将情境奖励动机与类别表征相结合

《NeuroImage》：Integration of contextual reward motivation with category representations

通过fMRI和RSA分析，发现奖励概率与类别边界距离在基底神经节（尤其是后部尾状核）和前额顶叶-岛叶网络中整合，影响分类决策的神经机制。奖励预测误差激活腹侧纹状体和前扣带回，边界距离误差激活前额叶和顶叶皮层。运动皮层同时编码类别和奖励概率的交互效应，提示奖励信息在决策后阶段影响运动选择。

　　该研究探讨了在进行分类任务时，类别表示与情境信号的奖励可用性如何相互作用，以支持最大化潜在奖励的分类决策。研究参与者在进行功能性磁共振成像（fMRI）扫描时，需要完成一项分类任务，首先会看到一个提示，该提示表明在正确分类后获得奖励的概率，然后对刺激进行分类，如果分类正确，会根据提示的概率获得奖励。研究结合了表示相似性分析（RSA）和单变量测量方法，以识别对类别表示和将分类决策与奖励概率整合至关重要的脑区。结果表明，在右侧前顶叶-纹状体网络中存在类别表示的证据，包括前内侧顶叶皮层（IPS）、下额叶皮层和后尾状核。这些区域对类别结构和奖励概率的整合表现出显著的协同效应。

在分类任务中，参与者不仅要处理刺激本身的类别特征，还需要根据情境中的奖励信号调整其决策过程。这种整合可能发生在多个层面，包括执行阶段和决策后阶段。研究发现，后尾状核对奖励概率和类别结构都敏感，这表明它在整合这些信息中扮演了关键角色。此外，在负责手部反应的运动皮层中也发现了类别和奖励的交互编码，这表明奖励可能通过影响分类决策后的反应选择来促进分类行为。这些发现表明，奖励的可用性可以以两种方式整合到分类表示中：一种是在后尾状核中，它与前顶叶皮层共同构成一个皮质-纹状体回路，用于整合类别信息和奖励信号；另一种是通过在运动皮层中将奖励信息与分类相关的反应选择结合起来，从而优化分类行为的执行。

在研究的理论框架中，分类学习与奖励处理被认为是两个相互关联但又有所区别的过程。分类学习通常涉及对刺激特征的感知和内部结构的编码，而奖励处理则关注于如何利用奖励信息来指导行为。然而，这两者之间可能存在复杂的交互作用，特别是在涉及决策和反应选择的阶段。例如，在决策过程中，奖励信号可能影响参与者对刺激的感知，从而改变其分类策略。而在执行阶段，奖励信号可能通过影响反应选择和执行效率来影响最终的分类结果。

研究采用了一种分类任务，其中刺激的类别由其与两个原型之间的相对心理距离决定。原型刺激最容易分类，因为它们距离相反类别原型较远；而高变形刺激最难分类，因为它们与原型之间的距离较近。通过这种方式，研究者能够控制分类的难度，并观察奖励可用性如何影响分类决策。此外，研究还采用了两种预测误差测量方法：奖励预测误差（RPE）和边界距离误差（BDE）。RPE反映了参与者对奖励的预期与实际获得奖励之间的差异，而BDE则反映了分类反馈与实际类别之间的差异，该差异被归一化为0到1之间的值，以衡量刺激与决策边界的距离。

在功能性磁共振成像分析中，研究者发现RPE和BDE分别激活了不同的脑区。RPE主要与前内侧额叶皮层（vmPFC）和腹侧纹状体相关，而BDE则激活了前顶叶皮层和下额叶皮层。此外，BDE还激活了后尾状核，这表明该区域可能在整合类别结构和奖励信息方面起着关键作用。RSA分析进一步支持了这些发现，显示了类别表示和边界距离在右前内侧顶叶皮层（aIPS）和下额叶皮层中的交互效应。这些结果表明，奖励信息不仅影响分类决策，还可能通过改变分类过程中对刺激特征的感知和反应选择来影响最终的分类结果。

研究还发现，奖励信息在不同的任务阶段被不同的脑区处理。例如，在提示阶段（Cue-RP），奖励信息主要与腹侧纹状体和前尾状核相关；而在刺激呈现阶段（Stim-RP），奖励信息主要与后尾状核和腹侧纹状体相关；而在反馈阶段（Feedback-RPE），奖励信息主要与腹侧纹状体相关。这表明，奖励信息的处理可能具有时间依赖性，并且在不同的任务阶段可能涉及不同的脑区。

此外，研究还发现，奖励信息和边界距离在运动皮层中存在交互效应。这表明，奖励可能通过影响运动决策和执行来增强分类行为。这种交互效应可能反映了奖励信息如何影响参与者在分类任务中的反应选择和执行效率。

综上所述，该研究揭示了奖励信息如何与分类表示相互作用，以支持分类决策的优化。这些发现为理解奖励如何通过神经机制影响行为提供了新的视角，并可能对未来的认知和神经科学研究产生重要影响。研究还指出了一些局限性，例如样本量较小、切片厚度较厚等，这些因素可能影响研究结果的准确性。未来的研究可以进一步探讨这些局限性，并通过更大的样本量和更精细的切片厚度来提高研究的精度和可靠性。