将大脑的四个网络调整到物体空间的四个象限，分别对应脸、身体、尖锐物体和短粗物体。深网也能找到同样的物体空间。
物体空间前两个主成分生成的物体图示意图。
最近，加州理工学院的研究人员在《自然》杂志上发表了一篇论文，称他们利用机器学习和神经科学的工具，发现大脑会利用数学系统，根据视觉对象的主要成分来组织视觉对象。这表明大脑中有一个代表不同物体的二维细胞图。每个单元的位置由其优选对象的主成分(或特征)决定。
“我们一直想了解灵长类动物大脑颞叶中处理人脸信息的‘人脸模块网络’是如何工作的。这项新的研究表明，面部模块网络和许多相似的节点一起形成有序的对象空间映射。换句话说，面部模块只是拼图的一部分，我们现在可以看到整个拼图是如何形成的。”研究负责人、生物学教授孙草充满激情地说。
大脑的颞下皮层是识别物体的重要中心。信息技术皮层的不同区域被编码以识别不同的物体。虽然科学家之前已经发现并深入研究了一些区域，但在IT皮层中仍有一些区域的脑细胞功能尚不清楚。
为了探索这些未知的信息技术皮层区域，曹实验室博士后学者保以非人灵长类动物为模型，刺激大脑皮层中不属于任何模块的区域，然后用功能磁共振成像(fMRI)测量其他信息技术区域对刺激的反应。最后，我们发现了一个新的网络：刺激驱动的IT皮层三大区域，并将其命名为“无人区网络”。
为了确定新网络会对什么样的物体做出反应，鲍教授向实验动物展示了数千个不同物体的图片，并测量了新网络中神经元的活动。研究发现，这些区域的神经元对有尖锐突起的物体反应强烈，如蜘蛛、直升机和椅子。
随后，鲍使用了一个名为Deep Network的机器学习程序，从数学上描述了这些对象的相似性。图片传入深度网络后，鲍检查了深度网络八个不同层次单元的激活情况，并利用主成分分析确定了驱动网络各层次活动变化的基本参数。在一层中，包发现其中一个主要成分会被尖锐物体强烈激活。这与鲍早期大脑“无人区网络”中记录的细胞对物体的偏好完全一致。
如何解释这种巧合？研究人员认为，信息技术皮层实际上可能被组织成一张物体空间的地图，其X轴和Y轴由深度网络计算的前两个主成分决定。在该模型中，人脸、身体和无人区网络的首选对象都整齐地落在由深度网络计算的对象空间的不同象限中，然后该模型成功地预测了用于识别短而厚的对象的未知大脑区域的存在。
此外，鲍还发现，大脑前部区域的细胞对不同角度的物体有反应，而后部区域的细胞只对特定角度的物体有反应。这表明颞叶包含多个对象空间图副本，每个副本都比前一个更抽象。最后，研究人员通过解码灵长类动物看到物体时大脑四个网络中的信号，成功重建了它们看到的图像，这证实了细胞二维图的完整性。
“我们现在知道哪些特征对物体识别很重要。在生物视觉系统和深度网络中观察到的重要特征之间的相似性表明，这两个系统在对象识别中可能具有相似的计算机制。这是深度网络第一次正确预测了大脑的未知特征。我们即将有一个关于灵长类大脑如何识别物体的答案。”包说。
汇编：ssdsb审核：独编：jqdnm/p期刊来源：《自然》
日记帐编号：0028-0836
原链接：https://xpress.com/news/2020-06-mathematical-brain-visual.html医疗
中文内容仅供参考，所有内容以英文原版为准。转载请注明出处。