面孔识别的神经机制研究

1、面孔识别的神经机制常乐中国神经科学2018-4-20视觉感知100 微米100 米大脑如何提取视觉信息?方法: 理解视觉的次序Hubel and Wiesel, J. Physiol., 1959外膝体-周边细胞初级视皮层简单细胞初级视皮层复杂细胞物体表征的通路V1Charles GrossV4V3V2下颞叶皮层(IT)特征初提图像分割物体辨认人类大脑存在面孔脑区梭状面孔脑区?Kanwisher, McDermott, & Chun, J. Neurosci, 1997猴子也有面孔脑区空白物体面孔空白面孔脑区的前额页枕叶PLMLMFAFAL后AM颞叶中前面孔., Nature Neur

2、oscience 2002vs.物体Tsao电刺激猕猴面孔脑区特异性地影响面孔识别Moeller., Nature Neuroscience 2017面孔脑区内神经元对面孔成选择性Tsao., 20030.1s研究物体表征的实验负责的脑区范围非常大参数空间非常大研究物体表征的实验面孔区面孔面孔细胞对部分面孔特征的存在与否和形状呈现选择性细胞1细胞21281没有头发有头发Freiwald., NN 2009Norm. resp.面孔细胞对部分面孔特征的存在与否和形状呈现选择性细胞1细胞21281没有眼珠没有眼珠有眼珠有眼珠Freiwald., NN 2009Norm. resp.面孔朝向不变形由

3、ML/MF到AL到AM逐渐加强ML/MFALAM前中侧面孔区(AM)神经元以朝向不变的方式表征面孔0.1秒Freiwald and Tsao, Science 2010中间面孔区(MF/ML)神经元对面孔朝向敏感0.1秒Freiwald and Tsao, Science 2010中间面孔区(MF/ML)神经元对面孔朝向敏感0.1秒Freiwald and Tsao, Science 2010未解决的谜题理解真实面孔的编码理解真实面孔的编码器理解真实面孔的编码器理解真实面孔的编码编码器器面孔的定量描述方式建立一个真实面孔空间n 列(x1, y1)(x2, y2)m*n 矩阵(xk, yk)“S

4、hape”“Shape-free Appearance”Cootes., 2001m 行建立一个50维的面孔空间(25shape+25appearancePCs)“Shape”“Shape-free Appearance”主成分分析 (PCA)建立一个50维的面孔空间(25shape+25appearancePCs)Shape第一主成分-3 SDAverage+3 SDAppearance第一主成分-3 SDAverage+3 SDChang and Tsao, Cell, 201750内的每一个点都是一个面孔F = (s1, , s25, a1, , a25)ShapeAppearance(

5、a1, , a25)(s1, , s25)Average + FAverage50内的每一个点都是一个面孔F = (s1, , s25, a1, , a25)ShapeAppearance(a1, , a25)(s1, , s25)Average + FAverage实验范式ML/MFAM2000 张面孔; 随机顺序呈现150 ms ON/ 150 ms OFF动作电位促发平均分析(Spiketriggeredaverage,STA)×3×1×2AM面孔细胞的STAFeature dimensionshapeappearanceChang and Tsao, Ce

6、ll, 2017STA不同面孔细胞对不同面孔特征敏感Feature dimensionShapeAppearanceSTA不同面孔区调谐特征的比较MF/ML (106个细胞)AM (n=99个细胞)shapeappearance特征维度特征维度显著调谐的细胞数目显著调谐的细胞数目细胞在面孔空间中如何调谐？STA特征1特征2AM中的一个面孔细胞在STA维度上的调谐STASTA 维度上与平均脸的距离特征1特征2率/秒)(ML/MF和AM中的面孔细胞对真实面孔特征成斜坡状调谐405080100Shape11503060200-100-1STAAppearance细胞编号维度上的距离反应细胞编号细胞编

7、号第一第一维度维度斜坡状调谐暗示了特征和反应间的线性关系斜率=s2斜率=s1斜率=s3特征 1特征 2特征 3简而言之,逆变换反应面孔器50-维面孔特征向量细胞反应F = (f1, f2, , f50)真实参数和估计参数的比较1张面孔实际参数(第一Appearance维度)估计参数真实参数和估计参数的比较被解释的方差=64%相关系数= 0.8实际参数(第一Appearance维度)估计参数重构脸ML/MF(106个细胞)AM(99个细胞)实际脸两个脑区(205个细胞)ML/MF(106个细胞)AM(99个细胞)两个脑区(205个细胞)实际脸用不同个数的脸估计准确率所有205个细胞线形回归随机面

8、孔个数准确率编码模型编码器器线性模型对面孔细胞反应的预期接近噪音上限用1900面孔的反应拟合一个线性模型我们能预期新面孔的反应吗?% 被解释方差 (模型)% 被解释方差 (数据)面孔细胞线性转换面孔特征编码器器AM细胞如何工作?斜率=s2斜率=s1斜率=s3特征 1特征 2特征 3特征3STA特征2特征1反应AM细胞如何工作?斜率=s2斜率=s1斜率=s3特征 1特征 2特征 3特征3STA特征2特征1反应:每个细胞都有一系列零平面STA面孔维度3海马区的JenniferAniston细胞Quiroga., Nature 2005在AM到的单个神经元两种可能图景面孔模板（传统观点）面孔轴（新观

9、点）(0.7 0.3 0.3)(0.2 0.5 0.5)橙红紫(0.7 0.2 0.7)黄紫(0.6 0.2 0.8)灰(0.5 0.5 0.5)黄绿(0.1 0.6 0.3)靛(0.5 0.5 0.9)绿(0.2 0.6 0.1)(0.1 0.1 0.7)(0.1 0.9 0.9)蓝蓝绿沿正交轴的调谐AM (99个细胞)特征3STA特征2特征1与平均脸的距离反应稀疏反应的AM神经元也有零空间最大值/秒STA维度上的距离刺激开始后的时间(秒)面孔正交维度上的距离生成异性体STA维度上的距离主要正交维度上的距离总结：面孔的编码特征3STA面孔特征2特征1单个面孔细胞执行一个简单操作： 将面孔向量线性投射到面孔空间 内的某一个轴利用轴模型，我们能通过少量细胞