← 返回文献列表

IT Literature Intelligence 终审版本 (VERIFIED) 论文编号: 012 | 原始基线: V0_ZCODE_BASELINE | 语义审核: pass | 图表审核: pass

Convergence of depth from texture and depth from disparity in macaque inferior temporal cortex

Liu · The Journal of Neuroscience: the Official Journal of the Society for Neuroscience · 2004 · Zotero itemID=175

一句话定位：这篇猕猴单细胞记录研究证明，腹侧视觉通路的下颞叶皮层（inferior temporal cortex, IT）神经元不仅编码双眼视差（binocular disparity）定义的深度，也编码纹理梯度（texture gradient）这一单眼线索定义的平面三维朝向；且同一神经元对两种线索的倾斜偏好高度一致，甚至跨纹理类型、跨倾角保持不变。它把"深度归背侧通路、形状归腹侧通路"的简单分工撕开了一个口子，是把"线索不变性"表征从二维形状推广到三维形状的关键单细胞证据。

研究背景

灵长类视觉系统要从二维视网膜像重建物体的三维结构，依赖双眼视差、纹理梯度、阴影等多种线索。到本文发表时，一系列猕猴单细胞工作已表明，对视差梯度的调谐同时存在于背侧视觉通路（dorsal stream）与腹侧视觉通路（ventral stream）：Orban 实验室此前的系列研究（Janssen 等，1999–2001）发现 IT 上颞沟（superior temporal sulcus, STS）下岸前部（TEs）的神经元对视差定义的曲率和深度梯度有选择性，因此作者提出这些神经元编码物体的深度结构。纹理梯度作为 Gibson 1950 年就强调的经典单眼深度线索，其神经编码当时才刚起步：Tsutsui 等（2002）证明背侧顶叶区 CIP 的神经元对纹理定义的三维表面朝向调谐，且其中一部分对视差和纹理两种线索都有选择性，提示两种深度线索在背侧通路已经实现单细胞水平的汇聚。

缺口在腹侧通路。IT 神经元早已被证明对纹理本身有选择性（Tanaka 等，1991；Komatsu & Ideura，1993），但这种纹理敏感性究竟服务于三维形状编码，还是只反映对二维纹理图案（比如材质）的反应，完全未知——问题在于三维表面朝向的刺激特征必然与二维纹理元素的变化共变，仅凭神经元对纹理梯度有反应并不能区分这两种解释。此外，IT 的视差三维研究此前都用曲面刺激，而 CIP 用的是平面，两边的结果也没法直接比较。

研究思路

作者的核心逻辑是一条"相关判据"：视差调谐已经被证明是真实的深度调谐（这可以单眼对照来验证），那么若 IT 神经元对纹理梯度的反应只是二维纹理驱动，则同一神经元对纹理定义倾斜（tilt，即表面朝向在额平行面内的旋转角）的偏好应与其对视差定义倾斜的偏好无关；反之，若两套偏好高度一致，就说明神经元在编码抽象的三维表面朝向，而非表面的二维投影特征。据此，实验在同一批神经元上交叉测量两种线索的倾斜调谐，再检验这种调谐对纹理类型、倾角（slant，表面偏离额平行面的角度）和单眼/双眼呈现方式是否不变——不变性越强，抽象三维表征的结论越硬。为了与 CIP 的平面表面结果可比，本研究特意改用平面而非此前的曲面刺激。

方法

两名恒河猴（M1 记录 79 个、M2 记录 36 个，共 115 个有反应神经元），标准胞外单细胞记录，部位为 STS 下岸前部（TEs），定位依据记录中的灰白质过渡以及带引导管的 MRI/CT 扫描。动物执行注视任务：稳定注视 1000 ms 后呈现刺激 600 ms，全程保持注视即获苹果汁奖励；注视窗 M1 为 1.8°、M2 为 3°。刺激约 7° 大小、中央凹呈现、视距 86 cm；视差图通过双套铁电液晶快门（60 Hz）双目分视呈现。平面纹理为点纹理、线纹理、点线组合、方块 texel 四种的透视投影，主测试中取四种倾斜（90° 步进）、slant 45°；随机点立体图（random dot stereogram）密度 50%，视差范围 0.80°，以零视差为中心；表面轮廓共六种简单形状，正式测试用偏好轮廓。分析取刺激呈现后 80 ms 起的 400 ms 为反应窗，减去刺激前 400 ms 基线；用以 tilt 为因素的 ANOVA 判定反应与倾斜选择性；首选倾斜由四个倾斜反应向量求和的方向定义，选择强度用选择性指数（selectivity index, SI，向量和的归一化长度，0–1）和倾斜调制指数（tilt modulation index, TMI，(最佳−最差)/最佳）度量。

