視覺表象個體差異及其神經基礎*

葉曉燕 張得龍 常 松 劉 鳴

(1華南師范大學心理學院, 廣州 510631) (2魯東大學教育科學學院, 山東 煙臺 264025)

表象(mental imagery), 亦稱心像, 是事物不在面前時頭腦中出現的事物的感性形象。這一感性形象的產生涉及人類獨特的信息表征方式, 即圖畫式表征(pictorial representations)。以這類獨特的信息表征方式為載體, 人類大腦形成了具有“觸類旁通” “舉一反三” “見微知著” “融會貫通”的心理加工模式, 是目前人工智能設備不能復制的。然而, 在心理學研究歷史上, 這一獨特信息表征方式的研究一波三折(劉鳴, 2004), 出現了著名的“表象之爭” (Pearson & Kosslyn, 2015)。“表象之爭”主要圍繞兩個問題展開：第一個問題是表象與視知覺是否具有某些相同的表征, 或表象是否僅與更抽象的、知覺后的表征有關(Finke, 1980;Shepard, 1978)。第二個問題是表象的格式究竟是空間的, 還是命題性的(Kosslyn, 1980)。因此, 在表象表征方式問題的研究中, 表象與知覺是否機能等價成為爭論的焦點。“表象之爭”與表象具有復雜的主觀特性而其研究又缺乏客觀有效地研究方法不無關系。其中, 表象存在明顯的個體差異,這也是導致表象實質與功能研究存在分歧不容忽視的因素。有鑒于此, 本研究系統歸納了視覺表象個體差異的表現與內在的神經基礎, 以及可能的應用。以期能夠促進心理學研究對表象個體差異的關注, 推動表象實質與功能問題研究的進一步開展。

1 表象的個體差異

盡管頭腦中產生各種事物形象的現象已經司空見慣, 但對這一現象進行科學的描述并非易事。時至今日, 將視覺表象與視知覺進行類比分析是對表象屬性及其實質研究的基本途徑。

1.1 視覺表象清晰度

表象是在記憶基礎上對知覺經驗的“再體驗”(re-experience)。從這個角度, 表象往往被稱為“弱知覺”, 表象擁有和知覺經驗類似的屬性。因此,表象主觀感覺包含知覺信息越多則越清晰, 而這一表象清晰度反映了表象與知覺內容的相似程度,兩者的相似程度決定了表象的主觀生動性, 是表象最為重要的屬性。

根據被試主觀體驗報告的表象清晰度成為表象屬性最早的研究方法。其中, Galton (1880)的“餐桌回憶法”、Sheehan (1967) 的表象問卷以及Marks (1973)的視覺表象生動性量表(Vividness of Visual Imagery Questionnaire, VVIQ)都是其中較具代表性的研究方法。借助上述研究方法, 研究者發現視覺表象清晰度存在明顯的個體差異, 其中, Galton (1880)最早報告被試根據相同指導語產生的視覺表象清晰度存在個體差異, 而視覺表象清晰度的個體差異與被試的專業類型(Sacco &Reda, 1998)和性別(Marks, 1973)等因素有關。而且,借助上述方法測量被試的視覺表象清晰度與其認知功能(如認知控制力(Cui, Jeter, Yang, Montague,& Eagleman, 2007), 托倫斯創造力(Marks, 1999)等)存在顯著相關。表象清晰度的個體差異可能反映了表象策略在大腦信息加工的使用程度(Goldenberg et al., 1989), 其不僅與認知功能密切相關, 而且在很大程度上影響個體的情緒加工過程(Pearson, Naselaris, Holmes, & Kosslyn, 2015)。

盡管借助被試主觀內省的方法, 研究者實現了對表象屬性的測量, 發現了表象屬性存在個體差異的實驗證據, 也進一步揭示了表象個體差異與認知、情緒之間的關系, 但基于被試主觀報告的研究方法有其先天的不足, 具體論述見我們的一篇綜述(劉鳴, 2004)。因此, 如何在研究中對表象的屬性及其個體差異之間進行客觀化的度量成為表象研究者面臨的一個重要問題。

1.2 視覺表象空間信息

在認知心理學領域, 研究者試圖對表象屬性進行數量化的度量, 視覺表象的空間屬性成為研究者關注的核心。為證實視覺表象具有類似知覺的空間屬性, 研究者借助認知科學的“抽象分析法”對表象的空間屬性與知覺進行了類比分析。其中, 比較著名的研究范式有 Shepard的心理旋轉(Shepard & Metzler, 1971)、Kosslyn的心理掃描(Kosslyn, 1973)、心理折紙(Shepard & Feng, 1972)等。上述研究范式從信息加工的角度, 借助反應時與錯誤率等指標, 數量化的探討了視覺表象作為一種獨立的信息表征方式在問題解決中的作用。

認知科學對表象研究的創新范式不僅為視覺表象與知覺的機能等價提供了實驗證據, 其數量化指標也為研究者對表象個體差異數量化的度量提供了可操作途徑。其實, 早在 1978年,Vandenberg和Kuse (1978)等人借助心理旋轉范式就明確指出視覺表象空間信息存在顯著的個體差異。而且視覺表象空間信息的個體差異與其工作記憶、執行控制、想象、創造力等高級認知活動關系密切(Ernest, 1977; Knauff, Mulack, Kassubek,Salih, & Greenlee, 2002)。此后, 大量研究證實視覺表象空間信息操作的個體差異受性別(Jordan,Wüstenberg, Heinze, Peters, & J?ncke, 2002)、年齡(Roberts & Bell, 2000)、訓練(De & Wolford,2002)、疾病(Zacks, Michelon, Vettel, & Ojemann,2004)等因素影響。此外, 研究者從信息加工的角度指出視覺表象空間信息的個體差異及其在認知活動中的作用可能受認知方式的影響(趙曉妮, 游旭群, 2007), 根據認知坐標系的理論模型(Just &Carpenter, 1985), 視覺表象空間信息操作的個體差異與認知坐標系以及認知策略的選擇有關。

