编辑推荐：
视觉系统演化以提取行为相关信息，当动物移动并与其世界互动时。这种生态视觉在多个关键方面与标准实验室范式存在根本性差异，使得大脑更难解决这一问题，神经科学家也更难研究。然而，新兴技术和实验方法已能够研究这些生态条件下的视觉计算。这些方法在小鼠中尤其强大，结合了完
视觉系统演化以提取行为相关信息，当动物移动并与其世界互动时。这种生态视觉在多个关键方面与标准实验室范式存在根本性差异，使得大脑更难解决这一问题，神经科学家也更难研究。然而，新兴技术和实验方法已能够研究这些生态条件下的视觉计算。这些方法在小鼠中尤其强大，结合了完善的遗传工具、高通量记录和可量化的行为学任务。在此，研究人员回顾了在生态背景下涉及的计算，包括主动感知、运动处理、场景分析、距离估计和空间感知。研究人员描述了涉及这些计算的实验方法，并基于小鼠研究综合了对其神经实现的当前理解。这些研究揭示了生态视觉如何涉及不同的处理策略和新颖的神经回路，同时强调了在理解真实世界视觉计算方面尚未探索的广阔领域。
**论文解读：小鼠的生态视觉处理**
**研究背景与问题**
视觉系统是动物与环境互动的主要感官通道，但传统视觉神经科学多采用被动观看范式或简单刺激辨别任务，如朝向选择性或物体识别。这些方法虽有效揭示了神经回路计算的基本原理，却忽略了视觉在自然条件下主动导航和交互中的核心功能。生态视觉理论（由J.J. Gibson于1979年提出）强调，视觉系统演化并非为了抽象场景重建，而是为了在复杂环境中指导行为。与标准实验室范式相比，生态视觉面临三大挑战：自然视觉输入包含丰富的动态三维场景信息；视觉通过主动探索（如眼、头、身体运动）运作；视觉处理与特定行为需求耦合，提取任务相关信息而非构建通用表征。小鼠作为研究生态视觉的模型系统具有独特优势：其视觉系统需完成种间共享的基本行为目标（如导航、捕食、避敌），且具备强大的遗传工具（如Cre品系、病毒示踪）、高通量记录（如硅探针、微型双光子显微镜）和可量化的行为学任务（如虚拟现实、自由移动范式）。本文旨在回顾生态视觉中的计算挑战，并综合基于小鼠研究的神经实现机制，揭示传统实验室范式未涉及的视觉处理策略及其神经回路。
**主要关键技术方法**
研究人员为研究生态视觉，综合运用了多种技术方法：自由移动范式结合头戴式记录装置（如高密度硅探针、微型双光子显微镜）以测量自然交互中的神经活动；头戴式相机用于眼动追踪和视网膜输入重建；头固定条件下的虚拟现实系统提供精确刺激控制并支持大规模神经记录和操控；气垫平台和旋转成像系统等中间范式结合了自由移动与虚拟现实的优点。此外，利用计算机视觉方法量化连续行为并关联神经活动，以及遗传工具进行回路解剖。样本来源为实验室小鼠，未提及特定队列。
**研究结果**
**3.1 主动感知与头/眼运动（Active Sensing and Head/Eye Movements）**
通过头戴式相机和电生理记录，研究人员发现小鼠在自然行为中采用补偿性眼动（如前庭眼反射VOR、视动反射OKR）稳定视野，产生扫视与注视交替的模式。这种模式将视觉输入分割为稳定期与扫视引发的快速转变，并触发V1（初级视觉皮层）中从粗到细的空间频率处理序列。此外，丘脑枕（pulvinar）从上丘（SC）向视觉皮层传递眼动方向信号，在V1中与方向选择性整合，可能用于区分自运动与外界运动。
**3.2 生态视觉中的运动处理（Motion Processing in Ecological Vision）**
- **光流估计与自运动读取**：小鼠视网膜中方向选择性神经节细胞（RGCs）沿身体轴排列，解析光流。V1深层神经元结合视觉运动与前庭信号，背侧高级视觉区（HVAs）对平移和旋转光流具有选择性，并与后顶叶皮层（PPC）和压后皮层（RSC）整合，形成三维自运动估计。
