姚力教授发现神经元“稀疏编码”假说的新证据

　　

　当一幅高分辨率人脸图像和对应的只有面部轮廓的线条图摆在你眼前时，你肯定能够马上识别出它们的差异。但是，你可能不会想到，我们的大脑在处理这两幅图像时使用的神经元数量实际上是差不多的。

 

　　这是中国科学院大气物理研究所研究员赵松年和北京师范大学认知神经科学与学习国家重点实验室教授姚力等在对脑功能成像进行研究时获得的新成果。该研究得到了国家自然科学基金的资助，并发表在《科学通报》2008年第11期上。

 

　　事实上，“外部世界或视觉图像在视皮层上是如何表象的”仍然是当前在系统水平上研究视觉信息处理的重要的并受到广泛关注的问题。

 

　　赵松年指出，视觉表象是如何以多种尺度把图像的性质表达清楚的，特别是初级视皮层是怎样处理视像中的边缘、轮廓甚至形状特征的，是一个值得研究的重要课题。

 

　　而赵松年等人的研究主要是针对目前较为热点的神经元“稀疏编码”假说进行的。

 

　　他解释说：“传统的神经理论认为，视皮层成千上万个神经元的有序排列才能够对外部刺激（视像）产生一个表象。而神经元‘稀疏编码’假说则认为，少量的神经元就能够形成一个相应的表象。我们希望能够获得实际的实验数据对这一假说进行验证。”

 

　　“人在注视某个自然场景或人物，即视觉系统在工作的时候，大脑的血流就会发生改变。因此，只有受到外界刺激的时候，视觉神经元才会从沉寂状态变成活跃状态，使得脑血流也发生变化，并能够通过功能性磁共振成像（fMRI）所反映出来。这时，如何设计视觉刺激就显得非常关键，如果刺激设计得不好，获得的数据就很难进行分析。例如，图像过于复杂可能就达不到预期目的。”赵松年说。

 

　　为此，赵松年、姚力研究组在视皮层表象的功能性磁共振成像研究中，设计了两类视觉刺激图像: 一类是高分辨率人脸图像和对应的线条图；另一类是完整的几何视错觉图和对应的非完整的几何视错觉图。这两类视觉刺激图像的特点是，各自具有相同的大尺度特征和不同的细节，能够保证实验结果的可比性。

 

　　在第一个比较实验中，他们让10名被试者分别观看两组不同的视觉刺激图，即：高分辨率人脸图与人脸线条图。其中每一组刺激图由30 种包含许多细节的高分辨率的不同人脸图片组成。实验使用了5组这样的图片序列，它们之间的区别仅在于图片排列的顺序不同，按随机方式排列的。然后让同样的10名被试者观看5组人脸线条图，每一组刺激图也由30种不同的人脸线条图片组成，5组线条图以及其中各图片的呈现顺序与高分辨率人脸图是完全对应的和完全相同的，从而保证了实验结果在统计上的可比性。

 

　　在接下来的无视错觉图与有视错觉图的比较实验中，10名被试者分别观看具有完整的几何图形(如圆和三角形)的视错觉图形和没有完整几何图形的视错觉图。不完整的几何图形是将完整图形中所对应的各个闭合的几何图形(如三角形和圆)去掉一部分而变成的非闭合的几何图形，两组视错觉图形以及其中各图形的呈现顺序与完整图形是完全对应的。

 

　　实验结果显示，在接受不同的视觉刺激时，功能性磁共振成像形成的初级视皮层血氧水平依赖信号图基本一致，也就是说，大脑在处理这两种不同图像时使用的神经元数量实际上是差不多的。赵松年指出，这就是稀疏化表象策略的体现，即用最少的活性神经元(也就意味着视皮层区消耗最少的能量)来表达一幅视觉图像。

 

　　如何看待这样的实验结果呢？赵松年认为，从视觉通路的神经解剖学可知，视网膜的光敏细胞(视杆细胞和视锥细胞)的数目大约是1.25亿，它们汇集于约100万个神经节细胞，然后投射到初级视皮层。这种细胞数目逐渐稀疏化的拓扑映射，是从视网膜就开始的一种选择性逐渐增强的信息处理策略。它首先对外部世界客体的整体特征作出响应，而后才是对细节的响应，其中还包括了高级皮层的认知过程对视皮层神经元群活性的反馈作用，从而降低了视皮层神经元群对与客体的整体特征无关的、分离的细节特征的响应强度。这样一来，具有相同的整体特征而细节不同的视像在视皮层上就会有几乎相同的活性模式。

