A099 最新重磅 Nature 正刊 | 视觉系统新发现：压缩式的物体识别机制
来源：公众号 PSY-Brain_Frontier ｜ 发布：2025-09-22 ｜ 原文链接
点击蓝字 关注我们 知晓前沿
高级视觉前沿文献分享
基本信息：
Title:A compressed hierarchy for visual form processing in the tree shrew
发表时间：2025.8.27
Journal:Nature
影响因子：48.5
原文链接：点击页面底部 “阅读原文”即可跳转
研究动机与背景
在神经科学和认知科学中，理解视觉系统如何实现物体识别是核心问题之一。灵长类动物（尤其是）的腹侧视觉通路长期被视为物体识别的经典模型，其沿后至前（V1→V2→V4→IT）逐级抽象视觉信息的分层结构已被充分证实。该结构启发了现代等深度神经网络的设计，其逐层提取低阶到高阶特征的模式正是模拟这种分层加工。
然而，这种“层级结构”模式是否是所有高度依赖视觉的哺乳动物的通用策略，仍是悬而未决的问题。
前人研究困境主要有以下几点：
1. 模型生物局限性：对于小鼠，虽然有丰富的遗传工具，但其视觉分辨率低（约为树鼩的1/10），视觉皮层面积小，且行为表现难以胜任复杂物体识别任务。因此，小鼠难以作为探究高级视觉机制的理想模型。
2. 树鼩的独特潜力：在系统发育上与灵长类接近，具备高视觉敏锐度（约为啮齿类10倍）、扩展的视觉皮层以及优异的视觉导向行为能力。其V1区拥有类似灵长类的方向柱结构，V2区也存在大尺度拓扑映射，但V2以后的功能特性此前几乎未有电生理数据。
3. 缺乏对整个腹侧通路的系统功能性研究：虽然早期损毁研究暗示树鼩前颞叶（TI、ITi、ITr）在物体识别中起关键作用，但缺乏直接的单元水平记录证据，也不清楚这些区域是否存在类似灵长类IT的高阶物体空间表征。
4. 普适性命题的科学价值：若非灵长类物种也能在较浅的层级中实现高阶物体表征，将挑战现有对“分层是高阶视觉必需条件”的共识，对理解视觉系统演化具有深远意义。
基于这些背景，作者提出关键科学问题：树鼩腹侧视觉系统是否具备灵长类式的分层组织？若具备，其高阶功能是否在层级位置上更为“压缩”？
这一问题不仅探讨分层结构的普适性，还可揭示小型视觉动物如何以有限的神经元资源实现复杂视觉任务，对神经计算模型（尤其是深度网络）与生物视觉系统的类比关系亦有启发意义。
省流总结
研究团队在清醒状态下对tree shrew（树鼩）进行了跨多个皮层与丘脑区的大规模Neuropixels电生理记录，以探究其腹侧视觉通路是否呈现类似灵长类的分层结构。
他们发现树鼩视觉系统同样存在沿后到前的感受野增大、反应时延增加与自然纹理选择性增强等层级特征，但尤为突出的是，树鼩的V2区已呈现出灵长类inferotemporal cortex（IT）般的高级物体表征，包括完整的高级物体空间表征、最优的物体解码与重建能力以及显著的面孔选择性细胞。这表明树鼩在视觉通路上实现了压缩式的层级组织，为理解视觉分层机制的普适性提供了重要视角。
实验设计与方法逻辑
为系统解析树鼩腹侧视觉通路的组织，作者设计了多层次的电生理和计算建模实验流程，其逻辑围绕“验证分层特性→比较表征深度→解析功能分工”逐级展开。
（1）跨区多点大规模记录
研究团队使用高密度探针，在清醒固定状态下同步记录树鼩V1、V2、TP、TI-ITi、ITr等皮层区域及枕核的单元放电活动，确保覆盖腹侧通路从后至前的各节点。电极轨迹以荧光染料（DiI）标记，并经组织学验证定位精度。
（2）感受野与反应时序测量
为判定各区的层级位置，作者首先用局部稀疏噪声刺激映射各区神经元感受野（RF），分析其空间位置、大小及是否存在ON/OFF型双通道输入。感受野大小与半峰潜伏期是传统衡量分层深度的经典指标，因此作者统计这些指标沿后前方向的变化。
（3）低阶特征调谐分析
作者使用静态条纹刺激测试各区对方向、空间频率与相位等低阶视觉特征的调谐性。灵长类研究显示这些特征主要在V1、V2出现而在高级区减弱，因此可验证各区在特征加工层级上的位置。
（4）高阶统计结构敏感性测试
为检验V2等区是否已展现高阶加工能力，作者呈现自然纹理及谱匹配噪声刺激，并比较各区对两类刺激的反应差异及出现时序。灵长类V2已知对自然纹理的高阶统计依赖性敏感，因此此测试可判定树鼩V2的功能地位。
（5）复杂物体表征建模与解码
作者构建了1593张包括动物、身体部位、面孔、日常物体的丰富刺激集（同1刺激集一致），并将神经响应投射到 FC6特征空间。通过计算各单元的“首选轴”（preferred axis），评估其是否呈现“轴编码”（axis coding）特性——这是灵长类IT区编码高级物体空间的关键机制。同时比较不同层对各区神经响应的解释力，定位其表征层级。
（6）特征解码与图像重建
基于各区神经群体的活动，作者使用线性模型预测 FC6特征向量，并从大型外部图像数据库中寻找特征最接近的图像，以此量化各区重建原始图像的准确度。此过程可直接比较各区表征的精确性与完整性。
（7）平行对照
为定位树鼩V2的层级位置，作者在猕猴V2、IT后部（PIT）和IT前部（AIT）实施相同记录实验，比较物体解码、重建及面孔选择性等指标在两物种的分布差异，检验“层级压缩”假说。
总体而言，该方法逻辑呈现自下而上递进式：先验证经典分层指标（感受野、潜伏期），再检验高阶特征调谐（纹理、物体空间），最后通过跨物种对照确定树鼩V2是否相当于灵长类IT。
核心发现
分层特征沿后至前递增，存在层级组织（Fig.1）
