层级递归时序预测作为哺乳动物背侧视觉通路的模型

《PLOS Computational Biology》：Hierarchical recurrent temporal prediction as a model of the mammalian dorsal visual pathway

　　

摘要：神经科学的一个主要目标是确定能够解释大脑多样结构与功能的通用原理。时序预测（Temporal Prediction）原理认为，感觉脑被优化为表征能有效预测即时未来输入的刺激特征。先前研究表明，前馈层级时序预测模型可捕捉视觉通路神经元的调谐特性，而局部递归时序预测模型能解释初级视皮层（V1）内的功能连接。然而，视觉系统还以广泛脑区间反馈递归为特征，现有模型缺乏此成分。研究人员旨在通过将局部递归与脑区间反馈连接均纳入层级时序预测模型，以更好地解释视皮层神经元的动态特征。所得模型捕捉了背侧视觉通路的调谐特性（包括模式运动选择性与周围抑制）及脑区间连接对这些特性的贡献。此外，与若干备选规范模型相比，层级递归时序预测模型对这些调谐特性拟合最优，且最能解释神经元对自然刺激的反应。因此，时序预测可良好地解释视觉通路的信息处理。

论文解读：《Hierarchical recurrent temporal prediction as a model of the mammalian dorsal visual pathway》（发表于 PLOS Computational Biology）

一、研究背景与立题依据

经典视觉理论主张视觉系统由一系列层级加工阶段组成，逐步提取高层视觉特征。时序预测（Temporal Prediction）作为一种规范原理（Normative Principle），认为感觉脑被优化以表征可预测即时未来输入的刺激特征，可作为无监督学习原则解释感觉系统的表征形成。此前前馈层级时序预测模型可复现视觉通路神经元感受野（Receptive Field, RF）特性，局部递归时序预测模型可解释V₁内功能特异性连接，但已有模型均未纳入视觉系统中大量存在的高阶视皮层至低阶视皮层的长程反馈连接（Feedback Connectivity）。反馈连接被认为参与调节经典感受野外效应（如周围抑制/Surround Suppression）、维持工作记忆及在预测编码（Predictive Coding）框架中传递预测信号。因此，将脑区间反馈递归整合入层级时序预测规范模型，是解释视觉通路结构与功能的关键一步。本文即探讨含局部递归与脑区间反馈的层级递归时序预测模型能否更好解释背侧视觉通路（Dorsal Visual Pathway，对应V₁、V₂、MT区）的神经处理。

二、主要关键技术方法简述

研究人员构建了单隐层速率基递归神经网络（Rate-based Recurrent Neural Network, RNN），隐单元分为三等分组G₁（对应V₁）、G₂（对应V₂）、G₃（对应MT），组内允许局部递归连接，组间仅相邻组有前馈与反馈连接（G₁–G₂、G₂–G₃），G₁–G₃间无直接连接；每组20%抑制性单元遵守戴尔定律（Dale's Law）且仅具组内投射。网络以自然动态场景电影（20×40像素灰度剪辑，40帧/Clip）训练，损失函数为各组分别预测下帧输入（G₁预测下帧像素，G₂预测G₁未来隐态，G₃预测G₂未来隐态）的均方误差加权加L₁正则项（λ=10^?6，层级权重β=0.1），Adam反向传播优化。对照模型包括：严格前馈层级时序预测模型、层级递归自编码器（Autoencoder，预测当前而非未来低阶组活动）、未训练随机网络及ImageNet预训练VGG-19。神经元调谐特性测试采用正弦光栅（空间/时间频率、朝向）、Plaid斑纹刺激、变径漂移光栅（测周围抑制），Plaid Pattern Index按Fisher z变换偏相关计算；代表相似性用Representational Similarity Matrix（RSM）与小鼠视皮层（V₁、RL（rostrolateral）、LM（lateromedial））自然电影响应比对（数据源自Allen Brain Institute Neuropixels Visual Coding dataset）。反馈剔除（Ablation）通过置反馈权值为零实现。

三、研究结果

The hierarchical recurrent model improves temporal prediction performance（层级递归模型提升时序预测性能）

