PNAS:对面孔的神经适应性揭示了早期感知中的种族外群体同质性效应

   研究背景:

   群体间偏见的一个特征是倾向于将自己所属群体的成员进行个性化处理,而对其他群体的成员进行分类性处理。尽管这些偏见对刻板印象以及歧视行为有明显的影响这一结果,已得到充分证明。但人们对它们的早期感知基础仍知之甚少。 

    研究目的:

   作者通过测试被试的高级视觉皮层对自身种族和其他种族面孔变化的神经适应性是否存在差异,来研究这种效应的神经机制。 

    研究方法:

   使用功能性核磁共振成像适应(fMRI adaptation)范式,测量了白人被试对一组由白人和黑人组成的脸在相似的群组中进行参数化地变化时的习惯性反应。 

    研究结果:

   被试在感知上表现出更大的个性化本种族面孔的倾向,从面孔的适应性阶段到独特身份认同的阶段都表现出了这种个性化更大的释放,同时对本种族的人脸之间的物理差异的适应反应也更加敏感。这些群体差异表现在对早期面孔选择皮质(face-selective cortex)的调节上,以及表现在对自己和其他种族面孔的记忆和感知上的行为差异。研究结果表明,对其他种族面孔的偏见出现在感官知觉的一些早期阶段。


   研究综述:     

    刻板印象的核心特征是对倾向于将自己所属群体的成员进行个性化处理,而对其他群体的成员进行分类性处理。对于其他族群成员的识别不能会带来很多的现实性问题,这种问题会从令人尴尬的事(例如把两个种族相同的同事混为一谈)到会改变人生的事(例如在警察局辨认嫌疑人队列时辨认出错误的嫌疑人)这些错误是基于记忆和判断的错误,还是以我们对其他社会群体成员的认知方式出现的?本研究表明,对群体外成员的去个性化过程发生在人脸感知的最初阶段,表现为对其他种族人脸之间的变化的神经敏感性的降低。
    人类一眼就能提取出社会信息。种族是一个特别突出的社会类别信息,这个过程在不到一秒的时间内就能被检测到,它包含了广泛的认知过程,从注意力分配到记忆,再到群体差异性的估计。这些不同的衡量方法揭示了一个共同的结果:即人们倾向于将自己种族或族裔群体的成员进行个人化处理,并将其他群体的成员混为一谈。然而,人们对这些偏见的早期感知机制知之甚少。当我们观察另一个种族群体的成员时,他们的实际身体特征是否在我们的脑海中也模糊不清?
   
这种猜想在行为学研究结果中已经得到一些证明。例如,美国白人比黑人能更好的理解白人面孔之间的感知差异。尽管精确的感知机制尚不清楚,但有大量证据表明不同的外群体成员会被视为同一类别的多个实例,而不是按照不同的个体进行处理。一种有趣的可能性是,负责人脸感知的神经系统可能被狭隘地调整,以区分组内成员(即同种族或族裔)的不同身份,而对组外成员(不同种族)则更广泛地调整为类别成员,而不是个体身份。这样的机制会导致对群体内认同更大的感知敏感度,而对群体外认同的感知敏感度则会降低。然而,现有的研究还无法表明面部敏感神经系统如何对这种组内变异做出反应。
   
视觉神经科学给这个问题带来了解决方案。以往大量的研究突出了大脑处理的一个核心特征:即它倾向习惯于暴露在相同反复的刺激下。神经元群在反复接触他们所调谐的刺激后表现出活动减少,这一现象被称为神经适应。例如,梭状回面部识别区域(FFA)中对面孔敏感的神经群,相对于不同的脸部区域,对多次出现相同面孔的区块的反应会减弱。神经适应是通过对不同刺激之间的知觉相似性的判断来进一步分级的:具体表现为越是相似的面孔,在它们呈现的过程中就会引发更大的神经适应,而越是不同的面孔,就会从适应中释放出来,在面孔选择区域的活动也会更活跃。
    人类面部敏感区域的解剖学一致性使这一视觉皮层区域成为一个理想的区域,用来测试感知到的种族外群体同质性如何反映不同的神经调节的特异性。作者的假设是:如果神经适应是感知种族外群体同质性的基础,那么FFA中的神经活动应该对其他种族人脸之间的物理变化不那么敏感。具体来说,当神经元群体广泛地适应种族外群体的面孔时,相同的神经元群体将会对不同的种族外群体的目标做出反应,从而在更大范围的物理特征变化中引发更大的适应性反应。 

