通过fMRI揭示的搜索过程中信息增益的神经相关性

《iScience》：Neural correlates of information gain during search revealed by fMRI

　　

# 要点

- 为序列信息搜索的fMRI研究开发了量化刺激物
- Ph2和hIP5区域的脑活动与信息增益呈渐进式关系
- PGp、hIP3和FG2区域在中等信息增益时达到峰值，反映了整合性评估
- 信息获取与评估依赖于不同的神经反应模式

## 摘要

在面对不确定性时，人类会进行信息搜寻行为以获取足够信息。确定涉及的相关脑区域有助于了解其潜在的认知机制。我们利用香农信息理论，对fMRI实验中呈现的图像瓷砖所包含的信息进行了量化。19名参与者在观看一系列瓷砖后判断图像标题是否描述了该图像，并在匹配时发出信号。随机效应方差分析和表征相似性分析揭示，与信息增益相关的区域呈现两种互补模式。第一种模式涉及右侧Ph2和左侧hIP5，与信息增益呈渐进式关系，符合追踪当前可用感知证据的特征。第二种模式涉及双侧PGp以及左侧hIP3和FG2，对中等信息增益更为敏感，可能反映了将累积的视觉信息与任务相关语义期望联系起来的整合过程。这些发现为序列搜索过程中信息如何被获取和评估提供了一个神经认知框架。

## 图1 实验流程

实验流程以流程图和时间线形式展示。

在每次试次中，参与者被要求判断标题是否与图像匹配。首先呈现标题4秒，随后依次揭示图像瓷砖（每2秒一块），每次呈现之间间隔4至6秒的抖动注视期。一旦参与者辨认出图像与标题匹配，即按下按钮。随后呈现完整图像，参与者需再次按下按钮确认判断正确。

## 结果

本研究调查了信息增益在标题-图像匹配任务中对人类信息搜索过程的影响。对19名参与者进行了功能性磁共振成像（fMRI）实验。在每次实验试次中，参与者先获得一段描述性图像标题，然后依次呈现图像的部分内容。他们被告知，当他们能够判断图像序列与标题匹配时，应按下按钮完成试次。此过程使得分析决策过程中信息增益的神经相关得以实现。

### 揭示人类信息搜索过程中的感兴趣区域

分析重点在于考察观看逐块呈现的图像所引起的脑活动，并将该脑活动与每块图像所提供的定量信息增益指标相关联。随机效应广义线性模型（GLM）分析揭示了几个关键脑区域中的显著神经激活，每个区域体积各异。分析结果如图2所示；见表1。这些可视化图显示了六个独立的激活团块。右侧和左侧PGp（IPL）表现出高度显著效应，体积分别达到7673 mm3和1768 mm3，表明存在稳健的双侧神经激活。其他区域也表现出显著效应，但体积较小，提示更局部化的神经反应。右侧Ph2（PhG）体积为249 mm3，左侧FG2（FusG）体积为504 mm3。这些发现表明与PGp区域相比，具有特定但范围较小的激活模式。左侧hIP5（IPS）和左侧hIP3（IPS）也表现出显著的神经活动，体积分别为216 mm3和916 mm3，提示存在显著但各不相同的神经反应。

### 图2 与信息水平相关的全身脑激活

显示了六个激活区域及其在五种不同信息增益条件下的贝塔值，投影至五个横断面不同z轴值上的平均解剖结构。柱状高度代表参与者（n = 19）的平均贝塔值，误差线代表均值标准误（SEM）。激活团块阈值设为体素水平假发现率（FDR）q < 0.01，团块阈值为216 mm3（p < 0.05）。

| 细胞构筑学区域 | 宏观解剖位置 | 半球 | X | Y | Z | F(4, 72) | p值 | 体素（mm3） |
|---|---|---|---|---|---|---|---|---|
| PGp区（IPL） | 角回 | 右 | 45 | -64 | 16 | 17.30 | <0.000001 | 7,673 |
| Ph2区（PhG） | 颞叶梭状回 | 右 | 30 | -46 | -8 | 10.32 | 0.000001 | 249 |
| hIP5区（IPS） | 角回 | 左 | -27 | -70 | 25 | 8.79 | 0.000008 | 216 |
| hIP3区（IPS） | 中央后回 | 左 | -39 | -43 | 46 | 9.04 | 0.000006 | 916 |
| PGp区（IPL） | 角回 | 左 | -48 | -70 | 16 | 13.11 | <0.000001 | 1,768 |
| FG2区（FusG） | 颞枕叶梭状回 | 左 | -42 | -64 | -14 | 10.63 | 0.000001 | 504 |