 

　　赵松年强调指出，目前的实验还只是一个初步结果，里面还存在许多不确定因素的影响。首先，研究的受试对象是10位都在30岁左右、具有大学学历的人，并不具备广泛性。因为，当前已经有一些研究指出，由于被试者的文化背景、受教育程度、种族差别等因素的影响，同一个视觉刺激图像在不同被试者的大脑皮层上的fMRI也并不完全一致，其相似程度大约在30%左右。

 

　　其次，功能性磁共振成像反映的是外部视像激励的视皮层活性神经元群的平均响应，在表达视像的细节上，其功能也还有一定的局限，在实验数据处理的算法与结果的分析（如所谓“零结果”情况）上，也还有改进的余地。

 

“因此，对待此功能性磁共振成像实验结果需要持慎重的态度。”赵松年表示：“我们希望能够在接下来的工作中，继续改进和完善实验设计方法和数据分析方法，以期得到更好的结果作为证据。”(　　作者:陈晨　　摘自:科学时报)

        姚力, 北京师范大学“认知神经科学与学习”国家重点实验室主要成员，博士生导师，北京师范大学信息科学学院副院长。兼任全国信息与电子学科研究生教育委员会理事、中国神经网络学会委员等。1983年获北京师范大学理学学士学位、1998年获中国科学院自动化所工学博士学位。
 
 
研究兴趣  
 
        主要从事脑认知复杂性与脑信息处理的研究工作，在基础研究与应用研究领域开展脑信息的数据分析、数据挖掘和计算模型等方面的研究，运用信息科学的基本理论、方法和技术手段，与认知神经科学相结合，针对EEG、fMRI、DTI等多种脑成像技术方法，开展人脑高级功能信息处理的方法论及其应用的研究。近年来开发了具有自主知识产权的脑信息处理软件平台，并建立了标准脑模板及脑数据库。目前的研究兴趣侧重在脑的功能与结构连接。主持国家自然科学基金项目3项、高等学校骨干教师资助计划、教育部科技研究重点项目、北京市自然科学基金重点项目、世行贷款教改重点项目等多项重要科研项目。近5年来在国内外发表研究论文30多篇。培养博士、硕士研究生20余人。
 
 
参与研究  
 
        2007-2009, 基于MRI的人脑神经通路计算模型, 国家自然科学基金海外青年学者合作研究基金
        2007-2009, 脑-机接口技术中脑电（EEG）信号处理与系统实现, 863课题
        2006-2008, 识别脑区连接网络的研究及在老年痴呆病中的应用, 北京市自然科学基金重点项目
        2005-2006, 基于体元的形态测量学（VBM）在中国儿童和青少年脑发育研究中的应用, 教育部科学技术研究重点项目
        2005-2007, 识别大脑视听神经系统信息传导和处理机制的新方法, 国家自然科学基金项目
        2001-2003, 脑动力学的理论和实验研究 , 国家自然科学基金项目
        2003-2005, 中国儿童标准脑模型的构建, 国家自然科学基金项目
         
 
 
