Как мозг вычисляет средний размер объектов: нейронные и поведенческие основы контраста ансамблей

Взаимное влияние групп объектов на восприятие среднего размера: нейронные и поведенческие доказательства

Зрительная система человека обладает удивительной способностью к параллельной обработке информации: она способна практически мгновенно извлекать усредненные характеристики визуального контекста — так называемые сводные статистики ансамбля (ensemble representations). Человеческий мозг способен без труда оценивать средний размер, ориентацию, пространственное расстояние и плотность множества объектов. Тем не менее до последнего времени оставалось неизвестным, обрабатываются ли различные группы объектов изолированно друг от друга, или же статистические представления взаимосвязаны и модулируют восприятие через механизмы визуального контраста.

В представленном научном исследовании группа ученых из Института нейронаук и медицины в Юлихе (Германия) изучила механизмы того, как средний размер одной группы объектов (дистрактора) модулирует воспринимаемый средний размер целевой группы (таргета). Для оценки этой связи были применены методы психофизики и функциональной магнитно-резонансной томографии (фМРТ) — метода нейровизуализации, измеряющего изменения гемодинамического ответа головного мозга (BOLD-сигнала, уровня оксигенации крови).

«Зрительная система параллельно вычисляет обобщенные статистики групп объектов. Наши данные доказывают, что сводные статистики ансамблей не независимы, а взаимно влияют друг на друга по принципу перцептивного контраста, вызывая перестройку нейронной активности в ранних зрительных зонах коры».

Теоретические предпосылки и природа ансамблевого кодирования

Оценка среднего размера множества стимулов осуществляется человеческим зрением невероятно быстро — менее чем за 50 миллисекунд. Наблюдатель может безошибочно назвать средний размер элементов, даже если он не способен дать отчет об индивидуальных характеристиках каждого конкретного предмета в поле зрения. Это явление сохраняет устойчивость при маскировке подменой объекта (OSM — Object-Substitution Masking, метод маскировки стимула без изменения его пространственных параметров), а также при изменении плотности распределения элементов.

Данные электроэнцефалографии (ЭЭГ) подтверждают, что глобальное обобщенное представление ансамбля начинает формироваться раньше, чем кора успевает детально обработать свойства единичных объектов. Ранее было выявлено сходство этого феномена с классической иллюзией Эббингауза (в которой центральный круг воспринимается меньшим в окружении крупных кругов и большим в окружении мелких). Однако в классических тестах свойства индивидуального стимула и всей совокупности контекста были неразделимы. Целью настоящей работы стало разделение влияния индивидуальных физических параметров стимулов и их суммарной ансамблевой репрезентации.

Методология и экспериментальный протокол

Участники исследования

В эксперименте с использованием фМРТ приняли участие 29 здоровых добровольцев (средний возраст 29,28 года, стандартное отклонение SD = 4,54; 11 женщин). Все участники обладали нормальным или скорректированным до нормы зрением и нормальным цветовосприятием, верифицированным с помощью таблиц Вельхагена — Брошманна (псевдоизохроматических тестов для диагностики цветовой слепоты). Протокол исследования получил одобрение этического комитета Немецкого общества психологов (DGPs). Мощность выборки рассчитывалась с помощью критериев анализа повторных измерений в пакете G*Power.

После оценки качества сканирования и двигательных артефактов 7 участников были исключены из окончательного анализа (один из-за высокого процента пропущенных ответов, шесть — из-за смещения головы более чем на 0,2 мм по показателю покадрового смещения FD — Framewise Displacement). Финальная группа составила 22 испытуемых.

Стимульный материал и конфигурация задачи

Эксперимент создавался на базе программных библиотек PsychoPy на сером фоне (яркость 49,90 кд/м²). На экране предъявлялись два ансамбля разного цвета: зеленые круги (яркость 76,71 кд/м²) и красные круги (яркость 18,27 кд/м²). Для части участников целевым (таргетным) ансамблем являлся зеленый, для остальных — красный.

Дисплей делился на четыре квадранта:

• Квадрант таргета: содержал 14 кругов целевого ансамбля.
• Квадрант дистрактора: располагался по диагонали от таргета и содержал 6 кругов фонового (нерелевантного задаче) цвета.
• Смежные квадранты: содержали по 6 кругов дистрактора и по 2 дополнительных круга таргета для распределения зрительного внимания по всей площади экрана.

