空间新颖性梯度编码：人类大脑海马长轴与后内侧皮层的层级表征

《Nature Communications》：Graded encoding of spatial novelty scales in the human brain

本研究针对空间导航中新颖性检测的神经机制这一未解难题，通过7T高场强功能磁共振成像（fMRI）结合虚拟现实导航范式，揭示了人脑对空间新颖性-熟悉度过渡的梯度编码规律。研究发现海马前后极分别偏好熟悉与新颖空间信息，而后内侧皮层呈现从默认模式网络核心区向视觉/额顶网络的环状梯度。静息态功能连接分析进一步证实了海马-皮层梯度间的内在耦合。该研究为理解空间认知的层级组织原则提供了新视角，对记忆障碍研究和类脑智能开发具有重要启示。

　　

当我们穿行在熟悉的街道时，大脑能自动调取空间记忆指引方向；而置身陌生环境时，神经系统又会如何应对？这种从新颖到熟悉的空间信息转换，其背后的神经编码机制一直是认知神经科学的核心谜题。传统研究多聚焦海马体在空间记忆中的作用，但近年证据表明，新颖性检测可能同样关键——它不仅能触发学习信号，还可能通过特定神经通路塑造我们对空间的认知。然而，由于技术限制和实验范式差异，学术界对空间新颖性处理的脑机制仍缺乏系统认识，特别是能否用梯度编码模型解释全脑范围的协同工作模式尚待探索。

为解开这一谜团，复旦大学类脑智能科学与技术研究院的Jorn A. Quent、Deniz Vatansever等团队在《Nature Communications》发表最新研究，通过超高场强7T功能磁共振成像（fMRI）记录受试者在虚拟现实环境中自由导航时的脑活动，首次揭示了空间新颖性-熟悉度在大脑中的梯度编码规律。研究发现不仅证实了海马长轴的功能分化，更发现了后内侧皮层的中心-外周式梯度组织，以及海马-皮层梯度间的内在耦合，为理解空间认知的宏观组织原则提供了新框架。

关键技术方法

研究招募56名健康受试者，采用基于Unity3D开发的物体位置记忆任务（Object Location Memory Task），在7T fMRI下采集虚拟导航过程中的脑活动数据。通过沃罗诺伊镶嵌（Voronoi tessellation）将虚拟环境划分为100个六边形区域，结合访问次数和时间间隔计算连续空间新颖性评分。采用人脑连接组计划（HCP）最小预处理流程处理神经影像数据，通过一般线性模型（GLM）和置换检验分析脑区对6个新颖性等级的反应，并开发基于皮质表面深度的搜索算法识别梯度结构。静息态功能连接分析采用贝叶斯分层模型验证海马与后内侧皮层的耦合模式。

建模空间新颖性的虚拟导航

受试者在直径180虚拟米（vm）的圆形虚拟环境中自由导航，通过按钮控制前进和旋转，完成物体位置记忆任务。环境被划分为100个六边形区域，通过计算区域访问频率和重访时间间隔，构建出连续的空间新颖性评分模型。行为数据显示，受试者在新颖区域停留更久且旋转动作增多，表明新颖空间引发更深入的认知加工。随着实验推进，新颖性评分显著下降（第一轮-0.48 SD，第二轮-0.71 SD），印证了环境熟悉化过程。

海马长轴的空间新颖性梯度映射

fMRI分析显示，双侧海马前部对熟悉空间反应更强，而中后部偏好新颖空间。为精确刻画梯度，研究团队开发了基于海马曲率的法向投影法，将体素映射到长轴坐标上。组水平分析发现海马后部到前部存在显著的新颖性-熟悉度梯度（左半球β=0.021，右半球β=0.039），个体水平分析进一步验证右半球梯度更强。这一梯度与海马受体分布、基因表达等生理梯度相呼应，提示功能分化具有多尺度基础。

空间新颖性尺度向后内侧皮层的扩展

皮层分析发现，视觉网络和额顶网络区域对新颖空间反应更强，而体感运动、腹侧注意和默认模式网络偏好熟悉空间。当将显著顶点投射到功能连接梯度上时，新颖性与熟悉性响应呈现高度分离（SVM分类精度95.17%）。通过深度优先搜索算法，研究在后内侧皮层发现独特的环状梯度：以默认模式网络核心区后扣带回31pd/31pv为熟悉性响应中心，向外周视皮层（如楔前叶和压后皮层）逐渐过渡为新颖性偏好，形成类似功能连接梯度的中心-外周组织。

跨空间新颖性尺度的海马-皮层连接

静息态功能连接分析表明，具有相同新颖性偏好的海马体素与后内侧皮层顶点间连接更强（组水平效应值0.0831 SD）。这一耦合模式与任务激活梯度相互印证：前海马与默认模式网络连接更密，后海马则与视觉/额顶控制网络协同。梯度间内在连接性的发现，为海马-皮层系统在空间信息处理中的协同计算提供了新证据。

研究结论与意义

本研究通过高精度神经影像技术，系统揭示了空间新颖性-熟悉度在大脑中的梯度编码原则。海马长轴的功能梯度（前部熟悉/后部新颖）与后内侧皮层的环状梯度相互呼应，且梯度间通过内在功能连接实现耦合。这一发现将传统二分类的"新颖性检测"概念提升为连续梯度模型，解释了空间信息如何在多脑区协同下实现平滑过渡。在理论层面，梯度编码机制可能是一种普适性脑组织原则，不仅适用于空间认知，也可能延伸到语义记忆、情景想象等领域。在应用层面，该研究为阿尔茨海默病等记忆障碍的早期诊断提供了新靶点——海马后部与后内侧皮层的梯度异常可能成为疾病生物标志物。此外，梯度计算机制的揭示也为开发具有自适应学习能力的类脑导航算法提供了生物学启发。

值得注意的是，研究发现的"记忆驱动vs感知驱动"双加工模型（前海马依赖记忆图式，后海马响应感知突显）调和了以往海马功能研究的矛盾结论，为理解 hippocampal long axis（海马长轴）功能分化提供了新视角。未来研究需进一步探索跨环境、跨空间尺度的梯度稳定性，以及非线性的编码特征如何支持真实世界的复杂导航。