论文专著  
 
1. Xia Wu, Li Yao*, Zhi-ying Long, Kewei Chen. A Variant of Logistic Transfer Function in Infomax and a Post-processing Procedure for Independent Component Analysis Applied to fMRI data. Magnetic Resonance Imaging 2006, in Press.
2. Xia Wu, ZhiYing Long, Li Yao, KeWei Chen, A new post-processing method of applying independent component analysis to fMRI data, Medical Imaging 2006, Imaging Processing, edited by Joseph M. Reinhardt, Josien P.W.Pluim, Proc. of SPIE Vol. 6144, 61446UY, (2006) • 0277-7786X/06/$15 • doi: 10.1117/12.651564
3. Jia-Cai Zhang, Xiao-Jie Zhao, Yi-Jun Liu, and Li Yao，Mining the Independent Source of ERP Components　with ICA Decomposition，J. Wang et al. (Eds.): ISNN 2006, LNCS 3973, pp. 592 – 599, 2006.© Springer-Verlag Berlin Heidelberg 2006
4. XiaoJuan Guo,Li Yao,Zhen Jin,Kewei Chen. Regional gray matter abnormalities in patients with schizophrenia determined with optimized voxel-based morphometry, Medical Imaging 2006: Physiology, Function, and Structure from Medical Images, edited by Armando Manduca, Amir A. Amini, Proc. of SPIE Vol. 6143, 61431Y, (2006) • 1605-7422/06/$15 • doi: 10.1117/12.651558
5. Xiao-Tong Wen, Xiao-Jie Zhao, and Li Yao，Time-Frequency Analysis of EEG Based on Event　Related Cognitive Task，J. Wang et al. (Eds.): ISNN 2006, LNCS 3973, pp. 579 – 585, 2006.© Springer-Verlag Berlin Heidelberg 2006　
6. Xiao-Tong Wen, Xiao-Jie Zhao*, Li Yao, Xia Wu. Applications of Granger Causality Model to Connectivity Network Based on fMRI Time Series. Lecture Notes Computer Science 4221 (2006): 205-213, Springer-Verlag Berlin Heidelberg
7. Kai Yin, Xiao-Jie Zhao*, Li Yao. Time Variant Causality Model Applied in Brain Connectivity Network Based on Event Related Potential. International Conference on Neural Information Processing 2006.10 (ICONIP2006). Lecture Notes Computer Science 4232 (2006): 97-104, Springer-Verlag Berlin Heidelberg
8. Xia Wu, Li Yao*, Zhi-ying Long, Jie Lu, Kun-cheng Li. Functional Connectivity in the Resting Brain: an Analysis Based on ICA. International Conference on Neural Information Processing 2006.10 (ICONIP2006). Lecture Notes Computer Science 4232 (2006): 175-182, Springer-Verlag Berlin Heidelberg
6. Q.J. Ying, Q. Ye, L. Yao, K.W. Chen, Zh. Jin. Constructing and Assessing Brain Templates from Chinese Pediatric MRI Data Using SPM. Medical Imaging 2005.2, Proceeding of SPIE, U.S.A (EI)
7. X.T. Wen, X.J. Zhao, L. Yao. Synchrony of Basic Neuronal Network Based on Event Related EEG. LNCS 3498 (2005): 725-730, Springer-Verlag Berlin Heidelberg (SCIE)
8. X.J. Zhao, X.T. Wen, L. Yao, T.M. Guo, D.L. Peng. Dynamic Brain Oscillation Activities of the Children’s Stroop Effect. Human Brain Mapping meeting, Toronto, Ontario, Canada, June 12-16, 2005
9. X.J. Zhao, X.T. Wen, L. Yao. Coordinative Activity of Two Hemispheres Studied by Event Related EEG. Human Brain Mapping meeting, Toronto, Ontario, Canada, June 12-16, 2005
10. X.J. Guo, L. Yao, Zh. Jin, K.W. Chen, X.H. Pan. Maturation of brain white matter in school-age children and adolescents detected by optimized voxel-based morphometry. Human Brain Mapping meeting, Toronto, Ontario, Canada, June 12-16, 2005
11. X.J. Guo, L. Yao, Zh. Jin, K.W. Chen, X.H. Pan. A magnetic resonance imaging study in patients with schizophrenia using optimized voxel-based morphometry. Human Brain Mapping meeting, Toronto, Ontario, Canada, June 12-16, 2005
12. J.C. Zhang, L. Yao, X.J. Zhao. Comparative Study of ICA results under different conditional ERP datasets. Proceedings of International Conference on Neural Networks and Brain, Beijing (ICNN&B’05):1585-1589, October 13-15, 2005
13. L. Yao. Information Mining in Brain Data. Proceedings of International Conference on Neural Networks and Brain, Beijing (ICNN&B’05):1274-1278, October 13-15, 2005（invited paper）
14. Zh.Y. Long, L. Yao. Fast Non-linear Elastic Registration in 2D Medical Image. LNCS 3217 (2004): 647－654, Springer-Verlag Berlin Heidelberg (SCIE)
15. X. Wu, L, Yao, Zh.Y Long. Improved Infomax Algorithm of Independent Component Analysis Applied to fMRI data. Medical Imaging 2004.1, Proceeding of SPIE 5370: 1880-1889, U.S.A (EI)