**表1 信息增益全身脑分析的显著团块**

全身脑分析的显著团块。解剖标签依据于利希-脑细胞构筑学图谱，并标注宏观解剖位置。坐标以MNI空间（mm）报告。Hem, 半球；L, 左；R, 右。坐标（X、Y和Z）指MNI152空间中的峰值体素。

从每个激活团块中提取了各信息水平的贝塔权重。所有激活团块的贝塔权重图见图2。进行了事后分析以确定各激活团块之间不同信息水平差异的显著性（见表S8、S9、S10、S11、S12和S13）。右侧PGp激活团块的事后分析结果表明，中等信息水平的贝塔权重与低、高和非常高的信息水平存在显著差异。这一模式与左侧PGp激活团块略有不同，其中中等信息水平的贝塔权重仅与低信息水平存在显著差异。

此外，左侧FG2激活团块中低信息水平与中等、高和非常高信息水平的贝塔权重存在差异。在hIP5团块中，仅低信息水平与高信息水平之间存在显著差异。左侧hIP3团块也显示出低信息水平与中等信息水平之间的显著差异。

### 探究信息搜索任务中信息增益的神经相关

我们进一步通过表征相似性分析（RSA），利用六个团块中每个信息增益水平的活动进行了深入探究（见补充信息中的图S7）。使用多维标度（MDS）分析表征相似性矩阵（RDM），以寻找六个团块间脑活动模式的低维表征。采用二维INDSCAL解，因其对不相似性数据提供了可接受的拟合效果（S-stress = 0.143，RSQ = 0.898；解释89.8%的变异）。增加第三维度并未显著改善拟合效果，因此不再报告。MDS分析的结果包括五种不同信息增益水平的二维公共空间表征图（图3A）以及受试者权重图（图3B）。受试者权重表明每个团块的活动对公共空间中维度1和维度2的影响程度。对维度1和维度2含义的解释为我们理解不同脑区域如何表征信息增益提供了见解。

