注视眼动作为高视锐度的主动感知机制
微眼动作为高视觉敏锐度的主动感知机制
学术背景
人类的视觉感知是一个复杂的过程，尤其是当我们试图保持目光稳定时，眼睛仍然会不自觉地产生微小的运动，称为微眼动（Fixational Eye Movements, FEM）。这些微眼动通常包括漂移（drift）和微跳视（microsaccades）两种类型。过去的研究表明，尽管微眼动会导致视网膜上的图像抖动，但人类的视觉系统仍能感知到比微眼动幅度更精细的细节。这一现象引发了科学界的广泛兴趣：为什么微眼动不仅没有损害视觉敏锐度，反而可能对其有积极影响？
为了解答这一问题，研究人员结合理论和实验，试图揭示微眼动在不同条件下对视觉编码和视觉敏锐度的影响机制。通过研究微眼动的动力学特性及其对视网膜神经活动的影响，该研究旨在解释微眼动如何在高视觉敏锐度任务中发挥积极作用，并揭示其背后的神经编码机制。
论文来源
该研究由Trang-Anh E. Nghiem、Jenny L. Witten、Oscar Dufour、Wolf M. Harmening和Rava Azeredo da Silveira共同完成，研究团队来自多个知名机构，包括法国巴黎高等师范学院、瑞士巴塞尔分子与临床眼科研究所、德国波恩大学眼科系以及瑞士苏黎世大学经济系。该论文于2025年2月4日发表在《PNAS》（《美国国家科学院院刊》）上，题目为《Fixational eye movements as active sensation for high visual acuity》。
研究流程与结果
1. 实验设计与对象
研究招募了17名健康成年参与者（8名男性，9名女性，年龄范围10至42岁），并利用自适应光学扫描激光检眼镜（Adaptive Optics Scanning Laser Ophthalmoscope, AOSLO）记录他们在视觉辨别任务中的微眼动轨迹。参与者需要在实验中辨别一个Snellen E字母的朝向（上、下、左、右），字母的大小通过贝叶斯自适应阶梯程序（Bayesian adaptive staircase procedure）在每次试验中调整，范围从0.6到1.6弧分。每个实验包括20次试验，共进行五轮。
2. 微眼动轨迹记录与分析
通过AOSLO，研究团队以高时间分辨率（约960 Hz）记录了参与者的视网膜运动和刺激位置。微眼动轨迹被建模为二维扩散过程，并计算了扩散系数（diffusion coefficient, D），以量化微眼动的幅度和动力学特性。结果显示，微眼动的轨迹符合随机扩散过程，且扩散系数在不同参与者之间存在显著差异。
3. 视网膜响应模型
为了模拟微眼动对视网膜神经活动的影响，研究团队构建了一个视网膜神经节细胞（Retinal Ganglion Cells, RGCs）响应模型。该模型假设RGCs的感知野（receptive fields）呈高斯分布，并具有时空核（spatiotemporal kernel）。通过泊松过程模拟RGCs的发放率，并结合贝叶斯分类器（Bayesian Classifier）对刺激方向进行分类。该分类器通过积累视网膜神经活动的证据，逐步更新后验概率分布，从而推断刺激的方向和位置。
4. 模型与实验结果的对比
研究结果显示，中等幅度的微眼动能够显著提高对精细刺激的辨别能力，而过小或过大的微眼动则会损害视觉敏锐度。这一结果与实验数据高度一致，验证了模型的有效性。此外，研究还发现，参与者会根据刺激大小动态调整微眼动的幅度，但这种调整始终保持在接近最优的范围内，以最大化视觉敏锐度。
研究结论
该研究通过结合实验和理论模型，揭示了微眼动在高视觉敏锐度任务中的双重作用：一方面，微眼动通过刷新视网膜上的图像内容，使得RGCs的活动更加持续，从而增强了对精细细节的编码；另一方面，微眼动通过引入时间维度上的变化，提供了更多的刺激信息。研究还发现，微眼动的幅度在动态调整中保持在接近最优的范围，这进一步支持了其在视觉感知中的积极作用。
研究亮点
- 重要性：该研究首次揭示了微眼动在高视觉敏锐度任务中的积极作用，并提出了其背后的神经编码机制，填补了相关领域的空白。
- 方法创新：研究结合了高精度眼动追踪技术（AOSLO）和贝叶斯分类器，为视觉感知研究提供了新的方法论框架。
- 应用价值：研究结果为视觉感知障碍的诊断和治疗提供了新的理论依据，同时也为人工智能中的视觉算法设计提供了灵感。
其他有价值的信息
研究团队还探讨了微眼动在自然视觉条件下的适用性，并提出了未来研究的方向，包括扩展到更复杂的视觉任务和更大范围的刺激集。此外，研究数据和分析代码已在Mendeley Data平台上公开，为后续研究提供了宝贵的资源。
通过这一研究，科学家们不仅解开了微眼动在视觉感知中的谜团，还进一步强调了主动感知在视觉系统的重要性，为未来的视觉科学研究开辟了新的道路。