实验设计:  

   被试:本次研究由斯坦福人类研究机构审查委员会(the Stanford Institutional Review Board for Human Subjects Research)进行道德审查并获得批准。被试24(平均年龄19.7;14名女性),被试在参加实验后获得一定的报酬。基于视觉刺激驱动效应的鲁棒性,以及以往神经系统对人脸的适应性研究,我们在收集数据之前就确定了样本量(在实现前计算实验的效应量需要多大的样本量实现是一个避免被问及效应量是否显著的好方法哦) 

    所有被试在资格预选调查中都以白人自认,视力正常或矫正为正常。每个被试完成了一个包括T1加权解剖扫描、3次面部校正任务(每次5分钟,24)4fMRI适应性实验(每次4分钟)的扫描序列。按照扫描程序,被试在扫描仪外完成行为任务。在24名受试者中,3名无法完成全套扫描,1名受试者的数据采集后无法正确重建。在剩下的20名受试者中,有3人的面部适应性实验的数据不典型(这是由于扫描仪过度使用或静脉伪影导致信号变异),因此无法观察到fMR反应对典型的面部相似性的适应。在这17名被试中,所有被试的面部选择性都可以定位于左半球梭状回,1名被试被定位于右半球,但所有被试的面部选择性都可以定位于梭状回。 

    面部识别定位任务:

   作者从他们先前的工作中选出了一个用于功能定位的任务,来确定每个被试的面部识别的ROI区域。在每一次实验中,被试观看784-s长度组块设计的灰色图像,这些图像随机地放置在视野中,以2赫兹的速率呈现在打乱的纹理背景的图片中。每个组块中被试会看到1-7种类别,分别为:黑人男性的脸,白人男性的脸,字符串(数字和单词),身体(肢体,无头的图片),物体(汽车和吉他),场景(建筑物和走廊),以及纹理背景的基线块。面部刺激从Bainbridge面部数据库和Mind, Culture, and Society laboratory数据库中选择,以捕捉不同角度的黑白面孔(直接的、倾斜的)和表情(中性的、微笑的),通过这一任务来确定对面孔有选择性反应的体素。面部刺激的角度和表情在种族间是平衡的。

1 脸部选择性脑区确定实验中使用的刺激图片类型 

面部形态任务:

  面部适应实验的刺激来自于先前成像研究中使用的一组单独的黑人和白人男性面孔。作者使用了6个组块集合的白色和6个组块集合的黑色的面孔。在每个集合中,将1个“源”(source)脸型变形为6个与“源”图像配对的“目标”(target)脸型。在“源”人脸和每个“目标”人脸的特征(眼睛、鼻子、嘴巴和外部轮廓)周围对齐n个点,然后在目标之间插值,形成与“源”人脸相似度不同的连续图像。使用SHINE工具箱将刺激转换为灰度并匹配亮度。

  为了证实种族与低水平相似度之间没有混淆,作者计算了结构相似度指数(SSIM),这是一种图像之间相似度的图像处理度量方法。作者计算了每个脸型变化任务中6幅目标图像之间以及每个“源”人脸与其相关目标之间的成对SSIM黑色人脸和白色人脸在“源”人脸和“目标”人脸的平均SSIM值上没有显著差异[t(10) = 0.71, P = 0.48]

2 图片相似度参数分段标准

  将同一组中与“源”人脸不同程度的6条变形线(看图3中的六个不同方向的线所指代的图片)的图像的6个人脸放入一个组块。被试会在4个为4分钟的run中看完这些刺激。run开始和结束时固定为12秒,包括18个白人脸面部组块、18个黑人脸面部组块和18个注视组块。每个Bolck持续3s,由6个脸部组成,每个脸型均为单一形态水平,以2hz的速率呈现,固定1s5个变形等级(0305070100%)在每个run中会出现3次,对每个黑白面部刺激都进行这样的操作,并包含了一个不同的形变集(morph set)。 

