猕猴区MSTd动态感觉线索重加权的神经关联( Neural correlates of dynamic sensory cue re-weighting in macaque area MSTd )

A Dora

心理物理学的研究表明，人类观察者通过整合各种方式的感觉信息来提高知觉的敏感度。这些研究往往将多感知线索集成问题描述为概率推理（即贝叶斯推理）中的一个问题。在这个框架中，一个有效的假设是，大脑代表并组合了对刺激的概率分布，从而在做出知觉决策时考虑到感官信息中固有的不确定性。这种最佳线索整合模型的一个关键预测是，受试者将在逐个试验的基础上根据线索的相对可靠性（不确定性）重新加权，事实上，这已经在几个范式中显示出来。然而，在多感觉整合过程中进行概率计算的直接神经生理学证据很少，而且还不清楚神经元群体是如何根据线索的可靠性完成快速的重新加权的。为了解决这个问题，我们训练恒河猴进行自我运动（航向）方向的2AFC精细辨别。猴子坐在面向背投屏幕的运动平台上，在每次试验中，都有一个由物理运动（“前庭”条件）、模拟观察者运动的光流（“视觉”条件）或两种线索的结合（“组合”条件）定义的航向轨迹。通过改变光流模式的运动相干性，线索可靠性在不同的试验中随机变化。与以前的研究一样，我们通过测量单线索条件下的表现来产生对线索权重的最佳预测，然后通过在一个试验子集上放置冲突线索来检验这些预测。我们的行为研究结果表明，猴子和人类一样，可以根据线索的可靠性动态地调整它们的权重。在这项任务中，我们记录了MSTd区单个神经元的活动，该区域被认为有助于多感觉整合以获得航向知觉。使用ROC分析，我们量化了一个理想的观察者的行为，与动物执行同样的任务，但只使用单个神经元的放电速率。在我们的样本中，大多数MSTd神经元表现出接近最佳的线索重新加权，随着可靠性的变化，类似于猴子的行为。我们还构造了一个译码模型，在该模型中，一个模拟观测器根据MSTd种群活动来执行识别任务。在一个给定的模拟试验中，群体反应(R)是通过提取单个神经元对特定刺激(s)的反应来产生的。根据样本中神经元的反应和已知的调谐曲线，该模型计算出每个可能值的似然P(Rs)，然后在每次试验中以最大似然估计作为选择。即使在相对较少的神经元(N=28)的基础上，模拟观察者也显示出与动物行为非常相似的线索重权。与单个神经元的结果一起，这表明MSTd活动在逐个试验的基础上隐含地编码线索可靠性，从而有助于行为观察到的重权重。更广泛地说，我们的结果支持了这样一个假设，即感觉群体编码用于中介概率推理的分布，并且最佳线索集成不需要明确的可靠性信号。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate frontiersin.org