「前言」
這周看的內容會比較散一些，主要大腦視覺皮層系統中的信息表徵，有探討無意識內容，也有探討知覺學習，探討時間不確定信息對大腦預測的影響，等等。無論是從人的角度還是從動物的角度，無論是做行為實驗還是腦成像實驗，無論是採用準確率還是模型擬合，都是在嘗試在自己已獲得的背景下去探索可能的解釋。
「導讀」
261.使用深度卷積神經網絡模擬無意識內容在視覺皮層的信息表徵
262.新皮層中對意外事件的信息加工促進了學習
263.時間不確定性會增強對預測性視覺刺激的抑制
264.從皮層和丘腦皮層之間的交互信息來解釋大腦的意識內容
265.深度卷積神經網絡可以有效預測大腦病變和深灰質結構的分割
266.分散和連續的動作反饋對視覺和神經加工過程具有不同的影響
「詳情」
261）informative neural representations of unseen objects during higher-order processing in human brains and deep artificail network
Authors: Ning Mei, Roberto Santana, David Soto
Journal: bioRxiv (2021)
【背景】在過去的十幾年中，儘管視覺意識的神經科學取得了很大發展，但我們仍然對無意識加工和它如何與意識體驗相關聯缺乏了解。前人研究在視覺皮層中發現了無意識內容的腦信號，但它們並沒有被可靠的方法識別出來，試驗的次數少以及信號檢測論的限制使其不能果斷拋棄意識知覺。更重要的是，在什麼程度上無意識的內容沿著腹側視覺通路的高級加工階段進行表徵以及如何與前額葉的腦區相關聯尚不清楚。
【方法】被試內設計，高精度的，高採樣的fMRI方法
【結果】無意識的內容，甚至是那些與無敏感度相關的內容，都可以從多體素模式中被有效地解碼出來，這些多體素模式主要分布在腹側視覺通路以及一些前額葉基底腦區。尤其是，這些腦區的神經表徵在意識和無意識視覺加工狀態中普遍存在，這反駁了之前關於額頂葉基底支持意識內容表徵的研究結果，並對意識模型（如神經元的全局工作區）具有修正意義。然後，我們提供了一個計算模型以模擬在缺乏知覺敏感性時的視覺信息加工/表徵，通過使用訓練好的前饋卷積神經網絡來執行與人類被試一個相似的視覺任務。
【結論】本研究提供了一個新的框架，它可以指出無意識知識在不同的任務領域中的神經表徵。
圖1 一個實驗中的系列任務
圖2 訓練好的前饋卷積神經網絡模型
262）learning from unexpected events in the neocortical microcircuit
Authors: Colleen J. Gillon, Jason E. Pina, J ́eroˆme A. Lecoq, Ruweida Ahmed, Yazan Billeh, Shiella Caldejon, Peter Groblewski, Tim M. Henley, India Kato, Eric Lee, Jennifer Luviano, Kyla Mace, Chelsea Nayan, Thuyanh Nguyen, Kat North, Jed Perkins, Sam Seid, Matthew Valley, Ali Williford, Yoshua Bengio, Timothy P. Lillicrap, Blake A. Richards, and Joel Zylberberg
Journal: bioRxiv (2021)
【背景】科學家一直在猜測新皮層能使用一個預測性的層級方式學會環境信息的結構。為此，通過比較自上而下和自下而上的數據信息，可以將預期的、可預測的特徵與不可預期的區分開來。理論上說，新皮層會根據對預期和意外事件的響應差異來改變對即將出現的刺激的表徵。在皮層響應中可以觀察到這些差異，但是對於這些意外事件的信號是否影響了大腦刺激表徵的後續變化從而影響學習尚不可知。
【方法】雙光子鈣成像的行為小鼠，觀察其在喚醒狀態下的初級視覺皮層的2/3層和5層的椎體神經元。
【結果】意外事件的信號可預測對幾天內被追蹤的單個神經元和遠端尖根樹突對預期和意外刺激反應的後續變化。在2/3層和5層的許多神經元對預期的和意外事件的神經響應都具有很大差異。這些意外事件的信號也決定了在隨後的幾天中神經響應是如何演變的，其方式在胞體和遠端根尖樹突之間有所差異。鑑於這兩個區域分別傾向於接收自下而上和自上而下的信息，這些差異或許對於皮層的層級計算具有重要意義。
【結論】這些結論提供了新的實驗證據，即實際上新皮層實例化了一種預測性層級模型，其中意外事件驅動了學習。
圖1 通過多層雙光子鈣成像觀察到的神經元對意外事件的響應
263）temporal uncertainty enhances suppression of neural responses to predictable visual stimuli
Authors:Sanjeev Nara, Mikel Lizarazu, Craig G Richter, Diana C Dima, Radoslaw M Cichy, Mathieu Bourguignon, Nicola Molinaro
Journal: bioRxiv (2020)
【背景】預測加工被認為是一種基本的認知機制，以說明大腦是如何通過它的感覺系統與外部環境信息交互。在視覺中，背景信息觸發了對環境刺激的內容（「what」）的預測，以更新周圍世界的內容模型。然而，視覺信息隨著時間而動態變化，和時間預測性（「when」）或許會影響視覺加工內部預測的影響。
【方法】MEG，研究特定信息的特徵（「what」）是如何被時間可預測性（「when」）影響。
【結果】與前人的研究保持一致，我們發現視覺皮層對預測刺激誘發了神經元響應抑制。有趣的是，我們發現，時間不確定性增加了預期抑制。這表明在時間不確定性的場景中神經認知系統在整合自下而上的信息方面投入的資源較少。多變量模式分析發現，可預測的視覺特徵可以 從神經元響應中解碼出來。時間不確定性並不會影響早期視覺皮層響應的解碼準確率，早期視覺神經活動的特徵特異性在各種條件下都得以保留。然而，與等時可預測的視覺刺激相比，時間jittered的刺激中解碼準確率的穩定性較差。