Средний угловой размер кругов в ансамблях варьировался между малым (0,7° дуги) и большим (1,3° дуги). Это позволило сформировать 4 экспериментальных условия: малый таргет / большой дистрактор (отрицательный контраст), малый таргет / малый дистрактор (согласованный контроль), большой таргет / малый дистрактор (положительный контраст) и большой таргет / большой дистрактор (согласованный контроль). Диагональное расположение изолировало прямые латеральные тормозные взаимодействия между соседними объектами в ранней зрительной коре.

Процедура и поведенческий скрининг иллюзии Эббингауза

Каждая проба состояла из фиксационного креста (с временным джиттером от 500 до 2500 мс в томографе), ультракороткого предъявления ансамблей стимулов длительностью 32 миллисекунды, паузы фиксации (1000 мс) и круга сравнения, демонстрируемого в центре экрана в течение 1300 мс. Участники нажимали на клавиши пульта, определяя, был ли круг сравнения больше или меньше воспринимаемого среднего размера целевого ансамбля. До сканирования все испытуемые проходили предварительную сессию с айтрекингом (отслеживанием движений глаз с частотой 500 Гц на установке EyeLink 1000) и скрининг на выраженность классической иллюзии Эббингауза.

Сбор данных и препроцессинг фМРТ

Сканирование проводилось на высокопольном магнитно-резонансном томографе Siemens Magnetom Prisma 3 Тесла с 64-канальной головной катушкой. Функциональные серии регистрировались с помощью Т2*-взвешенной градиент-эхо эхопланарной последовательности (EPI) с мультиполосным фактором ускорения (мультибенд = 8, время повторения TR = 800 мс, время эха TE = 37 мс, размер воксела 2×2×2 мм). Анатомические данные высокого разрешения фиксировались посредством T1-взвешенной последовательности (TR = 2500 мс, TE = 2,22 мс, изотропный воксел 0,94 мм).

Анализ проводился в среде SPM (Statistical Parametric Mapping). Были выполнены процедуры выравнивания (realigning), анатомической нормализации в стандартное стереотаксическое пространство Монреальского неврологического института (MNI) и сглаживания с использованием пространственного гауссова фильтра с шириной на половине высоты (FWHM — Full Width at Half Maximum) 2 мм. Использование столь малого ядра сглаживания позволило сберечь локальное анатомическое разрешение в ретинотопических областях затылочной коры.

Выделение зон интереса (ROI) и ретинотопический анализ

Перед основным тестом выполнялось локализационное сканирование (position localizer): мерцающая с частотой 8 Гц черно-белая шахматная доска поочередно активировала каждый из четырех квадрантов поля зрения, позволяя картировать участки первичной коры, отвечающие за каждую четверть видимого пространства. Далее функциональные карты объединялись с вероятностным анатомическим атласом Юлиха, что позволило четко ограничить три ретинотопические зоны интереса (ROI — Region of Interest):

• V1 — первичная зрительная кора (стриарная кора, поле Бродмана 17);
• V2 — вторичная зрительная кора (экстрастриарная область, поле Бродмана 18);
• V3 — третичная зрительная кора (ассоциативная визуальная зона ранней обработки).

В качестве основной зависимой переменной анализировалось количество надпороговых вокселов (voxel count). Выбор объема активных вокселов вместо усредненной амплитуды BOLD-сигнала обусловлен нейрофизиологическим принципом: субъективно воспринимаемый размер объекта кодируется именно через площадь пространственного распространения кортикальной активности в ранних зрительных зонах.

Результаты исследования

Поведенческие показатели (психофизика)

Анализ вероятности ответов испытуемых с помощью логистической регрессии позволил вычислить точку субъективного равенства (PSE — Point of Subjective Equality) — физический размер круга сравнения, воспринимавшийся точно равным среднему размеру целевого ансамбля. Повторный дисперсионный анализ (ANOVA) выявил высокодостоверный эффект контраста размеров:

• Когда таргетный ансамбль предъявлялся одновременно с дистрактором большого размера, наблюдалось статистически значимое занижение его субъективного размера (отрицательный контраст).
• Когда целевой ансамбль демонстрировался на фоне мелких кругов-дистракторов, испытуемые систематически переоценивали его средний размер (положительный контраст).

Примечательно, что сила ансамблевого контраста не коррелировала с чувствительностью участников к традиционной иллюзии Эббингауза (p > 0,05). Это указывает на то, что, несмотря на визуальное сходство, оценка сводных статистик опирается на принципиально иной уровень когнитивной интеграции, нежели восприятие одиночных изолированных фигур.

Ретинотопическая перестройка в зонах V1, V2 и V3

ФМРТ-анализ полностью подтвердил исходную гипотезу авторов: субъективные сдвиги в восприятии размера трансформируют кортикальные представления целевого и дистракторного стимулов на самых фундаментальных этапах обработки зрительного сигнала.

