PsyBrain 脑心前沿 / 神经技术与方法：顶刊文献解读专题 / A · 文献解读 / A012 · NatNeurosci3万神经元×1000张图像，猕猴视

A012 Nat Neurosci | 3万神经元 × 1000张图像，猕猴视觉的跨尺度神经数据集来了

来源：公众号 PSY-Brain_Frontier ｜发布：2026-06-18 ｜原文链接

认知神经科学前沿文献分享

基本信息

Title: Triple-N dataset: large-scale fMRI-guided dense recordings of nonhuman primate neural responses to natural scenes

发表时间: 2026.6.10

发表期刊:Nature Neuroscience

获取原文:

添加小助手: PSY-Brain-Frontier 即可获取PDF版本
点击页面底部“阅读原文”跳转论文网页

引言

人类和灵长类动物面对自然场景时，往往能在极短时间内识别面孔、身体、物体、颜色与空间布局。这背后既有腹侧视觉通路中不同功能区的空间分工，也有神经元在毫秒尺度上的动态协作。真正的困难在于，过去常用的研究工具很难将这两个层次真正衔接起来：fMRI 擅长描绘大尺度皮层组织，却无法分辨单神经元活动和快速时序变化；传统电生理能够看见放电过程，却常常缺少功能定位所提供的大尺度背景，也容易受采样偏差限制。结果就是，我们知道视觉皮层"哪里"重要，却未必清楚"里面的神经元如何工作"。

Natural Scenes Dataset（NSD）已将人类自然视觉研究推进到了一个可观的尺度，让研究者得以在大量真实图像下分析视觉皮层的表征结构、图像解码和模型拟合。但人类 fMRI 终究只能看到血氧信号的投影，难以回答更深入的问题：fMRI 所定义的类别选择性区域，在神经元层面是否真的存在稳定的功能组织？区域内部是整齐划一，还是混杂着偏好各异的子群？自然图像引发的反应，除了强弱的差别，是否还包含可重复的时间模式和潜伏期差异？这些问题仅靠体素级数据很难得到完整回答。

这篇文章的核心思路，就是把 NSD 的共享刺激框架引入非人灵长类。作者构建了 Triple-N 数据集，先用 fMRI 在猕猴中定位类别选择性区域，再用 Neuropixels 探针对准这些区域以及早期视觉区进行高密度记录，让猕猴观看与人类 NSD 共享的 1,000 张自然图像。这种设计的用意不在于立刻给出某个新的视觉机制结论，而在于将空间定位、单元活动、时间动态和跨物种比较放进同一套实验语境里。对于高层视觉研究而言，这类资源型工作最核心的价值，是让原本分散在不同技术平台上的证据能够彼此对照，也让后续关于类别组织、时间编码和计算模型的讨论，有一个更为扎实的共同基础。

实验设计与方法逻辑

研究使用 5 只雄性恒河猴。作者先通过猕猴 fMRI localizer 定位下颞皮层（IT）中对面孔、身体、颜色、物体和场景有选择性反应的区域，再将 Neuropixels 探针对准这些功能区，同时纳入部分未显示明确类别偏好的位置作为对照。电生理阶段，猕猴被动观看来自 NSD Shared1000 的 1,000 张自然图像，另有 72 张 face/body/object localizer 图像用于确认局部选择性。自然图像以 150 ms 呈现、150 ms 间隔的节律播放，每次会话通常重复 4-8 次。全研究共报告 90 次记录会话，其中 71 次来自 IT，19 次来自 V1/V2/V4。随后作者使用 Kilosort4 和 BombCell 完成 spike sorting 与质控，再按记录质量、类别选择性、时间动态和跨物种对齐四个维度逐层分析。

核心发现

发现一：数据资源"站得住"——大规模、稳定且高质量的神经记录

Triple-N 最先要回答的，不是机制问题，而是这套跨尺度记录能否稳定获得可信信号。Fig. 1 把这一点交代得相当完整：fMRI 先界定了面孔、身体、颜色、物体和场景等类别选择区，Neuropixels 再沿这些区域进行密集记录——单次探针即可覆盖约 4 mm 范围，同时采到数百个unit。作者最终获得超过 30,000 个视觉响应unit，其中约 4,820 个为single unit。更重要的是，Fig. 1 中的 split-half reliability、SNRmax 和 Fano factor 显示，大量单位对 1,000 张自然图像的反应既稳定又有明显的刺激调制，试次间变异也接近泊松样范围。换句话说，这不是一批松散噪声，而是一套可用于精细分析自然视觉反应的高质量数据资源。

