小鼠初级视觉皮层感受野中的功能性二分不变性

大脑如何在视觉杂波中看清事物

在人群中找到朋友或在繁茂树枝间发现一只鸟看起来毫不费力，但这需要一种了不起的能力：我们的脑必须在光线、距离和背景不断变化时，仍能识别重要目标。本文探讨小鼠大脑中微小电路如何实现这种灵活视角。作者发现了一种意想不到的方式——个别神经元将其“视野”分割为两部分，以便在保持对物体边界敏感的同时忽略干扰细节。

用智能计算机探测视觉大脑

研究聚焦于初级视觉皮层，这是处理来自眼睛图像的第一个区域。研究者没有展示像条纹那样的简单图案，而是在清醒的小鼠面前展示了数千张丰富的自然照片，同时记录了数万名神经元的活动。接着他们训练了一个深度学习模型来预测每个神经元对任意新图像的反应。该模型成为真实脑组织的“数字孪生”：一个快速且灵活的替代体，可以用成千上万张合成图像进行探测，而这些图像在动物身上直接测试是不切实际的。

许多不同的图片，同一神经元的强烈激发

利用数字孪生，团队为每个神经元生成了一张最能激发它的图像（其偏好图片），然后生成一组“多样化激发输入”。这些是20张彼此看起来尽可能不同但都强烈激活同一神经元的图像。当他们将这些特殊图像再次呈现给小鼠时，真实神经元的点亮程度几乎与模型预测一致，证实合成方法发现了大脑的真实特性。这些图像的模式总结了每个神经元关心的内容以及在不丧失响应的情况下图像可以容忍哪些变化。

单个神经元内的惊人分裂视图

许多神经元表现出预期的行为，对简单边缘或可位移但不改变响应的纹理敏感。然而，有一大群神经元展示出作者称之为“二分不变性”的新型行为。对于这些神经元来说，它们监测的视野补丁实际上分裂为两个不重叠的区。在一个区内，神经元要求特定的、固定的图案；在另一个区内，只要出现某种偏好的细粒度纹理（即便该纹理被位移），它就能稳健地响应。这种组合——刚性的图案与灵活的纹理探测器并存——无法用经典的早期视觉细胞模型解释，表明这些神经元特别调谐于不同表面细节之间的过渡。

在嘈杂世界中检测物体边缘

研究者接着询问这种分裂结构在真实场景中可能有何用处。他们扫描了超过一百万张带标签的鸟类照片，寻找那些能强烈激活每个神经元的自然裁切图。这些高效裁切图往往包含鸟与背景之间的边缘。此外，神经元感受野中对可变输入容忍的一侧通常偏好高空间细节——细小羽毛、树皮或碎石——而固定的一侧偏好更平滑、低频的模式。当团队用简单的光栅重建鸟图时，发现这些神经元强烈偏好两侧在纹理锐利度上存在差异的边界，有时还伴有方向差异。换言之，这些细胞似乎被连接为能标记视觉世界从粗糙到细致结构突然变化的位置，这是将物体与背景分离的强有力线索。

将电路连线与灵活视觉联系起来

为将这种计算与物理连线联系起来，作者转向一个庞大的“功能连接组学”数据集，其中成千上万只小鼠视觉神经元的反应和突触连接都已被映射。在那里应用他们的数字孪生方法后，他们发现接收输入的神经元（突触后细胞）通常表现出更大的不变性——对多样化激发输入的更高容忍度——相比于馈送它们的神经元。与此同时，具有较低不变性的神经元往往形成更多连接。这一模式支持了一个长期存在的观点：更复杂、更具容忍性的响应是通过汇聚许多更简单输入构建而成，但这里该层次结构是在单一皮层层内而非仅仅在脑区之间得到证明。

此项发现对大脑与机器有何意义

总体而言，这些发现揭示了小鼠视觉皮层中的一种新的组织原则：许多神经元将它们的视野划分为一个稳定区域和一个对纹理灵活的区域，使它们天然成为由细节差异塑造的边界探测器。这种二分结构在多种方法中表现稳健，并且与现实世界的物体边缘高度一致，为大脑如何对杂乱场景进行分割提供了具体的电路层面机制。除了基础神经科学外，这项工作还为人工视觉系统提供了设计思路——引入类似的分裂视野单元，可能使计算机视觉在面对背景变化时更为稳健，同时保持对物体轮廓的敏锐识别。

引用: Ding, Z., Tran, D., Ponder, K. et al. Functional bipartite invariance in mouse primary visual cortex receptive fields. Nat Neurosci 29, 851–863 (2026). https://doi.org/10.1038/s41593-026-02213-3

关键词: 视觉皮层, 纹理分割, 神经不变性, 物体边界, 计算神经科学