猕猴自然类别自由注视视觉搜索的大规模神经元数据集揭示目标导向注意的神经机制

本研究针对灵长类目标导向视觉注意神经机制缺乏大规模自然场景数据的问题，通过记录猕猴执行类别自由注视视觉搜索任务时的6871个V4区、8641个IT区神经元活动，首次构建涵盖中央凹与周边视野的跨脑区数据集，揭示视觉特征编码与注意的交互规律，为认知计算模型开发提供关键资源。

　　

视觉注意是大脑从复杂环境中筛选关键信息的核心认知功能，其中目标导向的视觉搜索行为最能体现这种主动选择机制。尽管前人通过fMRI和单单元记录揭示了部分神经机制，但现有研究存在三大局限：一是实验多采用简化刺激（如字母T或几何图形），难以反映自然场景下的神经编码特性；二是神经元记录往往局限于单一视野区域（或中央凹或周边视野），无法捕捉全视野整合过程；三是缺乏公开的大规模单神经元数据集。这些限制严重阻碍了对视觉注意全脑网络机制的深入理解。

针对这些瓶颈，由深圳先进技术研究院、鹏城实验室与美国圣路易斯华盛顿大学联合团队在《Scientific Data》发表了迄今最全面的猕猴自然视觉搜索神经元数据集。研究人员训练两只雄性恒河猴（Macaca mulatta）完成基于物体类别（人脸、房屋、花朵、手部）的自由注视搜索任务，采用128通道Cerebus系统同步记录V4_{（第四视觉区）}、IT_{（颞下皮层）}、OFC_{（眶额皮层）}和LPFC_{（外侧前额叶皮层）}的31,050个神经元活动，结合红外眼动追踪（SMI iViewX Hi-Speed）精确捕捉注视行为。

关键技术包括：1）自然刺激范式（160张跨类别图片）；2）自由注视与强制扫视双任务设计；3）基于Wilcoxon秩和检验的神经元响应分类（中央凹/周边/混合型感受野）；4）选择性指数（SI）量化类别偏好。

主要发现：

1. 行为表现：猕猴搜索准确率达82-92%，平均2次注视即可定位目标，提示存在并行处理机制（图3,4）。
2. 神经元特性：
   • 区域差异：V4和IT分别存在2.72±2.03和5.62±3.07个刺激位点的周边感受野（图7），LPFC的RF最大（7.11±2.95），反映视觉信息层级整合（t₍₁₂₉₃₎=31.75, P=5.03×10^-164）。
   • 类别选择：16.7%的V4和14.1%的IT神经元呈现人脸/房屋偏好（SI>0.13），且偏好类别引发更强放电（43.37±33.75 vs 28.91±22.83 Hz, P<0.001）（图5,6）。
3. 注意效应：目标刺激比干扰物多诱发27.8%的神经元活动（图6c-f），证实特征注意的神经表征。

这项研究首次在单神经元尺度上揭示了自然视觉搜索中全视野信息整合的跨脑区机制，其三大突破在于：1）建立首个涵盖中央凹-周边视野交互的大规模开放数据集；2）验证IT和LPFC在类别注意中的分级编码特性；3）为视觉搜索的"并行-串行"混合理论（Wolfe模型）提供神经证据。数据集通过OSF平台共享（osf.io/sdgkr），将推动从微观神经元活动到宏观认知计算的跨尺度研究。正如通讯作者Shuo Wang指出："这些数据就像解码视觉注意的罗塞塔石碑，让研究者能破译不同脑区如何协同完成现实世界的视觉决策。"