### 图3 信息增益水平的多维标度分析

基于六个脑激活团块对五种信息增益水平进行个体差异多维标度（INDSCAL）分析的结果。

(A) 源自多维标度（MDS）分析的公共空间图，展示了不同的信息增益水平。

该图反映了六个脑激活簇的权重对各个水平的影响，体现了各水平之间的相似性与差异性。（B）六个脑激活簇的受试者权重图，其中受试者权重表示各维度对不同刺激水平的重要性。根据MDS分析结果，图3A的公共空间图表明，维度1占据了总体重要性62.1%。然而，信息量的各水平并未沿该维度呈单调梯度排列；相反，中等水平位于最极端负值位置，而低水平位于最极端正值位置。极低、高和极高水准则位于维度1轴的中间附近。这种非单调模式表明，维度1并不追踪可用信息的数量，而可能反映的是在中等信息增益水平上的加工需求。中等水平位于极端位置可能代表了一种模糊状态，需要更多的认知努力来提取和解析视觉信息以完成任务。相比之下，低信息可能主要以孤立的视觉特征进行加工，语义参与的度很低。公共空间图的维度2占据了总体重要性27.7%。与维度1不同，维度2呈现出从正值（低和极低）到负值（高和极高）的近乎单调梯度，中等水平位于零值附近。这一排序与信息的总量密切相关。因此，维度2似乎追踪的是可用于验证文字说明是否匹配完整图像的总体视觉信息量。受试者权重图（图3B）显示，这两个维度由不同组的激活簇驱动。双侧PGp、左侧hIP3和左侧FG2主要贡献于维度1（在维度1上权重≥0.91；在维度2上≤0.30）。右侧Ph2和左侧hIP5主要贡献于维度2（在维度2上权重分别为0.96和0.81；在维度1上分别为0.00和0.37）。该受试者权重图表明，两种功能不同的神经机制存在维度分离，尤其是在对维度2有贡献的区域中，这些区域与量编码存在关联。讨论本研究旨在通过在fMRI环境中模拟信息检索场景，要求参与者判断一段文字说明是否准确描述了图像，来判断信息获取的脑机制。该任务通过逐块呈现图像瓦片来模拟信息搜索过程中收集信息的过程，这需要随时间整合信息。本研究共有29名右利手参与者，视力正常或矫正至正常水平，经过数据预处理和质量检查后，对其中19名参与者的数据进行了分析。实验使用的刺激集包含被分为九个瓦片的图像，并对每个瓦片提供的信息增益进行了定量测量。本研究为了解大脑在搜索类任务中处理信息的机制提供了洞察，利用fMRI数据识别了与这些认知过程相关的脑区。对不同信息增益水平的脑活动进行GLM分析后发现，多个脑区出现了显著激活，尤其是双侧PGp（下顶叶）。这些激活表明双侧PGp在任务中对部分积累信息的整合与评估中发挥着重要作用。尽管下顶叶此前已被认为与证据积累和不确定性下的决策有关，但本研究的结果模式表明，双侧PGp可能与评估性或整合性加工更为相关，而非简单的证据单调积累。此外，右侧Ph2、左侧FG2以及左侧hIP5和hIP3也出现了激活。为刻画不同信息增益水平间激活模式的相似性，对GLM得出的区域激活模式进行了RSA分析，并使用多维缩放（MDS）可视化所得的相似性结构。对该二维解结构的解读提示所涉及的脑区具有可分离的功能角色。维度1与双侧PGp、左侧hIP3和左侧FG2关联最强，可能反映对文字-图像一致性的整合性评估，可能涉及在部分不确定条件下的情境解读。维度2与右侧Ph2和左侧hIP5关联最强，与信息增益呈近乎单调的关系，似乎对应于当前可用于指导决策的信息量。双侧下顶叶（PGp）、左侧hIP3和左侧FG2以及维度1的解读对信息增益不同条件之间对比的分析揭示，双侧PGp——位于下顶叶皮质的一个脑区——存在显著激活簇。PGp区域构成了PG的后部，已发现其参与默认模式网络。研究还表明该区域与内侧颞叶皮层存在功能连接，形成顶叶皮质中视觉空间加工的一条通路。该内侧颞叶连接对于与空间信息相关的场景的空间视觉加工至关重要。此外，PGp还被报道作为连接枕叶和顶叶皮质的枢纽，负责将视觉输入转化为视觉联合信息。多维缩放（MDS）分析结果表明，双侧PGp激活簇与左侧hIP3和左侧FG2一起主要在维度1上加载（权重≥0.91），但对维度2的贡献极小。双侧PGp激活簇的β权重在中等信息增益处达到峰值，形成了倒U型调谐曲线。该模式并非仅反映对信息数量的分级敏感性，而可能表明当可用证据具有信息量但不足以完全解决决策时，加工需求增加。因此，参与者可能在部分积累的视觉信息必须与文字说明所暗示的渐进解读相关联时，进行更大程度的整合性评估。包含极少信息的瓦片可能提供的证据不足以强烈激发评估过程，而高度信息丰富的瓦片则可能降低解读需求，因为决策变得相对简单。在本任务中，双侧PGp可能支持在逐块揭示瓦片的过程中整合感知证据，同时评估其与文字说明所建立的情境或语义预期之间的相关性。此外，左侧hIP3和左侧FG2对维度1的显著贡献支持了将该维度更广泛地解读为反映部分不确定条件下文字引导的整合。左侧hIP3位于顶内沟，参与视觉空间注意和跨空间位置的对象信息整合。左侧FG2位于初级视觉区与高级视觉区的交界处，与类别性视觉识别、视觉词汇加工和物体识别有关。特别是，FG2已显示在涉及视觉和高级语义信息整合的任务中与右侧顶内沟（包括hIP3）共同激活。总之，双侧PGp、左侧hIP3和左侧FG2对维度1的贡献表明，该维度反映了评估积累视觉证据与文字说明相关性时的认知需求，同时整合跨时间的感知信息。右侧Ph2和左侧hIP5以及维度2的解读与四个脑区对维度1的贡献不同，仅有两个脑区主要贡献于维度2：右侧Ph2和左侧hIP5，权重分别为0.96和0.81。Ph2位于内侧颞叶回，被认为参与场景感知，与对象的空间环境的情境加工有关。同样，位于顶内沟的左侧hIP5参与视觉空间加工和与任务目标相关的刺激量编码。MDS解表明，右侧Ph2和左侧hIP5对维度2贡献强烈，而维度2与信息水平呈近乎单调的关系，暗示其与信息增益总量相对应。因此，这些发现表明这些脑区可能更多与追踪当前可用信息相关联，而非与维度1所联系的整合性评估需求相关联。这些发现与量编码概念一致，该概念与顶叶皮质相关，其神经活动随传入信息的数量而变化。在此背景下，右侧Ph2可能反映随着信息量越来越丰富的瓦片被揭示时逐步丰富的场景级情境信息，而左侧hIP5可能追踪当前可用的决策相关信息量，可能有助于在文字-图像决策过程中逐步降低不确定性。综合来看，这些脑区可能在追踪当前可用于指导文字-图像决策的视觉和情境证据方面发挥互补作用。与自然视觉中眼动的信息增益的关系本研究的发现可以在自然视觉的理论框架下解读，该理论认为眼动并非对视觉显著性的被动反应，而是旨在获取行为相关信息的有目的的采样操作，注视被策略性地分配以最大化信息增益并降低不确定性。尽管当前实验不涉及自然眼动，但图像瓦片的逐块揭示同样需要随时间积累信息以支持文字-图像决策。通过自然视觉框架来看，Ph2与PGp之间的分离可能反映顺序采样过程中信息加工的不同时间尺度，而非自然眼动行为的直接对应。包括Ph2在内的后内侧颞叶皮层已被认为参与场景选择性加工、空间布局编码以及与当前所看环境相关联的观点依赖性情境表征。与本研究中与信息增益的分级关系一致，Ph2可能优先反映当前采样视觉证据中可用的信息，标记当瓦片逐步揭示时给定感知样本中包含的信息量或情境丰富度。相比之下，位于后楔前区/下顶叶皮质的PGp已被认为与多模态整合、情境更新以及将感知、语义和记忆信息组合成连贯表征有关。因此，其对维度1的贡献更符合在跨顺序样本整合信息方面发挥作用的角色，尤其是在解读需要将传入感知证据与语义预期或情境意义相关联时。在此自然视觉框架下，FG2和顶内沟区域hIP3和hIP5可能支持信息加工的互补阶段。FG2与高级视觉和类别水平表征有关，可能有助于将采样的视觉输入转化为越来越有意义的物体或语义表征，这与PGp所提出的整合性贡献相容。同样，顶内沟皮层已涉及视觉空间注意、注意定向和视觉搜索中行为相关信息的选取，且顶内沟各亚区间的功能分化已有报道。因此，本分析中hIP3和hIP5的差异性贡献可能反映顶内沟皮层在信息采样和评估中的不同角色。总之，本研究调查了在一种旨在模拟人类自然信息搜索中信息获取的文字-图像匹配任务中，与顺序信息收集相关的神经机制。发现表明，搜索类行为中信息获取涉及两种部分可分离的反应模式：一种与追踪当前可用信息相关，另一种与对积累证据的整合性评估相关。第一种模式涉及右侧Ph2和左侧hIP5，它们与信息增益呈分级关系，似乎与追踪当前可用感知证据的数量一致。第二种模式涉及双侧PGp以及左侧hIP3和左侧FG2，它们对中等信息增益水平敏感，可能反映部分不确定条件下文字引导的积累视觉信息整合和评估。这些发现表明，搜索类行为中的信息收集可能涉及追踪当前可用证据的机制与将连续信息样本整合为连贯、目标相关解读的机制之间的动态交互。更广泛地说，研究结果提供了一个神经认知框架，用于理解信息如何在顺序搜索过程中逐步获取和评估。研究的局限性本研究的一个局限性是样本量相对较小，仅有19名参与者的数据被分析。从29名招募的参与者中，有10名因预设立的质量控制标准（头部运动过大>3 mm或3°、未遵循指令，或表现低于随机水平）而被排除。导致参与者被排除的一个可能因素是实验与任务负荷相对较高，因为当揭示的瓦片数量较多时，试次时长可能延长，这可能增加认知疲劳并降低在长时间测试中的依从性或表现。

