企业官网建设流程全解析

用视觉学会，能否只靠触觉认出来？一套 134 人多模态 fMRI 数据集的价值与陷阱

原论文：Larg-scale multimodal fMRI dataset of visual and haptic 3D object category learning（原文标题如此）
作者：Sepideh Tabrik, Sama Rahnemayan, Martin Tegenthoff, Mehdi Behroozi
期刊：Scientific Data13, 1064 (2026)
DOI：10.1038/s41597-026-07814-y

30 秒看懂这篇论文

• 研究问题：视觉学到的陌生物体类别，能否在没有视觉输入时通过触觉识别？反过来又如何？
• 使用方法：134 名参与者完成视觉/触觉相似性评分或两天的类别学习实验；后者同时采集任务态与四个时间点的静息态 fMRI。
• 核心发现：视觉与触觉的群体平均相似性结构高度一致；四组在训练后都达到较高分类准确率，并能在同模态或跨模态测试中维持表现；数据的运动控制、任务激活和静息态网络复现性总体可用。
• 主要贡献：不是提出一个新模型，而是发布一套把陌生 3D 物体、跨模态迁移、纵向静息态和任务态 fMRI 连在一起的开放数据资源。
• 最大局限：它证明了数据“值得继续分析”，却不能单凭这些描述性结果证明跨模态表征机制或学习导致了某种脑网络变化。

1. 为什么这套数据值得精读？

日常识别充满跨模态迁移：我们看过钥匙后，可以在包里摸出来；摸过一个零件，也可能只看轮廓就认出它。既往研究常用熟悉物体，记忆和语义知识会混入感知；参数化几何体又可能过于规则；只用二维图片则绕开了真实触摸。作者因此抓住一个清楚的研究缺口：能否用既陌生、又具有自然形态复杂度、还能以视觉和触觉两种方式呈现的 3D 物体，系统研究类别知识的跨模态迁移？

论文使用 Virtual Phylogenesis（VP）算法，从二十面体出发模拟“细胞分裂、生长和运动”，产生所谓 digital embryos（数字胚胎）。研究选取第三代中的 16 个物体，分属两个类别，每类 8 个；颜色、尺寸、材料、重量等非形状线索尽量保持一致。视觉条件用 VR 或旋转视频，触觉条件用表面打磨一致的 3D 打印实体。

来源：原论文 Figure 1，PDF 第 4 页；忠实整图裁剪，DOI: 10.1038/s41597-026-07814-y。

Figure 1 是全篇的地图。它把问题拆成三层：先验证两种感觉是否把 16 个新物体组织成相近的相似性空间；再让参与者用视觉或触觉学习类别；最后在同一模态或另一模态中测试，并在学习前、学习后、24 小时后测试前、测试后采集静息态数据。

2. 实验到底怎样做？

2.1 两套样本，而不是同一批人完成所有任务

论文共分析 134 人。相似性评分任务有 50 人：视觉组 25 人（平均年龄 23.7±2.6 岁，13 名女性），触觉组 25 人（24.9±4.6 岁，13 名女性）。因此后面的“视觉—触觉相似性相关”是两个独立群体的平均矩阵之间的相关，不是同一个人在两种模态中的配对一致性。

类别学习最初招募 96 人，12 人因技术问题、第二天缺席或训练准确率不足而排除，最终 84 人进入分析：Visual–Visual（VV）19 人、Haptic–Haptic（HH）22 人、Visual–Haptic（VH）22 人、Haptic–Visual（HV）21 人。参与者均为右利手、以年轻健康成人为主，这对减少异质性有利，却限制了向左利手、老年人或临床人群外推。

研究获得鲁尔大学波鸿医学院伦理批准（No. 17-6184），参与者签署了参与与数据共享知情同意。

2.2 相似性评分：先确认“两个类别”在感觉上站得住

每位参与者评价 136 个物体对，量表从 1（完全不同）到 7（完全相同），且事先不知道存在两个类别。视觉组在 HTC Vive 环境中旋转物体，每个物体探索 4 秒；触觉组戴眼罩、双手触摸，每个物体 8 秒。作者没有规定“相似”的定义，因此评分综合了参与者自选的形状特征。

来源：原论文 Figure 2，PDF 第 10 页；忠实整图裁剪，DOI: 10.1038/s41597-026-07814-y。

数据观察：两种模态的平均相似性矩阵相关约为r=0.80（图内标为 rho=0.7959，论文写p=0.000，应理解为p<0.001，而不是概率真的等于零）。多维尺度分析（MDS）在二维时的 stress 已低于 0.2，视觉和触觉空间都出现两团与 VP 类别对应的对象。

作者解释：陌生物体的类别结构能跨视觉与触觉被一致感知。更谨慎的说法是：群体层面的两种感觉组织方式高度相似。由于两组参与者不同、每个物体对只评分一次，这里不能直接推出个体内部存在同一套模态无关表征。

2.3 类别学习：四种“训练→测试”路径

第一天在扫描仪外训练，第二天在 3T 扫描仪内测试。VV 与 HH 是同模态条件，VH 与 HV 是跨模态条件。训练只使用 8 个 primed objects，共 7 个 run、每个 run 32 个 trial；测试使用全部 16 个物体，共 5 个 run、每个 run 32 个 trial，因此未训练物体能检验类别抽象，而不只是记住单个物体。

视觉训练以 4 秒 VR 主动探索呈现，触觉训练以 8 秒双手探索呈现。扫描内视觉测试改为 4 秒旋转视频；触觉测试为 8 秒触摸，并用脚趾按键作答，以尽量减少手部运动与探索动作的混淆。四次 10 分钟静息态扫描分别位于训练前、训练后、第二天测试前和测试后。

扫描参数较完整：3T Philips Achieva、32 通道头线圈；任务态 EPI 的 TR=2 s、TE=24 ms、体素 2×2×3 mm³、multiband factor=2；静息态 TR=2.5 s、TE=35 ms、体素同为 2×2×3 mm³。任务态流程包括 dcm2niix、MCFLIRT、5 mm FWHM 平滑、ICA-AROMA、高通滤波和配准；组水平用 5000 次置换、TFCE 与 FWE 校正（p<0.05）。

3. 行为证据：迁移发生了，但不要把“无显著差异”当作等价

来源：原论文 Figure 3，PDF 第 10 页；忠实整图裁剪，DOI: 10.1038/s41597-026-07814-y。注意：当前 PDF 实际只显示 HH 与 VH 两个面板，但图注还描述了 VV 与 HV 两个面板。

四组训练准确率都随 run 上升，线性回归的r² 为 0.824–0.917。最后三个训练 run 的均值分别为 HH 94.01±1.38%、VH 92.78±1.55%、VV 93.33±1.52%、HV 90.16±1.49%；测试均值分别为 91.65±1.57%、90.12±2.04%、93.07±1.76%、87.30±2.54%。这支持“参与者学会了类别，并能把知识用于未训练物体”的观察。

作者还报告，最后一个训练 run 到第一个测试 run 的下降在 VH、HV、HH 中显著，在 VV 中不显著，并据此推测触觉新颖性或跨模态回忆在最初测试阶段增加了难度。这个解释是合理假设，但不是唯一解释：训练与测试环境、刺激呈现方式、作答效应器和时间间隔同时改变。尤其 VH/HV 不只改变感觉模态，也改变了扫描内外环境与反应方式。

论文以组间t检验“未发现显著差异”，但未给出支持等价性的预设界值或等价检验。因此正确结论是数据没有检出组间差异，而不是四种条件已被证明表现完全相同。

4. 数据质量：运动总体可控，但长程触觉扫描仍有尾部风险

来源：原论文 Figure 4，PDF 第 11 页；忠实整图裁剪，DOI: 10.1038/s41597-026-07814-y。

Figure 4 显示平均 FD 大多集中在低值区域。超过 0.9 mm 的体积比例从静息态的约 0.1% 上升到第二天 post-rest 的 1.8%。分析把超阈值体积作为 GLM 混杂回归量；若某个 session 超过 15% 体积越界，或位移超过半个体素，则排除该 session。完整数据仍对用户开放。

来源：原论文 Figure 5，PDF 第 12 页；忠实整图裁剪，DOI: 10.1038/s41597-026-07814-y。

来源：原论文 Figure 6，PDF 第 13 页；忠实整图裁剪，DOI: 10.1038/s41597-026-07814-y。

平移主要沿 z 轴出现较多越界，从 Run 1 的 0.5% 增至 Day 2 post-rest 的 4.5%；旋转则以 pitch（x 轴）最突出，post-rest 达 5.1%。作者认为这可能是较长触觉扫描中的渐进性头漂移。我的判断是：这些图支持“总体可分析”，但后续做细粒度连接、个体差异或跨 session 比较时，仍应复核每个受试者、每个 run 的运动分布，而不能只凭汇总小提琴图放心。

5. 脑成像结果更像数据验收，不是机制定论

来源：原论文 Figure 7，PDF 第 14 页；忠实整图裁剪，DOI: 10.1038/s41597-026-07814-y。

Figure 7 的价值是“sanity check”。触觉测试的 HH 与 VH 组广泛激活中央后回、中央前回、小脑和部分丘脑/岛叶；视觉测试的 VV 与 HV 组则出现外侧枕叶、梭状/颞枕区域及运动相关区域的显著激活。蓝色去激活多位于默认网络及任务无关区域。结果与任务要求基本相符，说明 BOLD 数据具有预期的感觉与运动拓扑。

但这些是四组分别相对基线的阈值图，不能通过“某组有显著、另一组没有显著”直接推出组间差异，更不能证明某脑区专门编码跨模态类别。真正回答机制问题，需要在统一模型中做组间交互、表征相似性分析（RSA）、多变量模式分析（MVPA）或跨模态解码，并严格处理反应方式差异。

来源：原论文 Figure 8，PDF 第 16 页；忠实整图裁剪，DOI: 10.1038/s41597-026-07814-y。

静息态 ICA 在四个时间点均恢复出默认模式网络（DMN）、外侧视觉网络（LVN）和躯体感觉运动网络（SMN）。论文以 ICC(3,1) 衡量空间图复现性：DMN 0.730，LVN 0.658，SMN 0.646；全部网络范围约 0.56–0.73。按照论文自己引用的阈值，0.50–0.74 属“中等”，因此把 0.646 称为“good”与前文标准不一致。更重要的是，中等 ICC 能支持数据具有可重复结构，却不能单独证明 session 间变化必然是“真实神经生理变化而非测量不稳定”。

6. 开放性、可复现性与需要先修的细节

数据按 BIDS 组织，包含participants.tsv、两天的ses-01/ses-02、T1、任务态和静息态 NIfTI、事件 TSV 与 JSON 元数据。原始神经影像、预处理影像、相似性评分和静息态 ICA 结果分别托管在 ReSeeD、Mendeley Data 与 Zenodo；相似性任务和神经影像处理代码均在 GitHub 提供。这是该工作的最大实用价值：研究者不必重新搭建昂贵的跨模态扫描实验，就能检验新的表示与连接假设。

不过，复现前至少要核对四个文本层面的红旗：

1. Methods 中训练物体列表把obj2、obj3同时列入两个类别，按逻辑应有笔误，必须以公开刺激清单和事件文件为准。
2. 静息态 ICA 段落写“四组（TT, VH, HV, VV）”，其中TT很可能应为HH。
3. 当前 PDF 的 Figure 3 画面只见 HH、VH 两个面板，图注却描述 A–D 四组；分析 VV/HV 时应直接读开放数据，而不是从图上取值。
4. 任务态明确说 multiband 数据未做 slice-timing correction，静息态却写使用slicetimer；预处理仓库应被视为最终可审计依据。

此外，论文把多个“未显著”结果用于支持可比性，却少报效应量和置信区间；没有无训练对照组，也使四个静息态时间点的变化难以唯一归因于类别学习。基线扫描前刻意不告知具体任务，之后认知状态自然不同，这一点作者已提醒，但后续使用者仍容易把时间效应误写成学习因果效应。

7. 这套数据最适合做什么？

它特别适合四类后续研究：第一，用 RSA 或跨模态 MVPA 检验视觉学习的类别边界能否由触觉模式解码，反之亦然；第二，比较 primed 与 non-primed objects，区分类别抽象和个体物体记忆；第三，用纵向连接分析研究训练前后网络变化，同时加入运动、session 顺序和基线信息差异作为混杂；第四，把行为相似性矩阵与脑区表征距离对齐，检验群体层面的感知空间是否映射到 LOC、顶叶或岛叶等候选网络。

工程上最重要的原则是：先从事件文件重建每个 trial 的对象、类别、模态和反应，再验证论文中的对象编号与组名；先做留一被试或严格跨被试验证，再讨论“模态无关”；先报告效应量、不确定性与负结果的检验能力，再谈机制。

一份更稳妥的复分析路线

第一步应做数据账本，而不是立刻训练分类器。逐个核对 84 名参与者在 BIDS 元数据、行为事件、五个任务 run 和四次静息态中的可用状态，并把论文 Table 1 的 session 级排除与实际文件对应起来。行为侧要确认 primed/non-primed 清单、类别标签和缺失反应规则；影像侧要记录每个 run 的 FD、平移、旋转、剔除体积数与最终有效时间点。只有这一步完成，跨组差异才不会被不同缺失模式误导。

第二步是重做行为统计。把 trial 嵌套在 run、run 嵌套在参与者中，用混合效应模型估计模态、训练方式、对象是否见过及其交互；同时报告准确率差、优势比或边际均值的置信区间。若目标是主张四组“相当”，应预先定义有实际意义的等价界值并做 equivalence test，而不是依赖普通检验的p>0.05。最后训练到阈值且排除低表现者会产生选择效应，敏感性分析应说明结论在包含较低表现者或改变阈值时是否稳定。

第三步才进入脑表征。一个有说服力的跨模态解码应当在视觉数据上训练、触觉数据上测试，反向再做一次；划分必须以参与者为单位，且同一对象的重复 trial 不能同时泄漏到训练和测试。还可以专门在未训练对象上评估，以检验类别规则而非对象记忆。如果模型只在同模态内有效、跨模态失败，这也是有信息量的负结果，不能通过反复选择脑区或时间窗把它“调”成阳性。

第四步是纵向静息态。四个时间点提供了很诱人的学习轨迹，但没有无训练对照，因此应优先报告个体内变化、置信区间和对运动回归策略的敏感性。可以分别比较训练前后、跨天基线和测试前后，再检验变化是否与行为提升相关；但即使相关，也要保留疲劳、熟悉扫描环境、睡眠/昼夜节律和第二天预期等替代解释。对 ICA、全脑连接和种子分析进行多重比较控制，并用不同去噪方案复核，远比只展示一张漂亮的网络差异图重要。

最后，视觉和触觉条件采用不同探索时间、呈现设备与作答效应器，这些不是可以完全“回归掉”的小噪声，而是设计的一部分。最可靠的问题不是“视觉和触觉哪一个脑区更强”，而是：在各自模态内控制基本感觉—运动需求后，类别结构是否还能跨模态泛化，以及这种泛化能否预测个体的行为迁移。把问题限定得更窄，反而更接近这套数据真正能回答的范围。

总结

这篇 Data Descriptor 的亮点，不在于已经回答“跨模态概念存在哪里”，而在于把一个难以采集的问题变成了可重复分析的公共资源：陌生自然形态 3D 物体、视觉与触觉、同模态与跨模态、任务态与四时间点静息态被纳入同一设计。行为、运动和网络图显示数据总体可信；同时，样本范围、反应方式混杂、无训练对照、若干文本与图注不一致，决定了它更适合被当作高价值的假设生成与验证平台，而不是一项已经封闭机制解释的终局证据。

参考资料与数据入口

• 原论文：https://doi.org/10.1038/s41597-026-07814-y
• 原始神经影像数据：ReSeeD DOI 10.60517/0874db71-e087-444b-96eb-41b97dc49a7d
• 预处理神经影像数据：ReSeeD DOI 10.60517/80bf4025-2594-4a46-93b2-b729867d6d48
• 相似性评分数据：Mendeley Data
• 相似性任务代码：GitHub
• 神经影像处理代码：GitHub