主要结果：感受野大小从V1（最小）到V2再到ITr逐级增大，视觉反应半峰潜伏期也呈现V1<V2<ITr的递增模式。
Fig.1h–j中，横轴为反应潜伏期，纵轴为感受野大小，各区数据点沿对角线分布呈现递增趋势。V1、V2、ITr分别聚类在左下、中部、右上位置，构成经典的分层序列。
意义：说明树鼩腹侧通路在解剖功能上具备层级加工的基本架构，是开展高阶表征分析的前提。
V2对自然纹理有最强特异敏感性
早于V1出现差异（Fig.2）
主要结果：在呈现自然纹理与谱匹配噪声刺激时，V2中约70%神经元有反应且纹理-噪声反应差异在刺激后约45ms即出现，而V1虽然反应更早但纹理与噪声的分化延迟至约90ms。
Fig.2h中V2的两条响应曲线（纹理与噪声）在早期快速分离，而V1的分离滞后；Fig.2i显示V2对纹理身份的方差解释率显著高于V1。
意义：说明V2具备整合高阶统计结构的能力，且可能向V1反馈纹理相关信息，表现出超越V1的加工复杂度。
V2已形成高阶物体空间的轴编码表征
（Fig.3、Fig.4）
主要结果：V2神经元在 FC6空间中展现出与相似的“轴编码”特性，即对沿首选轴方向排列的图像响应呈单调坡度状，对正交轴则响应平坦。
Fig.3e中V2神经元的响应强度随图像在其首选轴投影位置线性增加，而Fig.3f在正交轴上无系统性变化
Fig.4b,c中V2的响应最能由中间层（Conv4、Conv5）解释，但FC6特征在V2的方差表示量也最高。
意义：表明V2已具备抽象物体空间的能力，不再依赖局部低阶特征，是高级物体表征的神经实现。
V2的物体解码与重建能力最强，
超过前部区域（Fig.4）
主要结果：基于V2群体神经元活动可高精度解码 FC6特征并重建原始图像，重建误差最小，优于V1、TI-ITi、ITr等区。
Fig.4f展示了同一图像经V2、V1、TI-ITi重建的结果，V2重建最接近原图；Fig.4g定量显示V2的重建距离最小，甚至与全区联合重建持平。
意义：说明V2在表征完整性与精确性上已达IT级水平，树鼩的高阶表征集中在V2实现，支持“层级压缩”观点。
存在类别选择性细胞，尤其是面孔选择性（Fig.5）
主要结果：从V2起即可观察到强烈面孔选择性神经元，这些细胞在 FC6定义的物体空间中落在面孔簇区域；此外还发现选择尖锐、圆形、拟人形等不同类别的细胞。
Fig.5b中V2的首选轴分布遍布整个二维物体空间，而其他区局限于部分象限；Fig.5c–e展示面孔细胞的放电光栅图与面孔选择性t分数分布。
意义：说明V2不仅具备高阶表征，还能区分特定语义类别，且这些细胞并非因面孔的行为重要性而进化获得，而可能自发涌现于一般物体空间编码机制。
与猕猴对照显示层级压缩（Fig.6）
主要结果：在猕猴中，物体身份解码和图像重建性能从V2到ITpost再到ITant逐级增强；而在树鼩中，这些指标在V2即达到峰值，且树鼩V2的物体/面孔身份解码性能接近猕猴ITpost、显著高于猕猴V2。
Fig.6d、e中猕猴呈上升趋势，树鼩呈V2峰值；Fig.6g显示使用相同数量神经元的分类器，树鼩V2的面孔/物体身份识别率显著高于猕猴V2。
意义：强力支持树鼩腹侧通路存在功能性“压缩”，即在层级更浅的位置（V2）实现灵长类需多层才能完成的高级物体表征。
局限性与未来展望
作者在讨论中指出，尽管本研究系统揭示了树鼩腹侧视觉通路的层级结构及其“压缩”特性，但仍存在若干局限。首先，本研究主要依赖静态刺激和二维图像集来评估物体表征，而未对物体的多视角、深度和动态变化进行充分探索，因此尚不清楚树鼩V2是否能像灵长类IT一样实现对视角和尺度的高度不变性。其次，前颞叶区域（TP、TI-ITi、ITr）在本研究中显示出与V2类似的视觉调谐，但其可能承担多模态整合功能，这一假设尚未通过行为学和因果干预实验直接验证。再者，本研究采用的等前馈深度网络虽然能部分解释神经响应，但在对更前部区域的拟合能力较弱，提示可能需要更具表达力的计算模型（如包含局部递归的神经网络）来捕捉这些区域的动态特征。此外，本研究使用的刺激集主要面向灵长类物体识别研究，缺乏树鼩生态学相关的刺激，未来应引入更多符合其自然行为需求的物体和场景，以验证V2及前部区域的表征是否在更真实的情境下仍然足够充分。
面向未来，作者建议通过多种方向推进研究：（1）引入多视角、动态及深度变化刺激，结合行为任务，全面测量树鼩V2及其他区域是否具备真正的视角不变性和泛化能力；（2）利用因果干预（如光遗传或化学遗传学）验证V2是否足以支撑物体识别行为，探索其在整个视觉认知中的必要性；（3）结合功能性成像或多模态记录，揭示前颞叶区域与听觉、丘脑等跨模态输入的整合机制，明确其在多感官信息处理中的角色；（4）发展更符合生物真实的递归或动态计算模型，模拟V2局部回路可能实现的多层处理架构，从而缩小人工网络与生物视觉系统之间的差距。通过这些扩展性研究，可以更全面地阐明树鼩视觉系统如何以紧凑高效的方式实现复杂视觉功能，并进一步揭示不同脑体量物种在实现高层视觉加工时的多样性与共性。
Author information
第一作者：Frank F. Lanfranchi
California Institute of Technology — Tianqiao and Chrissy Chen Center for Systems Neuroscience, Division of Biology and Biological Engineering, Pasadena, CA, USA