尽管分析的样本量与其他研究复杂认知任务的基于事件的fMRI研究（具有高试次数量）相当，未来使用更大样本和更多试次进行实验研究将有助于确认本研究结论的普适性，并提高检测较小效应值的灵敏度。此外，视觉复杂度可能与实验刺激集中的信息增益共变。信息增益可以相对于描述文本进行定义。因此，一个视觉复杂但与描述文本无关的图块可能会获得较低的信息增益值。因此，这两种属性并未被正交操控。未来专注于独立改变视觉复杂度和信息相关性的研究将有助于分离它们对观察到的神经反应的各自贡献。同样，在做出反应之前观看的图块数量的变异性可能反映个体在反应阈值方面的差异。尽管自由节奏设计对于模拟自然主义的信息搜索至关重要，但未来研究可以辅以固定呈现条件来有助于区分这些因素。

资源可用性
主要联系人
如需更多信息和资源，请联系并将由主要联系人Sakrapee Paisalnan（[e-mail]）提供。

材料可用性
本研究未产生新的独特试剂。

数据与代码可用性
• 表示性相似度矩阵和统计概率图已存于OSF，自出版之日起公开可用；DOI列于关键资源表中（https://doi.org/10.17605/OSF.IO/F9HSB）。本研究中生成的描述-图像刺激集可向主要联系人申请获取。原始fMRI数据因伦理和参与者知情同意限制，无法存入公共仓库。
• 本文未报告原始代码。
• 重新分析本文报告数据所需的任何附加信息均可向主要联系人申请获取。

致谢
本研究部分由诗巴差兰大学工程与工业技术学院电气工程系资助。

作者贡献
概念化：S.P.、Y.M.、F.P.；方法论：S.P.、Y.M.、F.P.；调查：S.P.；形式分析：S.P.、Y.M.、F.P.；数据管理：S.P.和F.P.；可视化：S.P.；论文撰写——初稿：S.P.、Y.M.、F.P.；论文撰写——审阅与编辑：S.P.、Y.M.、F.P.；资金获取：S.P.；资源：F.P.；监督：Y.M.和F.P.

利益声明
作者声明无利益冲突。

STAR★方法
关键资源表

试剂或资源 | 来源 | 标识符
已存数据：RDMs和统计图 | OSF | https://doi.org/10.17605/OSF.IO/F9HSB
刺激集 | 本文 | 可向主要联系人申请获取
软件和算法：BrainVoyager 20 和 21.4 | Brain Innovation | https://brainvoyager.com/
IBM SPSS Statistics v29 | IBM | https://www.ibm.com/products/spss
siibra v0.4 | Forschungszentrum Juelich GmbH | https://fzj-inm1-bda.github.io/siibra/
MS COCO数据集 | Lin等人 | https://cocodataset.org/
Jülich脑图谱 | Amunts等人 | https://julich-brain-atlas.de/

（在新标签页中打开表格）

实验模型和研究参与者详情
本实验考察了视觉信息的逐步积累如何影响神经活动。参与者观看以图块序列逐步呈现的图像，同时判断先前展示的描述文本是否准确描述了图像。该任务在功能性磁共振成像（fMRI）扫描的背景下模拟了信息检索过程。参与者在fMRI扫描期间完成了描述-图像匹配任务。每次试次首先呈现描述文本，随后呈现一系列图像图块。参与者一旦判断图块与描述文本匹配，便作出反应。随后显示完整图像，参与者确认其决定是否正确。自变量是与每个图像图块相关的信息水平，因变量是用fMRI测量的相应血氧水平依赖（BOLD）反应。