  组块顺序被进一步平衡,因此连续出现的组块不会显示来自相同的变形集合或变形级别的刺激。来自相同变形集的图像的出现是伪随机化的,这样会使相同的变形集合位于一个组块中,该组块与前一个组块至少相差2个变形步骤。在每个图像组块中,被试被要求注视一个中心点,并对概率为三分之一随机出现在图像组块内的奇怪图像(包含噪声图案的脸部轮廓)做出反应。被试会在大约一半的试验中发现这些奇怪的图像(M = 50% SD = 23.2%)

3 脸型变化识别任务中不同参数的脸部图片

   行为学测量: 

    被试在核磁共振之后完成三个行为实验:一组感知相似性的任务,一项感知辨别任务,和一个再认记忆测试。所有的任务都是在一台13英寸笔记本电脑上使用MedialabDirectRT软件完成的。

    在感知相似性任务的刺激中包括扫描仪中呈现的6个变形组,以及以相同方式创建的6个额外组,分别在0305070100%不同水平。在每次实验中,所有的6张脸都以数组的形式出现在屏幕上,让被试在1(完全不同)7(完全相同)的范围内对组中人脸的相似度打分。排除2名相似度判断与刺激的客观相似度不相关的被试(r = 0.48 [0.41,0.90])

    知觉辨别任务的刺激来自NimStim的实验和一个内部实验室数据库中的8张黑人和8张白人面孔。照片被裁剪到一个椭圆形的窗口,用照片编辑软件去除面部毛发。10%的增量从这些图像创建了4个黑色和4个白色的变形连续体。被试共完成了112项测试任务。在每个刺激中,一对变形的脸(即两张)会在屏幕上显示500毫秒:其中一张为50%的变形脸,另一张为完全相同的脸或者不相同的脸。500 ms后,将人脸替换为一个固定十字架,被试通过按键表示这两张脸是相同的还是不同的。

    再认记忆测试80张面孔(40张白人,40张黑人)从单独的刺激组中选出。在记忆编码阶段,被试会看到从这80张面孔中随机选择的40张脸的序列(20张白的,20张黑的),每张脸的速率为2秒。被试被要求记住这些面孔,因为他们稍后会回答关于这些面孔的问题。在一个3分钟的分心任务之后,被试进入测试阶段,在这个阶段,他们以随机的顺序面对80张脸。被试通过键盘反应他们是否在编码阶段看到了每个目标。

    MRI图片的采集和分割:使用3TGE机器进行结构像(T1加权)和功能像的采集,使用32通道的头线圈。

    T1结构性采集参数:体素大小1 ×1 × 1 mm, 反转时间 450 ms, 反转角度为12单次射频激发,视野为240 mm。图像位置在前连合-后连合平面对齐。

    功能像采集参数:使用T2加权EPI序列,TR1000ms,体素大小为2.4*2.4*2.4,回波时间为78.6ms,视野为192mm2。反转角度为76度。采集层数为48层。     

    使用Freesurfer的分割工具分割T1像的白质和灰质。使用ITK-SNAP检查白质表面,并手动修复缺失或错误标记的白质体素。皮层表面的重建是由白质和灰质边界生成的。通过对皮层折叠的区域进行膨胀以完成可视化。

    数据分析:

   作者使用了开发freesurfer的实验室开发的基于MATLABVista toolbox来处理功能态数据。值得注意的是作者的统计是基于个体空间进行的。头动的排除标准为大于2个体素。将头动在被试层面上进行矫正,包括每个run的头动以及run之间的头动差异。使用广义线性模型根据每个实验的刺激时间(onsetduration)进行建模。并且和一个典型的HRF函数进行卷积。利用GLM将预测因子与数据进行拟合,估计了每个条件的响应幅度(beta)和每个体素时间过程的残差。使用beta值和GLM的残差来生成对比图,比较不同条件下的响应。

   对面部选择敏感的体素被定义为对人脸的响应明显高于其他类别的图像的体素(t > 3,体素水平)作者在每个受试者的腹侧区域中定义了2个面部选择性区域。统称为FFA后梭状回(pFus-faces)中的一个区域,也称为FFA-1,中梭状回(mFus-faces)中的一个区域,也称为FFA-2ROI在两个半球均有定义,用于面部形态实验分析。为了定位人脸的选择性区域,对比图中同时使用了黑白人脸。我们还分别分析了不同种族的人脸引起的t > 3的体素。

