北京大学心理与认知科学学院鲍平磊课题组发布非人灵长类自然场景神经反应数据集Triple-N

视觉系统能够快速精准地识别自然场景中的物体和人物，这一功能的神经基础一直是认知与视觉神经科学的重要研究目标。近年来，大规模神经数据集的发展极大推动了该领域的进展。其中，自然场景数据集（Natural Scenes Dataset，NSD）通过采集人类被试观看大量自然图片时的功能磁共振成像（fMRI）数据，为研究视觉皮层的编码与表征提供了重要资源。然而，fMRI是对神经元群体活动的体素级间接测量，难以揭示单个神经元的精细编码及其毫秒级动态。因此，要深入理解视觉信息在神经系统中的编码与传播，仍需大规模、高质量的单神经元记录数据。

2026年6月10日，北京大学心理与认知科学学院、IDG麦戈文脑科学研究所、北大-清华生命科学联合中心鲍平磊课题组在《自然-神经科学》（Nature Neuroscience）在线发表题为“Triple-N dataset: large-scale fMRI-guided dense recordings of nonhuman primate neural responses to natural scenes”的研究论文。研究团队结合fMRI与Neuropixels高密度电生理记录技术，构建了目前规模最大的灵长类高级视觉皮层自然场景神经活动数据库，为神经编码、跨物种视觉比较以及人工智能模型评估提供了重要资源。

团队首先利用fMRI对猕猴下颞叶皮层（Inferotemporal cortex，ITC）中的类别选择性区域（如面孔区）进行定位，以指导电极植入。研究团队优化了电极植入系统，实现了对目标脑区的高精度、稳定记录，以获得高质量的单试次神经元发放数据。在此基础上，团队记录了猕猴ITC及低级视觉区（V1、V2、V4）对1000张自然场景图片的神经响应，总计超过40,000个较高信噪比视觉响应单元。该数据集使研究者能够在毫秒级时间分辨率下，同时观测局部神经群体动态与大尺度功能组织，为研究视觉信息在脑内的编码与传播机制提供了重要资源（图1）。

图1. 脑功能成像引导的Neuropixels记录及单试次神经元群体活动示例

分析结果验证了类别选择性脑区内神经元的功能特性（图2）：在面孔选择性区域，大量神经元对面孔刺激表现出稳定且可靠的放电增强；在身体选择性区和场景选择性区，也分别聚集了对相应视觉类别具有选择性的神经元。这些结果表明，该数据集不仅验证了ITC亚区中存在明显的类别选择性神经元聚集现象，也为理解同一脑区内部的调谐模式变异性提供了一个更全面、无偏的视角。

图2. 类别选择性脑区中神经元的选择性响应及不同脑区间的调谐特征比较

研究团队进一步发现，高级视觉皮层的神经元在反应的动态性上还展现出异质性（图3）。即使位于同一功能区域，不同神经元在时间动态上也表现出多样化的响应模式，包括刺激出现后迅速放电的瞬时响应型神经元、维持持续活动的持续响应型神经元，以及在刺激早期出现抑制反应的神经元亚型。进一步分析还发现，同一神经元在面对不同图像时，其响应峰值时间会发生系统性变化，提示高级视觉皮层的编码不仅包含“编码什么”，还包含“何时编码”的时间动态信息。

图3. 神经元反应的异质性及图像依赖动态特性

利用与人类自然场景数据集共享的1000张自然图片，研究团队开展了跨物种比较分析。表征相似性分析显示，猕猴ITC与人类腹侧视觉皮层（ventral temporal cortex，VTC）在整体表征结构上具有一定的一致性。此外，神经元—体素映射结果进一步表明，类别选择性脑区在物种之间具有对应关系：例如，猕猴的身体选择性区域与人类的纹外皮层身体区（extrastriate body area，EBA）和梭状回身体区（fusiform body area，FBA）对应，面孔区与梭状回面孔区（fusiform face area，FFA）对应，场景区则与海马旁回场所区（parahippocampal place area，PPA）和枕叶场所区（occipital place area，OPA）表现出相似的表征结构。这些结果表明，高级视觉系统的功能组织原则在灵长类进化过程中具有保守性（图4）。

图4. 跨物种分析揭示猴类ITC与人类VTC之间一致的功能组织

进一步地，研究团队利用深度神经网络与语言模型对猕猴与人类的高级视觉皮层进行了编码与解码分析。结果显示，猕猴ITC神经元活动与视觉特征模型的对应程度显著高于语义模型，而在人类高阶视觉皮层，两类模型的预测能力表现相近（图5）。同时，在猕猴脑内，语义相关信息沿视觉加工层级逐渐增强，并在ITC前部表现明显。这些发现提示灵长类视觉系统存在从视觉特征向语义信息转化的过程，也表明Triple-N数据集为神经科学与人工智能研究提供了一个统一的比较与评估平台，有助于构建更符合生物视觉机制的计算模型。

图5. 神经网络编码分析揭示人类与猴类高级视觉皮层表征空间的差异

这些分析凸显了将fMRI与Neuropixels高密度电生理记录相结合在视觉神经科学研究中的独特价值，同时凸显了Triple-N数据集作为高分辨率、大规模神经数据资源的价值。该数据集不仅为揭示神经编码机制提供了坚实基础，也为跨物种视觉系统比较以及生物启发的人工视觉模型研究提供了统一且可扩展的实验平台。目前，Triple-N数据集已向研究者开放共享，以供研究者使用与进一步分析：https://doi.org/10.57760/sciencedb.33556。

鲍平磊为该研究的通讯作者，鲍平磊课题组博士生李依朋为论文第一作者。该研究得到了科技部科技创新2030“脑科学与类脑研究”重大项目，国家自然科学基金创新研究群体项目，国家自然科学基金青年项目、面上项目和重点项目，以及博士后基金的支持。