本研究招募的所有参与者均为健康的成年人类志愿者；本研究中未使用动物模型、细胞系、原代细胞培养物、植物或微生物菌株，因此细胞系鉴定和支原体检测不适用。记录了参与者的性别（见下文参与者部分）；未收集性别认同、族裔、种族和民族信息。本研究未设计或进行统计功效设计来评估性别或性别认同对结果指标的影响，且未进行基于性别或性别认同的分析；这被认为是本研究的一个局限性。本研究采用被试内设计，参与者被要求在扫描仪内参与信息搜索任务，并暴露于信息增益条件下，因此未将参与者分配至不同的实验组。所有程序均获得格拉斯哥大学科学与工程学院伦理委员会批准（申请编号：300180236），所有参与者在参加实验前均提供了书面知情同意书（另见程序部分）。

参与者
本研究包含29名健康参与者（16名女性，13名男性），均为右利手且具有正常或矫正至正常的视力。大多数参与者年龄为18-23岁（51.72%），其次是24-29岁（31.03%）。大多数为在校学生（89.66%），少量为失业者（6.90%）和研究人员（3.45%）。大多数参与者为英语母语者（58.62%），37.93%报告具有高级英语水平。参与者平均约有14年的在线搜索经验，主要使用搜索引擎进行网页浏览，视频和图像搜索频率次之。

根据预设的数据质量标准排除了10名参与者。7名因头部运动超过3毫米或3度导致过多的运动伪影而被排除。2名因未能遵循任务指令而被排除。1名因识别描述文本的准确率低于50%而被排除。最终分析包含19名参与者。

方法细节

刺激选择与验证
从微软常见物体与背景数据集（MS COCO）中选择了100张图像。图像需描绘包含至少两个不同物体的日常非标志性场景，描述文本需涵盖多个物体而非单个局部区域。所有图像均转换为灰度并划分为3×3网格，产生9个图像图块。

进行了一项涉及25名参与者的初步行为研究以估计刺激难度。参与者观看描述文本后观看随机顺序呈现的图像图块，并在判断某图块与描述文本匹配时作出反应。行为反应用于将图像分类为简单、中等或困难。选择中等难度的图像用于fMRI实验，以鼓励参与者在大约四到五个图块后进行识别。

对于每张选定的图像，图块呈现顺序按与描述文本的相关性从低到高确定。相关性由三名评估员使用3点量表（0 = 不相关，1 = somewhat相关，2 = 非常相关）独立评定。使用Fleiss' Kappa（κ）评估评分者间一致性，并保留具有一致相关性评定的图像。最终刺激集包含24张图像，其中大多数为中等难度。为保持参与者投入度，两次试次包含不匹配的描述-图像对，需要查看全部9个图块；两次试次以高度信息性的首个图块开始，以防止参与者形成早期图块总是包含少量信息的固定预期。

计算图像图块的信息增益
我们利用两种标注来源来量化每个图块的信息增益。首先，每个图块中存在的物体已在MS COCO数据集中进行了标注，并由一名经验丰富的标注员进行了验证，该标注员确认了每张图像九个图块中这些物体标注的一致性。然而，相关性由三名经验丰富的评估员使用3点量表（0 = 不相关，1 = somewhat相关，2 = 非常相关）进行标注，如上节"刺激选择与验证"所述。这些标注被整理为两集，记为(O = oi)，代表在每个图块中识别出的物体，(R = ri)，代表这些物体相对于描述文本的相关性水平。

在刺激集中，图块中出现的物体数量从零到七不等。三名评估员提供3点相关性评定的组合产生的汇总分数范围从0（三人均评定不相关）到6（三人均评定非常相关），共有七个可能的唯一值。补充信息中的表S1总结了整个数据集中物体数量与汇总相关性水平的联合分布。

