猴类视觉项目识别过程中全脑神经几何结构的形成机制及其计算意义

本研究针对大脑如何通过神经群体动态几何结构处理视觉信息这一核心问题，通过整合九只猕猴四个实验室的10个神经群体（含2,500个神经元）数据，首次揭示了视觉识别过程中颞叶-额叶-边缘网络存在旋转/弯曲/直线三种神经几何的动态分布。研究发现高阶视觉区TE及其下游尾状纹状体(STRt)主要呈现旋转动力学，而眶额叶(OFC)/海马(HPC)网络则更多表现为弯曲/直线动力学。通过状态空间分析和Lissajous曲线拟合，证实视觉信息以随机群体信号的异质混合形式在全脑传播，为理解大脑信息处理的群体编码机制提供了新视角。该成果发表于《iScience》。

　　

大脑如何处理视觉信息一直是神经科学的核心问题。传统研究多聚焦于单个脑区的神经活动，而对全脑范围内神经群体如何协同编码信息知之甚少。特别是在视觉项目识别过程中，不同脑区的神经群体是否遵循特定的动态几何模式？这些模式又如何反映信息的传递与转化？这些问题的解答将深刻揭示大脑信息处理的基本原理。

北京大学心理与认知科学学院Hiroshi Yamada团队联合国内外多家机构，通过对九只猕猴四个行为实验的跨实验室数据整合，首次系统描绘了视觉识别过程中全脑神经几何的动态图谱。研究创新性地采用状态空间分析和Lissajous曲线函数拟合，揭示了从感觉输入到记忆检索的神经动力学转换规律，相关成果发表在《iScience》。

研究主要运用了多电极阵列记录技术获取10个脑区2,500个神经元活动数据，包括颞叶高级视区(TE)、尾状纹状体(STRt)、眶额叶皮层(OFC)和海马(HPC)等关键区域。通过主成分分析(PCA)降维构建神经状态空间，结合自举重采样技术生成20,000个复制轨迹。采用Lissajous曲线参数化方法量化旋转(rotational)、弯曲(curvy)和直线(straight)三种几何特征，并通过聚类分析确定各脑区的主导动力学模式。

【神经几何的脑区特异性分布】
通过分析0.6秒时间窗内的神经群体活动，发现TE和STRt在视觉刺激呈现后约0.2秒即出现明显的旋转动力学（图1B），表现为完整的环形轨迹。这种旋转特征在STRt的复制样本中占比高达70%（图3H），且具有最大的累积角度差Σdθ和旋转速度θ/0.1s（图2D）。相比之下，下游的眶额叶和海马区域更多表现为半周期弯曲或直线轨迹（图1C-D），在CDb脑区弯曲动力学占比超过40%。

【参数化几何特征分析】
研究创新性地引入Lissajous曲线函数（公式1-2），成功量化了不同几何模式的动力学参数。旋转动力学对应ωx≈ωy且相位差Φx-Φy≈0.5π的数学特征（图3A），而直线动力学则表现为ωx=ωy且Φx=Φy。通过拟合20,000个复制样本，发现TE和STRt的ω参数集中在3π附近（图3C），证实其周期性旋转特性，而前额叶区域的ω参数变异更大，反映其几何结构的多样性。

【信息传递的随机性特征】
自举重采样分析揭示了一个重要现象：即使在同一脑区，神经群体也以随机比例产生不同类型的几何模式（图3H）。例如PRC中同时存在旋转(30-40%)和弯曲(40%)动力学，而HPC则以直线动力学为主(>50%)。这种"群体随机性"(population stochasticity)表明大脑可能通过动态重组神经元子群来实现信息转换，而非固定模式的硬连线。

【功能梯度假说】
综合解剖连接与动力学特征（图4B），研究提出"功能梯度"假说：随着与视觉输入距离的增加，神经几何呈现从确定性旋转（感觉处理）到随机性直线（认知整合）的连续变化。特别是STRt表现出近乎确定的旋转编码（90%复制样本），而mOFC则包含所有三种几何模式，提示前额叶可能整合多模态信息。

这项研究首次在全脑尺度上建立了神经几何与信息处理的映射关系，其重要意义在于：1）证实不同脑区采用特定的动力学"语法"处理信息，旋转动力学可能支持感觉特征的保持，而直线动力学利于记忆检索；2）揭示信息传递本质上是随机群体信号的异质混合，为神经网络可塑性提供新解释；3）发展的Lissajous参数化方法为量化神经动力学提供了普适工具。未来研究可进一步探讨几何转换与行为表现的因果关系，以及其在神经精神疾病中的异常模式。