   在适应实验中,对实验条件的响应幅值由GLM估计得到。对于每个受试者和ROI,作者测量了响应幅度作为图像变形水平的函数。分别用指数模型拟合了黑人面孔和白人面孔的响应。将指数数据建模为r = L(1-e-y*m)其中m为形态水平阶跃,L为极限,y为指数,r为预测体素响应。该函数采用非线性最小二乘拟合每个受试者的s曲线,通过遍历Ly的参数使误差最小化。因此,根据每种刺激类型(黑色或白色面孔)和每个ROI (pFus-faces, mfi -faces)估计每个被试的指数和极限。
  
实验结果:

   面部识别定位任务的结果:

   对每个被试接受到的脸部与所有非脸部刺激进行对比以得到特定于面部识别的激活脑区。数据没有进行平滑(因为没有配准变形啊)。在每个被试的皮质表面,面孔选择皮质被定义为梭状回后部(pFus-faces)和中部(mFus-faces)梭状回上的体素簇,位于梭状回中部(MFS)的外侧。将这两个区域(ROIs),统称为FFA为了避免后续数据分析中的偏差,作者同时使用了白人和黑人面孔来定义面部识别的ROI

面部识别定位认为的结果

图注:上面为白人面孔识别的区域,下面为黑人面孔识别的区域,数据显示了3名被试(因为统计局是基于个体被试的)的皮质表面膨胀(暗区为脑沟;较亮的区域是脑回)。图示为颞叶腹侧表面(VTC)。图中蓝色区域为MFSA为前连合前部方向,P为后连合后部方向,以此来指明解剖方向。

 

面部形态任务的结果:

    结果表明,被试对不同种族的人脸在神经适应方面存在明显差异。图五为右半球面孔选择皮质对白人脸部和黑人脸部的响应信号变化百分比提取的响应曲线。计算过程为,首先,提取个体神经适应变化曲线的初始上升值,即从第一个(0%水平的形态)到第二个形态水平的斜率。其次,通过对每个个体拟合指数函数来提取每个曲线所接近的极限。

    实验结果发现,被试在右侧面孔选择皮质的神经适应变化曲线的升高[t(16)= 5.13, P = 0.0001]和极限值[t(16) = 2.7, P = 0.01]均有显著差异,具体表现为与自己的种族面孔相比,对其他种族的面孔在适应过程中释放更缓慢、更小(即灵敏度更低,与作者的假设相符)。在排除了在30%变形水平上对其他种族脸有负面反应的被试后,对自己种族脸部和其他种族脸部的神经适应性的上升幅度仍有显著差异[t = 6.57, P = 0.000013]

面部形态实验的统计结果图(主要看黑色估计线的差异)

    行为学结果:

   感知相似性任务结果:

   通过拟合两个局部线性函数,将每个被试对相似度的感知与人脸的客观相似度进行相关,来检验黑人和白人人脸的相似度感知阈值是否存在差异。结果表明,被试对黑人面孔的相似度感知阈值的生理差异水平[均值(M) = 65.23,SD = 15.12]高于白人面孔[M =62.2, SD = 13.63, t(21) = 2.32, P = 0.03, d = 0.50]
  
知觉辨别任务:  

   作者使用信号检测方法来分析参与者判断的阈值(c-criterion)。被试的总体灵敏度在不同种族间的面部识别中无显著差异([t(23) =0.31, P = 0.76])。但是相对于白人面孔,被试设定了一个较低的标准来识别相同的黑人面孔t(23) =2.66, P = 0.01, d = 0.54],如图6B所示)。

    再认记忆测试:   

    作者在一个新/旧识别任务(即判断后面出的面部是否在之前出现过)中使用信号检测的方法计算了对黑人和白人人脸的再认记忆水平。重复测量T检验显示,总体敏感性没有种族差异(t (23) = 1.50, P =0.15),但被试对黑人面孔(M = 0.04, SD = 0.38)的识别标准比白人面孔更低(M = 0.34,SD = 0.32, t (23) = 4.05, P < 0.001, d = 0.83,见图6C)这与之前的测试结果一致。

6 B为直觉辨别任务测试结果 C为再认记忆任务测试结果

行为学与脑激活的相关分析结果:

作者在相关分析中没有观察到对种族外去个性化的行为测量值与种族差异适应的神经测量值之间有任何显著的相关性。尽管在行为学结果中的发现与在适应和定位任务中对其他种族面孔的神经敏感性降低的结果相平行(即都反应出了白人对黑人面孔识别的不敏感性),但并没有观察到行为和神经测量之间的显著相关性,这些发现与过去关于FFA活动差异和记忆偏差的研究有所不用。 

总结:

作者认为知觉个性化的种族差异表现为面孔选择皮质的调整和记忆及知觉方面的行为差异。这些结果表明,对其他种族面孔的偏见出现在感官处理的一些早期阶段,并为指导群体间感知的机制增加了进一步的细微差别和特异性。研究结果表明,人类在加工不同族群的面部特征时更倾向于使用将所有不同族群的人统一归类,而对本族人进行个性化处理这一假设是有其早期的神经基础的。     

作者指出,人们对其他社会群体成员进行个性化或合并的程度会产生一系列负面后果。在区分族外群体成员方面的不准确可能导致课堂上的混乱或目击者证词的错误。考虑到范畴处理在更广泛的群体间偏见中所扮演的角色,作者在这里发现的偏见感知机制可能会导致一系列有害的结果,从群体刻板印象的应用到恐惧。

编者注:看来我分不清克里斯蒂安贝尔和布拉德皮特以及汤姆克鲁斯是有原因的!就跟他们分不清我和余文乐还有彭于晏谁帅是一样的道理,是有科学基础的,很客观,不接受反驳。
原文:

Neural adaptation to faces reveals racial outgroup homogeneity effects in early perception

BL Hughes, NP Camp, J Gomez - Proceedings of the , 2019 - National Acad Sciences


微信扫码或者长按选择识别关注思影


如对思影课程感兴趣也可微信号siyingyxf或18983979082咨询。觉得有帮助,给个转发,或许身边的朋友正需要。请直接点击下文文字即可浏览思影科技其他课程及数据处理服务,欢迎报名与咨询,目前全部课程均开放报名,报名后我们会第一时间联系,并保留名额。


第二十八届磁共振脑影像基础班(重庆,7.6-11)


第十四届磁共振脑网络数据处理班(重庆,7.26-31)


第三十届磁共振脑影像基础班(南京,7.31-8.5)


第十六届磁共振脑网络数据处理班(南京,8.12-17)


第十届脑影像机器学习班(南京,6.30-7.5)


第十一届脑影像机器学习班(南京,8.25-30)


第十二届磁共振弥散张量成像数据处理班(南京,6.18-23)


第九届磁共振脑影像结构班(南京,8.6-11)


第七届磁共振ASL(动脉自旋标记)数据处理班(预报名)


第六届任务态fMRI专题班(预报名,南京)


弥散磁共振成像数据处理提高班(预报名)

小动物磁共振脑影像数据处理班(预报名,南京)

第七届脑电数据处理入门班(重庆,8.2-7)


第二十届脑电数据处理中级班(重庆,8.9-14)


第八届脑电数据处理入门班(南京,7.7-12)


第十九届脑电数据处理中级班(南京,7.13-18)

第二十一届脑电数据处理中级班(南京,9.7-12)

第七届眼动数据处理班(南京,7.26-30)

脑电信号数据处理提高班(预报名)

脑磁图(MEG)数据处理学习班(预报名)


近红外脑功能数据处理班(预报名)


数据处理业务介绍:

思影科技功能磁共振(fMRI)数据处理业务

思影科技弥散加权成像(DWI/dMRI)数据处理

思影科技脑结构磁共振成像数据处理业务(T1)


思影科技啮齿类动物(大小鼠)神经影像数据处理业务

思影数据处理业务三:ASL数据处理

思影科技脑影像机器学习数据处理业务介绍


思影数据处理业务四:EEG/ERP数据处理

思影科技脑电机器学习数据处理业务

思影数据处理服务五:近红外脑功能数据处理

思影数据处理服务六:脑磁图(MEG)数据处理


思影科技眼动数据处理服务


招聘及产品:

招聘:脑影像数据处理工程师(重庆&南京)

BIOSEMI脑电系统介绍

目镜式功能磁共振刺激系统介绍