- **流解析：区分自运动与物体运动**：V1中的错配神经元（mismatch neurons）报告预期与实际运动之间的局部偏差，产生预测误差信号，该信号经PPC整合用于灵活的感觉运动行为。这种机制基于传出拷贝（corollary discharge）的局部比较，不同于全局状态依赖的增益控制。
- **逼近与碰撞避免**：视网膜中的小场OFF通路和W3样RGCs投射至上丘，驱动快速冻结/逃跑反应（通过导水管周围灰质）。上丘的层特异性活动区分自运动诱发与物体诱发的膨大（looming），且增益受唤醒状态调节。
**3.3 复杂场景分析（Complex Scene Analysis）**
利用Gabor滤波器模型，研究人员发现小鼠V1和HVAs在纹理编码与运动编码之间存在权衡，HVAs（如LM区）对纹理参数具有高保真度的神经动态。场景分割从边缘和边界迅速进行，小鼠能辨别自然图像，但细微操作（如去除或缩放成分）不易被检测。物体识别对变换、噪声和遮挡具有鲁棒性，可能依赖于循环回路（recurrent circuitry），这与小鼠的神经处理延迟一致。
**3.4 距离估计（Distance Estimation）**
小鼠通过多种视觉线索估计距离。双眼视差（binocular disparity）在头固定实验中可精确控制，小鼠皮层神经元（如V1、HVAs）表现出视差调谐，且调谐特性随视觉区域和视网膜位置变化。单眼线索中，运动视差（motion parallax）在间隙跳跃实验中发挥关键作用：小鼠在单眼条件下会进行垂直头部摆动以产生运动视差，且V1中存在对运动视差选择性调谐的神经元，形成三维空间映射。
**3.5 视觉对空间知觉的贡献（Visual Contributions to Spatial Perception）**
- **将视网膜坐标转换为自我中心坐标**：小鼠V1神经元以视网膜坐标编码，但受眼位调制（增益场）。PPC和RSC中的神经元则呈现环境边界的自我中心编码，表明从视网膜坐标到自我中心坐标的转换沿皮层层级进行。
- **利用视觉输入定向与地图构建**：视觉输入对于锚定头部方向系统至关重要。在RSC中，部分神经元编码视觉地标，部分编码头部方向，两者结合使头部方向系统与外部环境对齐。海马体在自然场景中可被强烈驱动，暗示视觉输入可能调节或驱动异我中心表征。
**结论与讨论**
本文总结指出，生态视觉研究正转向利用自然主义实验范式揭示传统实验室范式未涉及的计算策略，如主动感知、灵活坐标变换等。小鼠模型为回路级分析提供了有力工具，但关键挑战在于如何将基础特征编码知识桥接到复杂环境功能。未来需探究：皮层与皮层下处理的相对贡献及协调机制；生态视觉是否涉及新颖的回路基序；能否从还原论研究中预测生态视觉处理；视觉系统如何鲁棒分析复杂场景；以及小鼠发现如何向灵长类转化。研究结论部分原文翻译如下：视觉神经科学领域正开始向生态视觉转变，同时面临其实验和概念上的挑战。正如本文所述，研究人员正在开发新的行为范式，将计算映射到特定脑区，并刻画在自然主义背景下特有的神经编码。这些研究揭示了从主动感知到灵活坐标变换的计算策略，这些策略通常在传统实验室视觉范式中未被涉及。正如Gibson（1979）所言：“标准视觉方法始于眼睛固定并暴露于瞬间刺激模式……生态视觉感知方法则从相反端出发，始于观察者从一个场景移动到另一个场景、围绕感兴趣物体移动并接近它的流动阵列。”现代实验方法使这一生态方法变得可行，并结合了精确和大规模的神经活动测量。展望未来，小鼠模型为将回路级分析应用于生态视觉提供了强大机遇。在简化背景下揭示朝向选择性、方向选择性和周围抑制等特征的遗传回路解剖方法，现在可用于理解这些回路在自然行为中的运作。然而，关键挑战在于将基础特征编码的知识与复杂环境中的功能相桥接。通过研究视觉在演化中发挥功能的方式——在主动探索过程中处理动态、行为相关信息——我们可能获得对视觉系统神经回路组织和计算中被忽视却基本的方面的深入理解。
