场景识别过程中个体差异在先验权重方面的神经机制

《NeuroImage》：Neural mechanisms of Individual Differences in Prior Weight during scene recognition

　　个体在场景识别任务中依赖先验知识的程度可被其特定脑区功能连接模式预测。本研究通过gPPI分析构建任务相关功能连接矩阵，并采用线性支持向量回归（SVR）的CPM方法预测个体先验权重参数λ，发现前额叶（vmPFC、dlPFC）、海马体、杏仁核等区域的功能连接与λ显著相关（r=0.62，p=2.8×10??）。该框架揭示了先验整合的神经机制，为认知策略的个性化评估提供新方法。

　　
该研究聚焦于揭示人类个体在感知决策过程中对先验知识与即时感官信息的整合机制，通过结合功能磁共振成像（fMRI）与机器学习方法，构建了预测个体先验依赖度的创新性框架。研究团队以场景识别任务为切入点，利用梯度生成对抗网络（GANSID）技术构建了从自然到非自然的连续梯度图像集，通过动态调节刺激的天然程度参数α（α=1.0为自然图像，α=0.0为随机生成图像），系统考察了不同自然性水平刺激对个体决策的影响差异。

在方法学层面，研究团队创新性地融合了广义心理生理交互分析（gPPI）与连接体预测模型（CPM）。首先采用gPPI技术解耦心理任务与生理响应的交互效应，通过构建包含视觉皮层、前额叶皮层、海马体等关键脑区的功能连接矩阵，捕捉任务特定的大脑网络重组模式。随后基于CPM框架，运用支持向量回归（SVR）模型对30名受试者的脑网络连接进行特征筛选与预测建模，重点考察了前额叶-顶叶-边缘系统网络（包含腹内侧前额叶皮层dmPFC、海马体、杏仁核等区域）的预测效能。

研究结果显示，个体在场景识别任务中表现出的先验依赖度差异（λ参数）与特定功能连接模式存在显著相关性。通过留一法交叉验证发现，基于正网络连接（正相关特征）的预测模型展现出最高的皮尔逊相关系数（r=0.62，95%置信区间[0.34,0.81]），其预测性能经1000次置换检验达到p<0.001的显著性水平。关键预测连接涉及前额叶-顶叶-边缘系统网络的多维度交互，其中特别值得注意的是腹内侧前额叶皮层（vmPFC）与海马体（hippocampus）之间的功能耦合，该连接强度与个体先验权重参数λ呈显著正相关。

该研究在理论层面深化了以下认知：首先，前额叶皮层（包括dlPFC和vmPFC）与顶叶皮层（如precuneus）形成的功能网络不仅参与决策调控，还通过整合情景记忆与空间认知信息实现先验知识的动态权重调整。其次，边缘系统（海马体、杏仁核）与前额叶皮层的交互网络在处理不确定性信息时发挥关键作用，其连接强度可量化个体对先验信息的信任程度。最后，研究证实任务驱动型功能连接（而非静息态连接）能更精准地捕捉个体认知策略的神经机制，这为开发个性化认知干预方案提供了新思路。

在方法学创新方面，研究团队优化了传统CPM模型：1）采用线性SVR替代传统的特征求和模式，通过可解释的边缘权重系数提升模型透明度；2）引入梯度化刺激设计，构建从自然到非自然的连续刺激梯度，有效分离先验与即时感知的贡献；3）通过动态阈值筛选（p<0.01）与多重检验校正，确保了结果的可重复性。值得注意的是，该研究通过对比全脑连接模型与预定义ROI模型的预测效能（R2值提升达0.47），验证了理论驱动型网络选择对模型泛化能力的提升作用。

临床应用价值体现在三个方面：其一，建立的个体化先验权重预测模型可潜在用于精神分裂症、自闭症等神经精神疾病的前瞻性评估，这些疾病常伴随先验与感知的整合异常；其二，通过动态调节刺激的自然性梯度，为认知康复训练提供了精准的评估工具；其三，开发的机器学习框架可扩展应用于其他认知任务，如决策制定、注意力调控等。

研究局限性方面，样本量（N=30）对模型泛化性构成挑战，但通过严格的双重交叉验证（LOOCV）和置换检验，仍能有效控制过拟合风险。未来研究可结合脑机接口技术，实时监测个体先验依赖度的神经表征变化，为个性化认知增强干预提供动态生物标志物。此外，将该方法拓展至其他多模态数据（如EEG、fNIRS）将有助于建立更普适的认知策略预测模型。

该研究在神经认知科学领域具有重要突破，首次实现了个体先验依赖度的精准神经解码。通过揭示前额叶-顶叶-边缘系统网络的功能连接特征与认知策略的定量关系，为理解人类感知决策的神经机制提供了新的理论范式。这一发现不仅深化了我们对大脑网络动态整合的认知，更为开发基于神经连接特征的心理评估工具奠定了方法论基础。