加州理工学院 — 陈天桥与Chrissy陈系统神经科学中心，生物与生物工程系（美国加利福尼亚州帕萨迪纳）
通讯作者：Doris Y. Tsao
University of California, Berkeley — Department of Molecular and Cell Biology and the Helen Wills Neuroscience Institute, Berkeley, CA, USA
加州大学伯克利分校 — 分子与细胞生物学系、海伦·威尔斯神经科学研究所（美国加利福尼亚州伯克利）
Abstract
Our knowledge of the brain processes that govern vision is largely derived from studying primates, whose hierarchically organized visual system1 inspired the architecture of deep neural networks2. This raises questions about the universality of such hierarchical structures. Here we examined the large-scale functional organization for vision in one of the closest living relatives to primates, the tree shrew. We performed Neuropixels recordings3,4 across many cortical and thalamic areas spanning the tree shrew ventral visual system while presenting a large battery of visual stimuli in awake tree shrews. We found that receptive field size, response latency and selectivity for naturalistic textures, compared with spectrally matched noise5, all increased moving anteriorly along the tree shrew visual pathway, consistent with a primate-like hierarchical organization6,7. However, tree shrew area V2 already harboured a high-level representation of complex objects. First, V2 encoded a complete representation of a high-level object space8. Second, V2 activity supported the most accurate object decoding and reconstruction among all tree shrew visual areas. In fact, object decoding accuracy from tree shrew V2 was comparable to that in macaque posterior IT and substantially higher than that in macaque V2. Finally, starting in V2, we found strongly face-selective cells resembling those reported in macaque inferotemporal cortex9. Overall, these findings show how core computational principles of visual form processing found in primates are conserved, yet hierarchically compressed, in a small but highly visual mammal.
相关阅读
认知神经科学前沿文献推荐：
📚 NC |普林斯顿: 组合式认知地图模型解析灵活性与效率之争
大语言前沿文献推荐：
📚 Nat Mach Intell | 高级视觉表征为何与大语言模型“同频”？
精神类疾病前沿文献推荐：
本文解读基于：A compressed hierarchy for visual form processing in the tree shrew（Nature, 2025；开放获取，CC BY 4.0）作者单位：UC Berkeley & Caltech 等；接收时间：2025-07-21。文中包含树鼩与猕猴Neuropixels大规模对照实验及完整方法/拓展数据，建议研读原文图注与方法细节以获更全面理解。
分享人：GBQ
审核：PsyBrain 脑心前沿编辑部
PsyBrain 脑心前沿
带你了解心理学、脑科学的前沿知识与技术流程
预览时标签不可点
阅读原文
不喜欢
微信扫一扫
关注该公众号
知道了
微信扫一扫
使用小程序
取消 允许
取消 允许
取消 允许
× 分析
微信扫一扫可打开此内容，
使用完整服务