Figure 1. Recording of populational response within category-selective regions

发现二：类别选择性区并非"整块同质模块"，而是有组织也有分化

在 fMRI 定义的类别选择性区内部，Triple-N 进一步揭示了神经元层面的细结构。Fig. 2 显示，身体区和面孔区中与区域功能一致unit比例高达 71% 到 96%——这说明 fMRI 勾勒出的宏观功能地图确实有可靠的神经元基础。但图中同样能看到，选择性并没有简单地铺满整条探针轨迹：沿 200 μm 分箱观察，局部仍存在偏好各异的unit，区域内部存在不可忽视的异质性。作者还分析了信号协方差和噪声协方差，发现图像选择性相近的神经元往往伴随更高的试次间共变。Fig. 2 真正的价值在于，它把"某一区域偏好某类刺激"这一经典结论，推进到了"区域内部如何组织、哪些神经元一起波动、哪些神经元偏离主流"这一更细致的层面。

Figure 2. Category selectivity profiles across category-selective areas

发现三：IT 反应的毫秒级时间模式——不只有"强弱"，还有"类型"

如果只看 fMRI，高层视觉区对自然图像的反应常被压缩成缓慢而模糊的血氧变化；但 Neuropixels 让作者看见了毫秒级的时间动态。Fig. 3 基于 1,000 张图像诱发的 PSTH，将 IT unit分成了三种典型的时间模式：早期抑制后再度上升、较晚峰值后缓慢衰减、快速起始且早峰后迅速下降。三类unit的可靠性相近，说明这种划分并非噪声伪影。Fig. 3 还显示，这些时间类型并非随机散布，而是在不同类别选择区中呈现出不同的比例，部分记录点还沿探针深度呈现非随机分布。更为重要的是，即使平均放电率相似，不同图像也能诱发不同的峰值潜伏期，少数长潜伏期反应还伴随明显的第二波活动。作者用 AlexNet 层级特征去预测潜伏期，发现较高层的特征更有解释力。这里最值得读者关注的结论是：自然图像加工不仅改变神经元"放多少电"，也在改变"什么时候放电"。当然，目前这一维度的证据仍属于相关性层面，尚不能直接等同于已证实的回返加工机制。

图10

Figure 3. Diverse dynamics of visual processing

发现四：将猕猴 IT 放回人类 NSD 语境——跨物种与模型层面的对照

Triple-N 选择与 NSD 共用同一批图像，目的就是让猕猴电生理和人类 fMRI 进入同一个比较框架。Fig. 4 显示，基于 RDM 的表征相似性分析表明，猕猴 IT 与人类高层视觉皮层之间存在部分相似性，且这种相似性在时间上相对稳定，但并未达到人类受试者之间的噪声上限。进一步的神经元-体素映射提示，猕猴的身体区、面孔区、场景区和颜色区分别与人类对应的高层视觉区域存在清晰的对应关系；与此同时，局部神经元并非完全同质——部分unit更接近人类 EBA 或 FBA 中的不同子区域。Fig. 5 则把这一共享刺激框架进一步扩展到了模型比较层面：作者发现猕猴数据更偏向视觉特征编码，而人类 NSD fMRI 中语义特征的相对解释力更高，且视觉模型的峰值时间早于语言模型。对此，更稳妥的理解是：Triple-N 提供了一个比较平台，而不是预设了"猕猴只看视觉、人类主要看语义"的简单二分法。

图11

Figure 4. Cross-species comparison of high-level visual cortex

图12

Figure 5. Comparison of coding spaces across species using encoding and decoding models

图13

归纳总结和点评

Triple-N 的核心贡献，在于将猕猴 fMRI 定位、Neuropixels 密集记录和 NSD 共享刺激整合成了一个可复用的数据基础，让研究者能够同时观察空间组织、单元活动、时间动态和跨物种对齐。它最有力的地方，不是提出某个单一的机制性结论，而是把原本分层、分散的证据接通到了同一张图上——从而让后续关于类别组织、时间编码和计算模型的讨论有了一个共同的参照坐标系。需要明确的是，这仍是一个在被动观看条件下、主要聚焦视觉皮层的资源型研究，更适合回答表征与编码层面的问题，而不是直接外推到行为因果、临床转化或普遍的认知规律。

图14