空间频率调控猕猴颞叶皮层层级类别表征的神经机制研究

本研究针对视觉层级分类与空间频率(SF)交互作用的神经机制这一关键科学问题，通过记录猕猴颞下回(IT)和颞上沟(STS)神经元活动，结合人类心理物理学实验，首次揭示了HSF(高空间频率)对超级类别(如生物/非生物)表征的关键作用，发现中级类别(如面孔/身体)在LSF(低空间频率)和HSF中均稳定存在，而次级类别识别需要完整SF谱。该研究为理解视觉系统分层处理机制提供了新证据，对人工智能视觉模型开发具有重要启示。

　　

在视觉认知领域，物体识别存在超级(super-ordinate)、中级(mid-level)和次级(sub-ordinate)三个层级分类水平。虽然心理学研究表明中级类别和低空间频率(LSF)信息能被快速识别，但空间频率(SF)如何影响不同抽象层级的神经表征仍不清楚。这一问题的解决对于揭示视觉系统高效处理机制至关重要，也能为类脑视觉算法开发提供理论依据。

来自中国科学院的研究团队在《Communications Biology》发表论文，通过记录两只雄性猕猴IT和STS区神经元活动，结合人类行为实验，系统研究了SF对层级分类表征的影响。研究采用快速序列视觉呈现(RSVP)范式，使用81幅真实物体图像（含完整、LSF(1-10 cycles image^-1)和HSF(18-75 cycles image^-1)三种SF条件），运用支持向量机(SVM)分类、可分性指数(SI)和层次聚类等方法分析神经数据。

主要技术方法
研究采用慢性电极记录技术获取猕猴IT/STS区330个视觉响应神经元的活动数据。通过2D Butterworth滤波器构建LSF/HSF刺激，采用50ms滑动窗口分析时间动态。使用SVM分类器评估解码准确率，SI指标量化类别分离度，并通过层次聚类和表征相似性矩阵(RDM)验证结果。人类心理物理学实验采用强制二选一范式，验证神经发现的普适性。

全局类别信息需要精细形状信息
神经元响应调制指数(RMI)显示HSF对超级类别编码的影响显著大于LSF(p=5×10^-50)。SVM解码显示HSF条件下超级类别准确率(0.85±0.026)接近完整刺激(0.90±0.018)，而LSF显著降低至0.64±0.028。SI分析进一步证实超级类别信息在LSF中消失(p=0.09)，表明HSF是编码全局类别的关键。

SF与中级抽象的交互作用
面孔-身体分类在LSF和HSF中均保持较高SI值(LSF:0.45±0.04; HSF:0.47±0.02)，但身体信息在LSF中显著下降(p<0.001)。SF调制指数(SMI)显示面孔信息在两种SF过滤中损失相当(p=0.03)，而身体信息在HSF中完全保留。层次聚类分数显示面孔聚类稳定性始终高于身体(完整刺激:0.096±0.005 vs 0.086±0.005)。

行为证据支持SF效应
人类实验复现了神经发现：超级类别在HSF(0.87±0.02)与完整刺激(0.89±0.01)无差异(p=0.21)，但LSF显著降低(0.73±0.02)。次级识别需完整SF谱，LSF/HSF过滤均使准确率下降至约0.58。反应时分析显示中级分类在所有SF条件下均最快(p=2×10^-4)，证实其中枢处理优势。

该研究首次阐明SF在视觉层级分类中的差异化作用：HSF支持超级类别的全局表征，中级分类对SF变化具有鲁棒性，而次级识别依赖完整SF谱。这一发现为理解视觉系统"分频处理-层级整合"机制提供了直接证据，对开发更接近生物视觉的人工智能模型具有重要指导价值。研究结果也解释了既往文献中关于SF作用争议的可能原因——不同研究关注的分类层级不同导致结论差异。未来研究可进一步探讨中间频段(16-24 cycles image^-1)在层级分类中的作用。