我们使用Shannon自信息公式量化每个图块内的信息，其中与概率为(Pi)的事件(i)相关的惊讶度(Si)定义为
Si = ?log(Pi) （公式1）
对于两个事件(j)和(k)，其中(k)取决于(j)，其合取的惊讶度为
S(j∧k) = ?log(P(j∧k)) = ?log(Pj, P(k|j)) = Sj ? log(P(k|j)) （公式2）
应用于我们的刺激时，我们将图块中物体的存在和这些物体的相关性视为条件相关事件，因为图块内容的相关性受限于其中出现哪些物体。因此，物体存在和相关性的合取的惊讶度S(obj∧rel)被计算为
S(obj∧rel) = Sobj ? log(P(rel|obj)) （公式3）
概率项Pobj和P(rel|obj)以逐图相对频率进行经验估计，计算范围涵盖构成每个3×3图像网格的九个图块。具体来说，Pobj取为图像九个图块中给定物体数量的边际频率，P(rel|obj)取为在同一九个图块中，给定该物体数量的汇总相关性水平的条件频率。

这种逐图估计反映了范式的实验框架。在试次期间，参与者针对试次开始时展示的描述文本评估图像的某个特定部分，判断描述文本是否足以代表整张图像。因此，一个图块在信息增益意义上是"令人惊讶的"，是相对于同一张图像的其他图块而言，而不是相对于跨所有24张图像汇总的图块而言——也就是说，一个图块对于观察者而言是有信息量的，其程度在于其内容相对于图像其余部分来说是出乎意料的。因此，我们为每张图像分别计算信息增益，因为我们的理论兴趣在于图块在图像内部如何不同，而非图像之间如何不同。类似的局部、刺激条件化的惊讶度公式也支撑了关于信息驱动注意力和注视分配的先前研究。

信息水平由上述两种输入计算得出：每个图块中存在的物体数量（0-7）和汇总相关性水平（0-6，由三名评估员基于3点量表得出）。所得值在刺激集中取13个不同值。为定义fMRI一般线性模型的回归量，这些值通过等频率分箱被分配为五个有序水平：非常低、低、中、高和非常高。这使得每个水平的图块观察数量大致相等：非常低（n = 474）、低（n = 726）、中（n = 471）、高（n = 310）和非常高（n = 377）；总计N = 2,358。选择等频率分箱是为了确保各条件下的试次数量平衡，以实现稳定的第一级GLM估计。

任务
实验任务旨在考察参与者如何在做出描述-图像决策的同时随时间积累视觉信息。每次试次首先呈现描述文本，随后按顺序呈现从相应图像中采样的图像图块序列。参与者一旦判断已获得足够信息来确定描述文本正确描述了图像，便作出反应。这种视觉信息的顺序积累提供了搜索期间信息获取的受控类比，同时与基于事件的fMRI兼容。

每张图像被划分为九个图块，按预定顺序单独呈现（见刺激选择与验证）。随着更多图块被揭示，信息逐步积累，使参与者能够在做出决定前整合随时间积累的证据。各个图块与描述文本的相关性不同，因此提供的信息量也各不相同。

每次试次首先呈现描述文本4秒。随后按顺序呈现图像图块，每个2秒，中间间隔为4-6秒的抖动注视间隔。参与者一旦判断描述文本与图像匹配便按下反应按钮。随后显示完整图像2秒，之后参与者再次按下反应按钮确认其提供的反应是否正确。

程序
获得了格拉斯哥大学科学与工程学院伦理委员会的伦理批准（申请编号：300180236）。所有参与者提供了书面知情同意书，并被告知可随时退出研究且不受惩罚。参与者按每小时6英镑的标准获得报酬。

扫描前，参与者完成了MRI安全筛查并换上无金属服装以最小化成像伪影。

随后，他们完成了一份评估人口学特征和在线搜索经历的问卷，接着进行了一系列练习试验以熟悉任务。参与者随后在功能磁共振成像（fMRI）扫描期间完成主要实验任务。扫描过程持续约1小时，其中约50分钟为功能成像，10分钟为结构像采集。在任务期间，参与者完成了24个标题-图片试验，涉及信息获取和反应验证。扫描结束后，参与者完成了一份简短的退出问卷，描述其实验体验。