主要结果

  1. IT 神经元对两种深度线索普遍有反应、对倾斜普遍有选择性（图 2，表 1）：115 个神经元中 105 个（91%）对点纹理梯度显著反应，95 个（83%）对视差梯度显著反应；点纹理的平均最佳反应（21.1 spikes/s）高于随机点立体图（16.5 spikes/s，Wilcoxon p=0.0002）。倾斜选择性比例分别为 70%（74/105）与 68%（65/95），两线索的选择强度相近（SI 分别为 0.30 与 0.33）。单眼呈现立体图时仅 5 个神经元仍有倾斜效应，说明视差调谐是真实的深度调谐。
  2. 两线索在同一神经元上汇聚（图 2、图 3A–C）：改为：86/115（75%）对两种线索均有反应，其中 77 个（90%）对至少一种线索有倾斜选择性，这 77 个中 41 个（53%）对两线索均有显著选择性。这 41 个神经元的两套首选倾斜高度相关（r=0.81，p<0.005），偏好差分布显著偏离均匀（χ²=36.1，p<0.00001）：半数差异不超过 40°，超过 90° 的仅 15%。
  3. 两线索调谐的时间过程几乎重合（图 4）：对 41 个双线索神经元做群体平均，纹理条件的整体反应强于视差条件，但两线索的倾斜选择性（最佳减最差）随时间演变的形状相似，即选择性在同一潜伏期尺度上出现。
  4. 倾斜偏好对纹理类型不变（图 3D、图 5，表 2、表 3）：62 个神经元测试了四种纹理类型，82%（51/62）的反应受纹理类型显著调制（作者后来解释为材质属性编码），52 个对全部四种纹理均有显著反应，其中仅 19 个（36%）对四种纹理都显著倾斜选择；但这 19 个神经元在六种纹理配对下的首选倾斜相关达 0.87–0.91，即使只对某一对纹理选择性的神经元，相关也不低于 0.80（表 3）。
  5. 倾斜偏好对 slant 与呈现方式大体不变，且单眼更强（图 5）：41 个神经元在 slant 30/45/60° 下测试，34% 有 slant 主效应、78% 有 tilt 效应，有 slant 调谐者多偏好最大 slant（60°），但补充：34% 神经元有 tilt×slant 交互（多因某一 slant 下选择性消失），slant 不变性在群体偏好层面成立但非逐细胞严格成立。补充样本归属：41 个神经元中 28 个（68%）有倾斜选择性，这些神经元的单双眼首选倾斜相关 r=0.88（n=28）；SI 比较基于 40 个双眼单眼均有反应的神经元，且单眼呈现的选择性反而更高（SI 0.32±0.17 对 0.26±0.14，p=0.02）——这与双眼呈现存在"纹理说倾斜、视差说平坦"的线索冲突相符。

图注解读

图 1 · 深度线索刺激的设计总览

原文图注：Figure 1. Stimuli. Top, Two examples of a pair of random dot patterns that, when presented dichoptically, produce disparity gradients of the indicated tilts (top row) and illustrations of the texture gradients of four different tilts (columns; tilt indicated on top) of each texture type (bottom rows). The apparent contour is a square. Bottom, Dot texture pattern projected at four different tilts (columns) and three different slants (rows) with a circular contour.

这张图交代了全部刺激空间：上半部左列是两张随机点图，双目分视融合后产生指定倾斜的视差梯度；其余列给出四种纹理类型在四个倾斜（0/90/180/270°）下的纹理梯度，轮廓均为正方形；下半部是圆形轮廓的点纹理在四个倾斜 × 三个 slant 上的投影，对应后文的 slant 对照实验。读图时抓住三个自由度——线索（视差/纹理）、倾斜（列）、纹理类型与 slant（行）——后面所有结果都建立在这个设计之上。

Figure 1

图 2 · 单个 IT 神经元对两种线索的倾斜调谐示例

原文图注：Figure 2. Responses of a single inferior temporal neuron to binocular presentations of the dot textures (top row) and stereo stimuli (second row) portraying four tilts (columns). The two bottom rows show responses to monocular presentations of the left (MonoL) and right (MonoR) eye stereo images. The onset and offset of the stimulus (600 msec duration) is indicated by the vertical bars.

图上是单个神经元的刺激后直方图：行是条件（双眼点纹理、双目立体图、左/右眼单眼立体图），列是四个倾斜。该神经元在两种线索下都在特定倾斜上放电更强，且两线索的首选倾斜一致；关键的是底下两行——单眼看立体图时倾斜选择性消失，说明双眼条件下的调谐来自真实视差而非随机点图案本身的差异。这张图同时支撑结果 1（普遍有反应、有选择性）和结果 2（同一神经元两线索汇聚），也演示了验证视差调谐真伪的单眼对照。

Figure 2

图 3 · 群体水平：两线索首选倾斜高度一致

原文图注：Figure 3. The tuning of inferior temporal neurons to tilt portrayed by different textures and disparity gradients is compared. A, Correlation of the preferred tilt for the dot texture and disparity gradients for those neurons selective for both cues. B, Absolute difference in preferred tilt for the dot texture and disparity gradients for the same neurons in A. C, Population tuning; polar plot of the mean response of the neurons selective for both cues. The preferred tilt in the stereo condition of each neuron was aligned with 90°. ……（后略：D 为对四种纹理类型均有选择性的神经元的群体调谐极坐标图，以点纹理的首选倾斜对齐 90°。）