研究人员对比完整模型与单层递归、纯前馈、复制前帧基线在分布内/分布外下一帧预测及移动条形多帧自回归预测中的均方误差，完整模型误差最低（p<0.0001）；β=0.1时多帧预测最优。n-back MNIST数字保持实验显示，剔除反馈后隐态维持准确率从3-back起显著下降（z=6.54, p<0.0001），随机打乱反馈权亦使保持能力下降且与完全剔除无差异，说明训练所得结构化反馈增强网络记忆容量。

Hierarchical recurrent temporal prediction captures tuning properties across the visual hierarchy（层级递归时序预测捕捉视觉层级调谐特性）

G₁单元感受野呈Gabor样结构，G₂/G₃无明确空间结构；调制比（Modulation Ratio = F₁/F₀）分布G₁呈双峰类似猕猴V₁，G₂/G₃单峰递减趋复杂细胞样，符合猕猴V₂趋势。时空频率调谐：偏好空间频率G₂< />₁（与猕猴V₁>V₂/MT趋势部分一致但G₃回升呈U形），偏好时间频率随组递增（匹配猕猴V₁< />₂< />₁局部连接呈同向偏好短距连接及同轴长距连接，与小鼠V₁一致。

Model units mirror the visual system's hierarchy of 2D motion sensitivity（模型单元反映视觉系统二维运动敏感性层级）

Plaid Pattern Index随组递增（G₁偏组分选择性，G₃偏整体模式选择性），与猕猴V₁/V₂/MT数据无显著差异（p>0.153）。剔除反馈使G₁平均Plaid Pattern Index显著降低（t=5.33, p<0.0001），单个单元可由模式选择性转为组分选择性，而基本光栅方向调谐偏移仅约6.6°，说明反馈特异地支持模式运动表征。

Model units recapitulate feedback-dependent surround suppression（模型单元重现依赖反馈的周围抑制）

随刺激孔径增大，G₁单元反应先升后降（周围抑制）；剔除反馈使最大孔径反应抑制减弱（全模型比无反馈低24.8%，p<0.0001），抑制指数（Suppression Index）中位数由51.6降至19.8（p<0.0001），趋势与小鼠/猕猴V₁反馈阻断实验相符。剔除反馈后经典感受野尺寸显著增大（p<0.0001），经典感受野内响应降低（p<0.0001）。

The hierarchical recurrent temporal prediction model matches cortical stimulus representations better than other models（层级递归时序预测模型较其他模型更匹配皮层刺激表征）

Kolmogorov-Smirnov距离显示完整模型调制比、Plaid Index、周围抑制指数分布最接近生理数据；前馈模型无周围抑制且Plaid选择性弱，自编码器周围抑制过强且调制比偏斜。Representational Similarity与小鼠V₁、RL、LM区比较：完整模型高于前馈（p<0.023）与自编码器（p<0.011），未训练网络相似度更低；与VGG-19比，RL区时序预测模型显著更优（p=0.694不显著即VGG-19在此区不占优，原文表述为时序预测模型在背侧RL区表现优于VGG-19），V₁与LM区两者无显著差异——符合背侧流对运动的时序敏感特性。

模型变体分析：每组建800单元时KS距最小；去除时间连续性（帧乱序）使Gabor RF消失；预测时移从0 ms（自编码）增至42 ms（未来帧）时生物相似性递增；含Dale's Law模型RF与调谐特性更接近生理。

四、讨论与结论翻译

讨论指出该层级递归时序预测模型为规范抽象模型，纳入Dale's Law与局部/反馈递归，较纯前馈或自编码目标更贴合背侧视觉通路神经元特性及种群表征几何。单元为速率基点神经元，不含分隔区与尖峰，用反向传播训练（学习规则本身与模型原理解耦），可用更生物学可行算法扩展。未来可加入更多生物细节、检验频域特性、对比预测编码（Predictive Coding）类模型。与对比模型比，前馈缺递归致周围抑制与Plaid选择性弱，自编码器虽同构但目标函数不同导致拟合差，证实时序预测目标与层级递归架构均为产生类脑特性的关键。

结论（翻译）： 经优化用于时序预测的层级递归网络可复现哺乳动物视皮层多区域神经元反应特性与功能组织。这些发现进一步支持时序预测可解释感觉层级信息处理，且脑区间反馈连接可能同样为支持脑内时序预测而组织。

（全文完）