图像采集

图像采集在格拉斯哥大学认知神经影像中心使用3T西门子TIM Trio MRI扫描仪完成。功能体数据采集采用T2*加权梯度回波、平面回波成像序列（68层交替采集，TR：2000毫秒，TE：30毫秒，体素大小：3×3×3毫米，视野：210毫米，矩阵大小：70×70）。此外，在扫描结束时使用T1加权序列采集了一个高分辨率解剖体数据（192层，TR：1900毫秒，TE：2.52毫秒，体素大小：1×1×1毫米，视野：210毫米，矩阵大小：256×256）。

fMRI预处理

功能磁共振数据使用BrainVoyager 20进行分析。预处理遵循标准流程，包括切片时序校正（三线性插值）、三维运动校正（以第一个功能体数据为参照进行刚体对齐）、去除线性趋势，以及高通过滤（0.0025赫兹）以降低低频生理噪声。功能图像与各参与者的解剖图像配准，并标准化至蒙特利尔神经研究所（MNI）空间。最后，归一化后的功能图像在进行组分析前使用6毫米全高全宽（FWHM）高斯核进行空间平滑。

量化与统计分析

通用线性模型（GLM）分析

为识别与信息增益相关的脑区，首先为每位参与者分别进行一级分析，使用逐体素通用线性模型（GLM）。GLM包含建模五个信息增益水平下每个图片瓦片呈现的回归量，以及头动校正参数。预测变量时间序列与血氧水平依赖（BOLD）血流动力学反应函数进行卷积。个体对比估计值被输入至二级随机效应方差分析，信息增益作为参与者内因素。

全脑统计图使用逐体素错误发现率（FDR；q < 0.01）进行阈值化。显著团块随后通过基于1000次蒙特卡洛模拟的团块水平校正来识别，图像平滑度估计为FWHM = 2.474个功能体素。由此得到的最小团块大小阈值为216毫米3，对应p < 0.05。

显著团块的峰值MNI坐标使用哈佛-牛津皮质和皮质下概率图谱（25%概率阈值；2毫米分辨率）进行解剖学标注，该图谱在nilearn（v0.13）中实现。更详细的细胞建筑学标注通过Jülich大脑图谱使用siibra（v0.4）获得。对于每个坐标点，选择最高概率的非边界区域作为主要解剖学标签。

对于每个显著团块，在五个信息增益水平下分别提取beta权重值用于可视化和事后分析。信息增益水平之间的两两比较使用SPSS Statistics（v29.0.2.0）中的Tukey真实显著差异（HSD）检验进行。

表征相似性分析

表征相似性分析（RSA）用于表征与信息增益不同水平相关的神经表征。为生成RSA所需的激活模式，为每位参与者分别估计了一个GLM。该模型包含代表五个信息增益水平下每个图片瓦片呈现的回归量、试验开始时的固视，以及头动参数。预测变量时间序列与血流动力学反应函数进行卷积，并以信息增益为参与者内因素进行二级随机效应方差分析。与固视的对比产生了五张全脑统计图，每张对应一个信息增益水平（极低、低、中、高和极高）。

以主GLM分析中识别出的六个激活团块的峰值坐标为中心，设置了球形感兴趣区（ROI；半径4毫米）。一级RSA在BrainVoyager 21.4中使用欧几里得距离来量化各信息增益条件下激活模式之间的两两不相似度。由此为每个ROI生成一个表征不相似矩阵（RDM）。

随后使用IBM SPSS Statistics（v29.0.2.0）中的ALSCAL程序和INDSCAL模型进行多维标度（MDS）分析。六个RDM作为输入，用于推导一个共同的表征空间，同时估计区域特异性的维度权重。INDSCAL适用于此分析，因为它能够推导出一个跨脑区共享的公共刺激空间，并提供区域特异性权重向量，用以量化每个脑区对各个维度的依赖程度。二维和三维解使用Young's S-Stress以及距离与不相似度之间的平方相关系数（RSQ）进行评估。尽管探索了三维解，但未予以保留，因为SPSS提示可能存在过拟合（从60个观测值中估计了33个参数），且第三维度仅贡献了约10%的总方差。因此，基于模型拟合度和可解释性选择了二维解。

补充信息（1）

PDF（440.67 KB）

文件S1。图S1–S7和表S1–S13