神经振荡同步中，广泛的反应增强和变化是非常明确的。“为零结果提出理由总是有一个挑战:实际上证明零结果当然是不可能的。可见和不可见的区别如此明显，这很有帮助。在响应增强方面，可见人脸的调制量达到了顶峰，真的。对于看不见的面孔，没有任何调制-事实上，如果有的话，在早期的视觉区域有轻微的负调制。唯一对隐形面孔表现出正调制的区域是梭状面区域。”梭状脸区(fusiform face area，简称FFA)是人类皮层中对人脸有选择性反应的区域。这是意料之中的，因为它对可见和不可见的面孔都有选择性。考虑到单眼刺激在这两种情况下是相同的，这些结果非常令人信服。”

同样，法伦福特指出，除了进行基础分析之外，在确定高低视觉区域之间增加的功能连通性方面并没有太大的挑战。“话虽如此，我还是有点担心，因为从事件相关数据中获得重要的心理生理相互作用显然是非常困难的，但庞大的数据集足以揭示这一点。”（心理生理相互作用分析PPI是一种方法，用于确定在不同的环境下，两个遥远的大脑区域之间的活动相关性是否不同——换句话说，在心理状态和两个大脑区域之间的功能耦合之间是否存在相互作用。“考虑到其他数据和视觉系统的工作方式，结果再次非常明确，符合人们的预期。”

从应对这些挑战中获得的关键见解是什么?“我再也不会使用立体声装置了，因为激光发射器不是专门为立体声演示制作的;”法兰福特打趣道:“相反，我可能会使用一个更简单的镜像系统。另一个观点是，在分析数据时要有目标导向。”科学家们最初分析大脑成像数据集使用Brainvoyager，但后来改为目前因为他们决定在群体层面上进行分析。“FSL中的统计混合效应模型更好，因为它们考虑了受试者的方差，而且受试者之间的空间归一化更好、更直接——至少在当时是这样。这确实改善了分析，但是你还可以做很多其他的事情来尝试和改善你的分析线。我的结论是:最好先对分析做出合理的重大决定，然后然后要有针对性的对比和分析，让你的观点更透彻，而不是一次尝试太多东西。”

在论文的基础上展开你的结论是有意识的脸感觉与适应面部类别调整的过程相比，与持续信息集成和绑定的神经过程联系更紧密，法兰福特说:“数据集强烈表明，你可以仅从前馈计算中获得面部类别调整。这与视觉处理的经典观点是一致的，视觉处理是一个层次网络，在这个网络中，调整为小而简单的刺激特征的元素被组合在一起，以产生更复杂的刺激表示。然而，关键的是，我们证明了这些复杂的反应是不足以让我意识到一张脸。有意识的面部感知要求面部选择细胞“回头”与网络中最初只对简单的自下而上的特征做出反应的早期区域相互作用。这种信息被整合的交互作用绑定是刺激变得有意识的真正原因。”

展望未来，该团队正在开发新的方法来增强当前的实验设计。“在分析方面，”法伦福特说，“我们只研究了信息整合的‘标记’，比如并发反应增强，或功能连通性，以及脑电图中的振荡同步——但证据仍然是间接的。我想应用的一项创新是研究更准确地捕捉实际信息集成过程的测量方法，比如朱利奥·托诺尼提出的那些观点²这表明一个皮层区域的激活是由另一个区域的激活引起的，反之亦然。”

接下来，法兰福特继续说，他想更仔细地调查信息整合的程度解释现象学(主观知觉)，而不是解释物理刺激的呈现。“到目前为止，我所做的实验是很好的第一步，但我打算使用更好的信息整合措施，并使用更能隔离现象学变化的刺激集，同时保持物理刺激特征相同。”

华伦福特还看到了其他研究领域的潜力，可以从他们的发现中受益。其中一个领域可能是医学:如果我们更好地理解是什么产生了意识体验，这可能会更好地评估麻醉剂的有效性，也可能有助于评估昏迷或植物人的意识水平。

“另一个领域是计算机视觉，这当然是极具挑战性的，”法兰福特指出。“对于机器人来说，最终要在感知环境方面变得和人类一样好，就需要他们变得越来越综合——这是使用循环而不是前馈架构。我相信这最终会赋予他们现象学，因为我直观地感觉到信息整合与现象学是深深交织在一起的，实际上怀疑他们有一种身份关系。因此，我确信现象学是不副现象(认为精神事件是由大脑中的物理事件引起的副现象，但在功能上不相关)。“从这个意义上说，这种类型的研究最终也可能在哲学上有用。”

进一步探索

研究人员揭示了大脑是如何处理人脸的

更多信息:视觉皮层的神经元整合将面部类别调整提升到有意识的面部感知，PNAS2012年12月26日，第109卷52 21504 - 21509,doi: 10.1073 / pnas.1207414110