【結論】認知系統非常細緻地加工時間可預測性的刺激的視覺特徵，而對時間不確定性的刺激的加工或許更多依賴於抽象的內部預期。
圖1 實驗設計
圖2 when和what+when條件下的感覺水平ERFs （文中還有其他各種條件下的比較）
264）（review）dendritic integration theory —— a thalamocortical theory of state and content of consciousness
Authors:Talis Bachmann, Mototaka Suzuki, Jaan Aru
Journal: Philosophy and the mind sciences (2020)
【背景】一直有理論認為丘腦皮層系統是意識的神經生物機制的重要組成部分。然而在過去的幾十年中，意識研究在很大程度上都忽視了皮層和丘腦之間的交互作用。
【方法】我們在此通過提出和討論幾個最近有關丘腦皮層在意識中的交互作用的重要發現，來整合出一個意識神經生物學的綜合觀點。
【結果】最近的研究證明，存在一個特定的細胞機制，即丘腦核如何在單個皮層錐體神經元中調節不同加工通路的信息整合。我們描述了「樹突整合理論」，它主要受到了最近在齧齒動物上所做的研究結果的啟發，但整合了對不同物種所做的幾十年的研究。我們說明了這種新的觀點如何很輕易地解釋了與意識體驗相關的各種屬性和實驗現象。我們也討論了這種觀點的影響以及為了驗證其合理性需要做一些實驗測試。
【結論】我們的理論連接了意識的神經機制的兩個長期存在的不同觀點，並且提出皮層和丘腦皮層信息加工是在單個皮層錐體細胞水平上進行整合。
圖1 根據早期有影響力的觀點，丘腦核有兩種普通類型，它們對皮層的投射模式有所不同
圖2 皮層的第五層錐體神經元在皮質皮層（corticocortical）和丘腦皮層循環中都發揮很重要的作用
265）Simultaneous lesion and brain segmentation in multiple sclerosis using deep neural networks
Authors:Richard McKinley, Rik Wepfer, Fabian Aschwanden, Lorenz Grunder, Raphaela Muri, Christian Rummel, Rajeev Verma, Christian Weisstanner, Mauricio Reyes, Anke Salmen, Andrew Chan, Franca Wagner & Roland Wiest
Journal: Philosophy and the mind sciences (2020)
【背景】白質病變和深灰質結構的分割在多發性硬化症的磁共振成像分析中是一個很重要的任務。
【方法】基於深度卷積神經網絡(CNN)探討分割方案，以提供快速且可靠的多模態MRI腦損傷和灰質結構的分割，以及將這些方法應用於偏中心數據時的表現。使用2016MSSEG訓練集數據訓練了兩種最先進的全卷積CNN框架，它是由七個獨立的評分者進行評估：一個 3D Unet的參考實現，一個最近提出的3D到2D的結構(DeepSCAN)。然後再在一個更大的單個中心的數據集中重新訓練了這些模型，並帶有或者沒有其他腦結構的標籤。量化了由於數據集移動而導致的性能變化，並通過添加其他大腦結構標籤來量化性能變化。還將性能與隨處可得的參考方法的表現進行比較。在MSSEG數據集上進行交叉驗證時，這兩種全卷積CNN方法的表現都大大優於文獻中的其他方法，這表明人類評分者與其評分者範圍內的變量保持一致。在單中心數據上訓練和在MSSEG數據集上測試時，這兩種架構的性能都有所下降。在添加Freesurfer衍生的若解剖標記的訓練下，3D Unet的性能下降，而DeepSCAN net的性能提高。
【結論】總之，預測腦病變和解剖學標記的DeepSCAN網絡是表現最好的腦網絡。
圖1 DeepSCAN的框架
圖2 Insel32數據集軸向視圖中的案例細分示例
266）Commonalities and differences in predictive neural processing of discrete vs continuous action feedback
Authors:Christina V. Schmitter, Olaf Steinsträter, Tilo Kircher, Bianca M. van Kemenade, Benjamin Straube
Journal: NeuroImage (2021)
【背景】感覺動作的後果是高度可預測的，因此與外部產生的感覺事件相比，佔有的神經資源更少。儘管經常觀察到這種現象，會導致感覺皮層的知覺敏感性減弱和活動抑制，但相反地一些研究報告對動作後果的知覺敏感性增強。這些不同的研究發現或許可以被動作反饋類型所解釋，即分離的後果 vs 連續的反饋。因此，在本研究中我們探討了動作反饋監控過程中分散和連續動作反饋對知覺和神經加工的影響。
【方法】在fMRI數據採集中，被試進行探測主動或被動進行的腕部運動與視覺反饋之間的時間延長（0-417毫秒），視覺延遲要麼是在運動過程中是連續提供的或表現為一個分散的結果。
【結果】兩種反饋類型都導致了（1）在一個廣泛共享的網絡中，包括雙邊視覺和軀體感覺皮層、小腦和顳頂區，具有神經抑制效應（積極<消極）。然而，與分離結果相比，（2）加工連續反饋信息會導致右上顳回(STG)，Heschl回和腦島的抑制作用增強，這表明與連續反饋相關的特徵的特定抑制。而且，（3）視覺皮層中對分離結果的BOLD抑制與感覺增強特別相關。
【結論】對分離和連續的動作反饋是相似地抑制的但或許取決於不同的認知機制 ，其中視覺皮層的激活減少反映了對分離結果的促進作用，而STG, Heschl回和腦島的預測性加工與持續反饋特別相關。
圖1 一個實驗試次中事件序列和時間程
圖2 分散的結果和連續的反饋共享的BOLD抑制模式