🧠 neuroscience

Featural representation and internal noise around the visual field

본 연구는 역상관(reverse correlation)과 노이즈 관찰자 모델링(noisy-observer modeling)을 활용하여 시각적 수행 능력에서의 수평-수직 이방성(HVA)이 특징 가중치와 내부 노이즈의 체계적인 개인차로부터 발생한다는 것을 입증하는 한편, 수직-경선 비대칭성(VMA)은 테스트된 표상적 또는 노이즈 구성 요소들로는 여전히 상당 부분 설명되지 않은 상태로 남아 있음을 보여준다.

원저자: Xue, S., Landy, M., Carrasco, M.

게시일 2026-08-05

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Xue, S., Landy, M., Carrasco, M.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

당신의 눈이 고화질 카메라와 같다고 상상해 보세요. 하지만 모든 곳이 완벽하게 선명한 대신, 렌즈에 기묘한 특성이 있습니다. 어떤 방향으로는 이미지가 더 선명하게 보이고 다른 방향으로는 그렇지 않은 것이죠. 정면을 응시할 때, 당신의 시야는 위아래를 볼 때보다 좌우를 볼 때 실제로 더 좋습니다. 더 이상한 점은, 위를 볼 때보다 아래를 볼 때 더 잘 보인다는 것입니다. 과학자들은 이를 시각의 '성능장(performance field)'이라고 부릅니다. 오랫동안 연구자들은 이것이 단순히 우리 뇌가 상단보다 좌우 및 하단 영역에 더 많은 '픽셀'(뉴런)을 할당하고 있기 때문에 발생한다고 생각했습니다. 마치 좌우 공장에 더 많은 인력을 배치한 것과 같습니다. 하지만 반전이 있습니다. 과학자들이 시각적 영역의 크기를 일꾼의 수와 일치하도록 조정했을 때도, 시각의 차이는 완전히 사라지지 않았습니다. 이는 단순히 우리가 얼마나 많은 '일꾼'을 가졌느냐의 문제가 아니라, 그들이 '어떻게' 일을 하느냐의 문제임을 시사합니다. 그들은 올바른 신호에 귀를 기울이고 있을까요? 아니면 소음에 의해 방해받고 있는 걸까요?

이 논문은 뇌를 정적 속에서 숨겨진 신호를 찾으려는 탐정처럼 다룸으로써 이 미스터리를 파헤칩니다. 연구자들은 우리의 시각적 불균형이 뇌가 서로 다른 시각적 단서(예: 선의 각도나 얼마나 '흐릿한지' 등)에 가중치를 두는 방식 때문인지, 아니면 뇌의 의사 결정 과정을 방해하는 내부적인 '정적'이나 노이즈 때문인지를 알고 싶어 했습니다. 그들은 '역상관(reverse correlation)'이라는 영리한 기술을 사용했는데, 이는 마치 탐정이 어떤 단서를 무시하고 어떤 단서에 집중했는지를 관찰함으로써 범죄를 해결하는 과정을 지켜보는 것과 같습니다. 사람들이 노이즈가 섞인 이미지 속에서 희미한 패턴을 찾아내는 방식을 분석함으로써, 그들은 뇌가 정확히 어떤 특징에 주의를 기울이는지, 그리고 얼마나 많은 '뇌 안개(내부 노이즘)'가 방해가 되는지를 지도화할 수 있었습니다.

연구 결과, '좌우 대 위아래'의 차이(수평-수직 이방성, HVA라고 불림)는 실제로 뇌가 두 가지 특정 사항을 어떻게 처리하는지와 관련이 있다는 것이 밝혀졌습니다. 바로 선의 각도에 대한 민감도와 '개인적 노이즈'(무작위적인 뇌의 정적)의 양입니다. 만약 어떤 사람의 뇌가 수평선을 포착하는 데 특히 뛰어나고 옆을 볼 때 정적 노이즈가 적다면, 그 사람은 그 방향으로 더 큰 시각적 이점을 보입니다. 그러나 '하단 대 상단'의 차이(수직-자오선 비대칭, VMA라고 불림)는 다소 미스터리합니다. 연구자들은 뇌가 선의 각도를 어떻게 다루는지, 흐릿함을 어떻게 처리하는지, 혹은 노이즈의 양이 얼마인지 등 그들이 테스트한 그 어떤 특징도 왜 우리가 위를 볼 때보다 아래를 볼 때 더 잘 보이는지를 일관되게 설명할 수 없다는 것을 발견했습니다. 이는 뇌가 그 특정 비대칭성을 위해 아직 알려지지 않은 다른 레시피를 사용하고 있음을 시사합니다.