При предъявлении малого целевого ансамбля в контексте крупных дистракторов наблюдалось статистически достоверное снижение числа активных вокселов (ΔN_vox > 0) во всех трех областях: V1 (t(21) = 2,52, p = 0,020, d Коэна = 0,538), V2 (t(21) = 2,74, p = 0,012, d = 0,584) и V3 (t(21) = 2,69, p = 0,014, d = 0,573). В условиях положительного контраста (крупный таргет в окружении малых дистракторов) наблюдалось достоверное расширение площади активированных вокселов в V1 (p = 0,024), V2 (p = 0,012) и V3 (p = 0,012).

Аналогичная закономерность была обнаружена и для нерелевантного фонового ансамбля (дистрактора). Нейронная популяция коры, картирующая область дистрактора, уменьшала объем активации при соседстве с крупным таргетом (V1, p = 0,048; V2, p = 0,048; V3, p = 0,048). Этот фундаментальный факт подтверждает: зрительная кора вычисляет относительный контраст между массивами объектов автоматически, даже если внимание субъекта полностью отвлечено от дистрактора.

Анализ ковариации по всему мозгу (Whole-Brain Analysis)

Индивидуальная выраженность поведенческого эффекта контраста не показала прямой связи с количеством ретинотопических вокселов в областях V1–V3. Чтобы выяснить, какие структуры модулируют силу перцептивной иллюзии, авторы провели факторный анализ всего объема мозга с кластерной коррекцией семейной ошибки (FWE — Family-Wise Error, p < 0,05).

Анализ выявил два ключевых корковых узла в левом полушарии, активность которых строго коррелирует с величиной перцептивного эффекта контраста:

• Левая внутритеменная борозда (IPS — Intraparietal Sulcus): координаты MNI [-40, -52, 42], статистический критерий T = 5,68, кластер k = 55 вокселов, p = 0,006. Кластер распространяется по направлению к угловой извилине.
• Левая средняя височная извилина (MTG — Middle Temporal Gyrus): координаты MNI [-66, -36, -2], T = 4,28, k = 40 вокселов, p = 0,034.

Обнаружение вовлеченности внутритеменной борозды (IPS) имеет решающее значение: данная область традиционно ассоциируется с пространственным вниманием, численными оценками и масштабированием величин, выступая звеном высшего нисходящего контроля (top-down feedback).

Научная дискуссия и значение выводов

Полученные результаты опровергают гипотезу о том, что множественные массивы стимулов объединяются мозгом в единую грубую «смесь» (pooling). Если бы мозг просто усреднял все видимые элементы сцены, появление крупных объектов в квадрантах дистрактора приводило бы к аддитивному увеличению perceived-размера таргета. На практике наблюдается обратный, ярко выраженный контрастный эффект.

Второй принципиальный аспект касается локальных взаимодействий нейронов. Можно было бы предположить, что феномен обусловлен пересечением рецептивных полей популяции (pRF — Population Receptive Field, совокупная область пространства, на стимуляцию которой реагирует популяция нейронов внутри воксела). Однако при диагональной расстановке квадрантов прямое наложение полей практически исключено, а краевой перенос сигнала дистрактора привел бы к прямо противоположному паттерну кортикального возбуждения.

Следовательно, обработка сводных характеристик зрительного ансамбля представляет собой сложный многоуровневый процесс. Он зарождается в специализированной сети, включающей левую внутритеменную борозду (IPS) и среднюю височную извилину (MTG), после чего через нисходящие регуляторные сигналы модулирует размеры функциональных карт возбуждения в стриарной и экстрастриарной коре (V1–V3).

Подобный механизм относительного кодирования имеет огромное эволюционное значение. В естественной среде зрительная система непрерывно решает задачу быстрого обнаружения нетипичных или опасных объектов на неоднородном фоне (visual pop-out effect). Быстрое вычисление усредненной нормы контекста позволяет моментально выявлять стимулы, отклоняющиеся от статистического стандарта окружения.

Заключение

Эксперимент доказал, что ансамблевые репрезентации статистических свойств визуальных сцен обрабатываются мозгом не изолированно, а взаимно модифицируют друг друга через механизмы размера-контраста. Воспринимаемый средний размер группы предметов динамически искажается параметрами соседних массивов, что выражается в прямом изменении пространственной протяженности BOLD-ответа в областях V1, V2 и V3. Взаимодействие ранних ретинотопических полей с высшими теменными центрами анализа масштаба (IPS) открывает новые горизонты в понимании того, как человеческий мозг структурирует, фильтрует и осознает сложную визуальную реальность.