A 是核心证据的散点图：41 个双线索神经元的纹理偏好倾斜对视差偏好倾斜作图，点紧贴对角线（r=0.81）。B 是两者偏好差绝对值的分布，集中在 0° 附近而非均匀铺开。C 是把每个神经元按视差首选倾斜对齐到 90° 后的平均调谐极坐标图，两条曲线（纹理与视差）几乎重合，而左、右眼单眼对照（MonoL/MonoR）平坦无调谐。这张图支撑结果 2，是"IT 编码纹理定义的深度"这一结论的直接群体证据。

Figure 3

图 4 · 两线索倾斜选择性的时间过程

原文图注：Figure 4. Population analysis of time courses of responses to the disparity- and dot texture-defined surfaces for 41 neurons tilt selective for both depth cues. A, Population response histograms for the best, preferred, texture-defined (P texture), and disparity-defined tilt (P stereo) and for the worst, nonpreferred, texture-defined (NP texture), and disparity-defined tilt (NP stereo). Before averaging, the maximum of four peristimulus time histograms was normalized to 100% for each neuron (bin width, 20 msec). The black bar indicates stimulus presentation. B, Differences between the population responses to the best and worst tilt in the texture (DIFT) and disparity (DIFD) conditions. Same neurons and conventions as in A.

横轴是相对刺激呈现的时间（bin 宽 20 ms，黑条为 600 ms 刺激期），纵轴是归一化到 100% 的群体放电。A 中四条曲线分别是两线索各自的最佳/最差倾斜反应：纹理曲线整体高于视差曲线，但形状相近；B 把每条曲线换成最佳减最差，两条差值曲线（DIFT、DIFD）的时间过程几乎一致，说明两线索的倾斜选择性在相似的潜伏期出现、以相似的节奏建立。这张图支撑结果 3，暗示两线索在 IT 内可能经过相似的加工时程。

Figure 4

图 5 · 同一神经元对纹理类型与 slant 的不变性示例

原文图注：Figure 5. Responses of a single inferior temporal neuron to binocular presentations of the texture gradient and disparity gradients portraying four tilts (columns). The top panel shows the response of the neuron to stereo images and four different texture types. The bottom panel shows the responses of the same neuron to dot textures portrayed with four different tilts and three slants. Conventions are the same as Figure 2.

上板是同一神经元对立体图和四种纹理类型（各四个倾斜）的反应：虽然整体放电强度随纹理类型起伏，但倾斜调谐的形状基本不变——最优倾斜在不同纹理下保持一致。下板是点纹理在四个倾斜 × 三个 slant 上的反应：倾斜调谐跨 slant 保持，slant 只影响放电量。这张图支撑结果 4 和 5 的"不变性"主张，直观展示倾斜偏好与纹理类型、slant 的分离。

Figure 5

讨论

作者把结果解读为：TEs 区域存在一群对纹理梯度三维朝向选择性的神经元，与对视差梯度选择性的神经元部分重叠；两套偏好高度相关是"IT 编码纹理定义深度"最有力的证明，也为功能成像中纹理定义三维形状激活 IT 的报告（Sereno 等，2002）提供了单细胞层面的解释。倾斜偏好跨线索、跨纹理类型不变，说明部分神经元携带相当抽象的倾斜乃至三维形状表征——作者称之为二维形状线索不变性（Sáry 等 1993；Tanaka 等 2001）在三维上的对应物。同时，反应受纹理类型调制这一点被解释为材质属性的编码，与三维编码可分离，类似形状与颜色的分离编码。约半数神经元只对一种线索有选择性，作者认为这与二维形状线索不变性研究中相当比例的单线索神经元（Vogels & Orban 1996 的 45%；Tanaka 等 2001 的 56%）一致。局限方面作者承认：实验策略本身要求神经元有视差选择性，因此无法回答纹理三维选择性是否仅限于 TEs；slant 范围受限（30° 跨度）；跨研究比较 CIP、MT 的调谐强度需谨慎；V4 是否汇聚多线索、三维线索不变性是在 IT 内产生还是继承自上游，均未可知。功能分工上，作者提出 CIP 可能编码表面深度结构，再分别流向 AIP 支持抓取、流向 IT 支持识别，或 IT 的深度信息来自腹侧输入（如 V4）。

一句话总结

（我的理解）这篇文章用"同一神经元上两种线索偏好相关"这一干净设计，把 IT 的纹理敏感性从"可能只是二维材质反应"推进到"编码三维表面朝向"，并且这种编码表现出跨线索、跨纹理类型、跨 slant 的不变性。但一半神经元仍只对单一线索有选择性，我倾向认为"抽象三维表征"在此处更像群体层面逐渐涌现的性质，而非每个细胞普遍具备的特征——不变性是个程度问题，不是全或无。

审校与证据追溯 (Verification & Evidence)

图表审计结果

关键事实与局限性声明