요약하자면, 이 논문은 우리의 불균형한 시야가 단순히 특정 지점에 더 많은 뇌세포를 가지고 있기 때문이 아니라는 점을 시사합니다. 대신, 그것은 세포들이 특정 시각적 특징에 귀를 기울이도록 어떻게 조율되어 있는지와 그들이 얼마나 많은 내부 정적을 처리해야 하는지의 혼합물입니다. 우리는 이제 옆을 보는 것이 위나 아래를 보는 것보다 왜 더 쉬운지에 대한 꽤 괜찮은 지도를 갖게 되었지만, 왜 아래를 보는 것이 위를 보는 것보다 더 쉬운지는 이 연구가 사용한 도구로는 풀 수 없었던 여전히 남겨진 숙제로 남아 있습니다.

기술 요약: 시야 주변부의 특징적 표현과 내부 노이즈

문제 제기
인간의 시각 수행 능력은 시야 전반에 걸쳐 체계적인 비균질성을 보이며, 이는 두 가지 강력한 극각(polar-angle) 비대칭성으로 특징지어진다. 하나는 수평적 우위가 수직적 우위보다 높은 수평-수직 비대칭성(HVA)이고, 다른 하나는 하측 시야가 상측 시야보다 우수한 수직-경선 비대칭성(VMA)이다. 이러한 수행 영역은 대조 감도와 공간 해상도 전반에서 잘 문서되어 왔으나, 비균일한 신경 자원(예: 망막 샘플링 밀도, 피질 확대율)을 이러한 지각적 비대칭성으로 변환하는 시스템 수준의 계산 과정은 여전히 미개척 영역으로 남아 있다. 기존의 "신경 세포 수(neural count)" 가설은 성능 차이가 특정 위치를 표상하는 신경 조직의 양의 변화에 의해서만 발생한다고 제안하지만, 광학적 및 망막적 불균질성만을 포함하는 이미지 계산 모델은 행동 변산성(H HVA의 경우 약 40%, VMA의 경우 약 10%)의 일부만을 설명할 뿐이다. 또한, 해부학적 비대칭성은 신경 자원이 어떻게 행동적 결정으로 전환되는지를 명시하지 않는다. 본 연구는 이러한 비대칭성이 특징적 표현(특징의 가중치를 결정하는 지각 템플릿)에서 기인하는지, 내부 노이즈(결정 과정의 한계)에서 기인하는지, 혹은 두 가지 모두에서 기인하는지를 규명함으로써 이 간극을 해결하고자 한다.

방법론
저자들은 특징 가중치(feature weighting)와 내부 노이즈의 기여도를 분리하기 위해 신호 탐지 과제와 결합된 정신물리학적 역상관(reverse correlation) 및 노이지 옵저버(noisy-observer) 모델을 사용하였다.

실험 설계: 12명의 피험자가 수평, 하측 수직, 상측 수직 경선을 따라 등각 거리( $6^\circ$ )에서 주변부 방향 탐지 과제를 수행하였다. 자극은 필터링된 노이즈(1–4 cpd) 내에 삽입된 가보 패치(수평 방향, 2 cycles/degree)였다. 신호 대조도는 약 70%의 정확도를 유지하도록 조절되었다.
이중 통과 일관성(Double-Pass Consistency): 내부 노이즈 추정치를 제한하기 위해, 동일한 타겟 자극이 한 블록 내에서 두 번 제시되는(독립적으로 생성된 디스트랙터 포함) 이중 통과 설계를 활용하였다. 반응 일관성(반복된 자극에 대한 동일한 반응의 비율)은 내부 노이즈에 대한 직접적인 행동적 제약 조건 역할을 하였다.
정신물리학적 역상관: 저자들은 자극 특징(방향 및 공간 주파수)의 시행 간 변동이 이진 탐지 반응에 미치는 영향을 분석하여 피험자별 지각 템플릿을 추정하였다. 이는 신호 부재(signal-absent) 시행을 사용하여 노이즈에 의한 결정 변동을 격리하기 위해 프로빗 링크(probit link)를 가진 다변량 일반화 선형 모델(GLM)을 사용하여 수행되었다. 도출된 가중치 맵은 방향 이득/대역폭 및 공간 주파수 이득/대역폭의 1차원 튜닝 함수를 유도하기 위해 마진화(marginalized)되었다.
노이지 옵저버 모델: 결정 변수가 추정된 지각 템플릿과 자극 에너지 프로파일의 내적(inner product)으로 계산되는 계산 모델을 구축하였다. 이 결정 변수는 세 가지 잠재적 노이즈 원인, 즉 가산 노이즈(additive noise, 각 통과에 고유함), 승법 노이즈(multiplicative noise, 고유하며 신호 의존적임), 그리고 공유 노이즈(shared noise, 이중 통과 쌍 전체에 공통임)에 의해 오염된다. 모델 파라미터는 시행별 탐지 반응과 이중 통과 일관성의 가능도(likelihood)를 동시에 최대화함으로써 공동 추정되었다.

주요 결과

행동적 비대칭성 확인: 대조 감도는 견고한 HVA 및 VMA 패턴을 보였다. 그러나 반응 일관성, $d'$ , 정확도 및 반응 시간은 위치 간에 유사하게 나타났으며, 이는 전반적인 과제 난이도나 속도-정확도 절충(speed-accuracy trade-offs)이 비대칭성을 유발하지 않았음을 시사한다.
특징적 표현 (방향):
- 집단 수준에서 방향 민감도(이득)와 선택성(대역폭)은 경선 간에 유의미한 차이를 보이지 않았다.
- 결정적으로, 개인차에서의 방향 민감도 비대칭성은 대조 감도의 HVA 크기를 예측했다. 방향 이득에서 수평 경선 우위가 더 강한 피험자일수록 더 큰 HRA를 보였다.
- 반면, 방향 민감도 비대칭성은 VMA의 크기를 예측하지 못했다.
특징적 표현 (공간 주파수):
- 공간 주파수 튜닝은 상당한 개인차를 보였으며, 종종 신호 주파수보다 낮은 지점에서 정점을 찍었다(1 cpd vs. 2 cpd 신호).
- 공간 주파수 이득이나 대역폭 비대칭성 모두 HVA 또는 VMA의 크기를 신뢰성 있게 예측하지 못했다.
내부 노이즈:
- 모델 적합 결과, 가산 및 공유 노이즈를 포함하는 모델(승법 노이즈 제외)이 데이터를 가장 잘 설명하였다.
- 집단 수준에서 가산 및 공유 노이즈 크기는 극각에 따라 균일하였다.
- 그러나, 개인차에서의 가산 노이즈 비대칭성은 HVA의 크기를 예측했다. 낮은 가산 노이즈를 보이는 수평 경선 우위의 피험자일수록 더 큰 HVA를 보였다.
- 가산 노이즈나 공유 노이즈의 비대칭성 모두 VMA 크기를 예측하지 못했다.
HVA와 VMA의 분리: 본 연구는 HVA가 방향 민감도와 가산 내부 노이즈의 체계적 변이에 연결되어 있는 반면, VMA는 테스트된 특징적 또는 노이즈 구성 요소에 의해 신뢰성 있게 설명되지 않는다는 것을 발견하였다.

주요 기여

시스템 수준의 특성화: 본 연구는 해부학적 "신경 세포 수" 설명을 넘어, 감각 입력을 지각적 결정으로 변환하는 시스템 수준의 계산(특징 가중치 및 노이즈 구조)을 특성화한다.
방법론적 통합: 역상관(지각 템플릿 추정용)과 이중 통과 일관성에 의해 제약된 노이지 옵저버 모델을 결합함으로써, 저자들은 시야 비대칭성에 대한 특징적 표현과 내부 노이즈의 기여도를 성공적으로 분리하였다.
비대칭성의 분리: 본 연구는 HVA와 VMA가 부분적으로 분리 가능한 현상이라는 증거를 제공한다. HVA는 특정 계산적 징후(방향 민감도 및 가산 노이즈)와 연관되어 있는 반면, VMA는 테스트된 특징 가중치 및 결정 단계 노이즈의 틀 안에서는 명확한 설명이 결여되어 있다.

의의 및 주장
저자들은 시각 수행 영역이 단일한 시각적 병목 현상에 의해 구동되는 것이 아니라, 관련 특징 정보를 인코딩하는 방식과 신경 노이즈의 위치 특이적 조합에 의해 구동된다고 주장한다. 구체적으로, HVA는 과제 관련 방향의 특징 가중치 및 가산 내부 노이즈의 체계적 변이를 반영한다. 본 연구는 VMA의 메커니즘을 규명하는 데 있어 현재의 과제와 모델이 최적화되지 않았을 수 있음(예: 특징 선택성보다는 민감도에 의존하는 메커니즘)을 언급하며, VMA의 메커니즘을 식별했다고 주장하지 않는다.

이 프레임워크는 널리 알려진 지각적 비대칭성을 시스템 수준의 계산과 연결하는 원칙적인 접근 방식을 제공한다. 저자들은 추정된 템플릿과 노이즈 파라미터가 단일 뉴런의 특성을 직접 측정하는 것이 아니라, 집단 수준의 필터링과 풀링(pooling)을 요약하는 "효과적인 행동 양량(effective behavioral quantities)"임을 강조한다. 결과는 비균일한 신경 샘플링이 수행 영역의 기질을 제공하지만, 정보가 필터링되고 풀링되는 방식, 즉 추가적인 판독(readout) 제약 조건이 최종적인 지각적 비대칭성을 결정한다는 것을 시사한다. 본 연구는 HVA가 민감도와 연결되어 있으며, 이는 아마도 수평 경선의 더 강한 신경 자원 우위 때문일 것이라고 결론짓는다. 반면, VMA의 계산적 기초는 현재의 탐지 과제의 범위를 넘어서는 메커니즘에 대한 추가 조사가 필요한 미해결 과제로 남겨두었다.

유사한 논문