央广网北京4月30日消息人的眼睛每天看见大量事物，但“看见”并不等于意识“感知”到，“视而不见”的现象时常发生。
近日，中国科学院深圳先进技术研究院副研究员戴辑团队揭示了视觉感知从无意识到意识下再到意识上涌现过程中，大脑各区域神经信号的动态变化特征，增进了对意识形成的神经生物学基础的理解。相关研究成果发表于TheInnovation。
视觉感知从无意识到意识下再到意识上涌现过程中大脑的动态变化的示意图图源自中国科学院深圳先进技术研究院央广网发
一直以来，理解意识的生物学基础一直是巨大挑战。生物学层面，意识研究可分为两个主要方向：一个是研究大脑形成清醒、昏迷等整体意识状态的神经基础；另一个是研究感知觉层面的意识，如眼睛所看到的景象，在经由视觉系统传入大脑之后是如何让人类产生意识上的视觉感知。
这种经过视觉系统加工却不能形成视觉感知的信息就称为“意识下”的视觉信息，而成功形成视觉感知的信息则称为“意识上”信息。
例如，执行双眼竞争的连续闪烁抑制（CFS）范式任务过程时，给左眼呈现强烈快速闪烁的马赛克刺激，同时给右眼呈现亮度较低的物体图像，人在感知觉上完全“看不到”物体，此时即为“意识下”的感知；只有当右眼的图案亮度增加到一定程度时，才能逐渐看到右侧物体，形成“意识上”的感知。
那么，视觉感知在从意识下逐渐涌现到意识上的过程中，大脑的神经信号是如何变化的呢？
通过颅内电生理（iEEG）技术结合机器学习的分析方法，研究人员清晰地描绘了这一变化过程。他们采集了受试者在执行CFS任务时全脑尺度的iEEG信号，获得其大脑不同区域在无刺激状态、意识下状态以及意识上状态的神经电活动数据。通过定量化分析展示了iEEG信号在不同意识阶段的信号特征。
研究发现，无刺激到意识下转换的过程中，全脑的功能连接强度是增强的；而意识下到意识上的转换则是减弱的。这表明，大脑在形成感知意识的过程中，需要增强全脑的同步性。而在意识形成之后，则不需要再维持全脑的高同步性。
为了从海量全脑尺度iEEG信号中发掘出导致不同意识状态转换的关键信息，同时避免先验假设的误导，研究人员引入了机器学习，通过数据驱动的方式来挖掘不同意识阶段的信号特征，构建了基于机器学习的数据分析管道流，利用随机森林模型训练决策树，获得描述不同意识阶段iEEG信号差异的数值指针（AUC），再通过AUC去寻找哪些脑区在意识的转换过程中起主导作用。
研究发现，无意识到意识下的转换中，起主要作用的是额叶-顶叶联合区，以及部分的颞叶/枕叶区；而意识下到意识上的转换过程中，主导的则是额叶区和颞叶区。此外，两次状态转换中，有9个脑区的AUC值在第二次转换中显著高于第一次，表明这些脑区在意识的涌现过程中扮演关键作用，并且这些脑区在分布上形成了一个以颞上回-颞上沟为中心的集群。
iEEG信号的众多特征中，其中哪些特征与意识涌现最为相关呢？
研究分析了42个iEEG信号特征，发现相对能谱功率和方差在所有频段信号，及两次意识状态转换中都展示了相对较高的特征重要性。以此，研究人员推测，这些特征或许可以用作临床上检测意识状态的生理标记。
该研究成果综合运用意识调制CFS范式、大规模的颅内脑电记录技术及基于机器学习的分析方法，揭示了视觉意识涌现过程中全脑尺度的神经信号变化特征，指出主导不同意识状态转换的关键脑区以及脑电信号中的关键特征，从而大大增进了我们对意识形成的神经机制的理解。
相关论文信息: