近十年来，麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究人员一直在努力揭示为什么某些图像在人们的记忆中持久存在，而其他许多图像则逐渐消失。为了做到这一点，他们开始绘制参与识别视觉图像的时空脑动力学图谱。现在，科学家们首次利用了同时捕捉大脑活动时间和识别活跃脑区的脑磁图（MEG）和功能性磁共振成像（fMRI）的综合优势，精确确定了大脑何时何地处理一个令人难忘的图像。
他们的开放获取研究成果发表在本月的《PLOS Biology》上，使用了78对在概念上相同但记忆得分不同的图像，其中一个图像非常容易记住，另一个则容易被遗忘。这些图像展示给了15名受试者，包括滑板、各种环境中的动物、杯子和椅子等日常物品、森林和海滩等自然景观、街道和建筑等城市场景，以及展示不同表情的人脸。他们发现，与以前认为的相比，更多的大脑区域参与了构成记忆性的编码和保持过程。
麻省理工学院电气工程和计算机科学专业的博士生、CSAIL成员和该研究的第一作者本杰明·拉纳说：“人们往往记住某些图像比其他图像更好，即使它们在概念上相似，比如不同场景的滑板人。”“我们已经确定了一个视觉记忆的大脑特征，它在看到图像后约300毫秒出现，涉及到腹侧枕叶皮层和颞叶皮层等区域，这些区域处理颜色感知和物体识别等信息。这个特征表明，令人难忘的图像会引发更强烈和持久的大脑反应，特别是在早期视觉皮层等区域，我们之前低估了它在记忆处理中的作用。”
虽然高度记忆性的图像在大约半秒钟内保持了更高和更持久的反应，但对于记忆性较低的图像，反应很快减弱。拉纳解释说，这一发现可能重新定义我们对记忆形成和持久性的理解。该团队设想，这项研究在未来的临床应用中具有潜力，特别是在早期诊断和治疗与记忆相关的疾病方面。
麻省理工学院计算机科学与人工智能实验室高级研究科学家奥迪·奥利瓦领导的MEG/fMRI融合方法巧妙地捕捉到了大脑的空间和时间动态，克服了传统空间或时间特异性的限制。这种融合方法在更好地观察和比较大脑在观看各种图像时的活动方面得到了机器学习的帮助。他们创建了一个“表征矩阵”，类似于一个详细的图表，显示了各个大脑区域中神经反应的相似程度。这个图表帮助他们确定大脑在何时何地处理我们所看到的东西的模式。
选择在记忆性上有高低得分的概念上相似的图像对是解锁这些记忆性洞见的关键因素。拉纳解释了将行为数据汇总以为图像分配记忆性得分的过程，他们策划了一组多样化的高记忆性和低记忆性图像，以平衡不同视觉类别的代表性。
尽管取得了进展，但该团队指出了一些限制。虽然这项工作可以确定显示显著记忆效应的大脑区域，但无法阐明这些区域在如何促进更好的编码/检索记忆方面的功能。
麻省理工学院计算机科学与人工智能实验室高级研究科学家奥迪·奥利瓦说：“理解记忆性的神经基础为临床进展开辟了令人兴奋的道路，特别是在早期诊断和治疗与记忆相关的疾病方面。我们已经确定的记忆性特定的大脑特征可能成为阿尔茨海默病和其他痴呆症的早期生物标志物。这项研究为根据个体的神经特征精确调整的新型干预策略铺平了道路，可能改变记忆障碍的治疗方式，并显著改善患者的预后。”
没有参与该研究的芝加哥大学心理学助理教授威尔玛·贝恩布里奇说：“这些发现令人兴奋，因为它们让我们了解到在看到某物并将其保存到记忆中之间大脑中发生了什么。”“这里的研究人员正在捕捉到一个反映什么是重要记住的大脑信号，以及什么可以在早期被遗忘的皮层信号。”
拉纳和奥利瓦，麻省理工学院计算机科学与人工智能实验室的战略产业合作主任、麻省理工学院-IBM沃森人工智能实验室主任和CSAIL首席研究员，与西方大学助理教授Yalda Mohsenzadeh和约克大学研究员Caitlin Mullin共同撰写了这篇论文。该团队承认得到了美国国立卫生研究院的共享仪器资助，并且他们的工作得到了Vannevar Bush教职资助计划通过海军研究办公室的资助、国家科学基金会奖、军队研究办公室的多学科大学研究计划奖以及EECS MathWorks奖学金的资助。他们的论文发表在《PLOS Biology》上。