毋庸置疑, 認知科學范式通過巧妙的實驗設計, 從空間信息的角度為視覺表象個體差異的研究提供了一個客觀而且可重復的研究指標, 切實推動了研究者對視覺表象個體差異的認識。然而,值得注意的是, 盡管空間信息是視覺表象區別于概念表征的主要維度, 而且視覺表象的空間信息也被大量研究證實在認知過程中發揮重大作用(Borst & Kosslyn, 2010), 但視覺表象作為獨特的心理現象, 其區別于工作記憶與視覺注意的主要特點在于其內容本身帶給個體的主觀體驗。有鑒于此, 如何就視覺表象內容進行數量化度量是研究者不可回避的問題。

1.3 視覺表象內容

就視覺表象內容而言, 頭腦產生的形象與知覺到的形象的相似程度是其核心特征, 但頭腦產生的形象具有高度的主觀性, 采用客觀方法進行度量并非易事。前人對視覺表象內容的研究主要借助一種非結構化的白噪音, 研究發現被試在白噪音的干擾下仍可以知覺到字母或臉孔, 而這種覺知源自人腦自上而下加工所產生的視覺表象內容(Gosselin & Schyns, 2003; Hansen, Thompson,Hess, & Ellemberg, 2010; Smith, Gosselin, & Schyns,2012)。但這種實驗范式并不能排除已有知識經驗的影響。

近年來, 由于視覺表象與視知覺機能等價,越來越多研究發現視覺表象對隨后特定時間呈現相同內容的視知覺加工產生影響, 而這種影響可以作為數量化考察個體視覺表象內容的途徑。而問題的關鍵在于實驗中如何數量化的度量視覺表象對視知覺的影響？研究者發現視知覺存在明顯的雙眼競爭現象, 通過個體優勢眼的調節使得左右眼知覺到視覺模式出現的比例達到平衡, 在此基礎上, 研究者進一步通過視覺表象對隨后雙眼競爭模式的影響(亦即啟動率)檢測視覺表象的內容(Bergmann, Gen?, Kohler, Singer, & Pearson,2016)。

借助上述研究邏輯, 研究者提出了表象強度,以此來客觀量化表象內容的生動程度。具體而言,被試根據給定線索形成表象, 并完成表象清晰度的主觀評定, 然后閃現(750 ms)競爭刺激, 并記錄被試知覺到的優勢刺激, 據此可計算表象啟動雙眼競爭中優勢刺激的比率, 這一啟動率被定義為表象強度。研究者在表象強度的基礎上, 進一步借助雙眼競爭范式考察表象精確性。這里的表象精確性是指表象內容與真實客體在視覺底層特征(比如朝向、位置等)上的一致性。其中, 特定位置表象精確性被定義為被試根據給定線索形成特定位置的表象, 并完成表象清晰度的主觀評定, 然后在一致和不一致位置隨機閃現競爭刺激, 記錄被試知覺的優勢刺激。一致和不一致條件下啟動率的差異程度被定義為特定位置的表象精確性。

表象強度與表象精確性從“視覺能”的角度度量了視覺表象內容對后續知覺的影響程度, 與視覺表象空間信息研究使用的指標相比, 這兩個度量指標更為關注表象內容本身的視覺能量, 顯而易見這個層次的度量更為全面, 生態性與敏感性也更高。借助這兩個研究指標, 研究者對視覺表象個體差異的實質及其在腦功能中發揮的作用進行了更為深入的探討。不僅證實了視覺表象個體差異在認知過程中發揮重要作用, 如工作記憶(Pearson, Rademaker, & Tong, 2011)與聯想過程(Lewis, O’Reilly, Khuu, & Pearson, 2013), 而且發現任務背景亮度的改變會影響表象過程進而影響視覺工作記憶表現(Chang, Lewis, & Pearson,2013), 進一步證實了視覺表象作為一種策略在認知加工中發揮獨特作用。

2 表象個體差異的神經基礎

腦成像技術的運用為我們認識表象的神經機制提供了途徑, 同時也為我們揭示表象個體差異的神經基礎提供了可能。由于表象是較為復雜的心理活動過程, 其產生、維持與操作涉及如前額葉、頂葉、顳葉和視覺皮層等大量的腦區(Formisano et al., 2002)。盡管如此, 表象過程中大腦初級視覺皮層是否激活成為探討視覺表象是否包含知覺信息的核心問題, 具體論述見我們的另一篇綜述(常松等, 2017)。當然, 目前研究者已證實表象過程是否激活大腦初級視覺皮層與使用的實驗材料, 實驗設計, 數據處理方式, 被試的任務, 儀器設備參數等因素有關, 但不容否認的是表象個體差異是導致不同研究結果分歧的重要因素(Reeder, 2016)。

腦成像技術的發展為我們認識表象個體差異的神經基礎提供了可能。Goldenberg等 (1989)最早使用單光子發射斷層掃描(SPECT)發現表象主觀生動性和前額葉的局部腦血流量成負相關, 而和顳下區的腦血流量成正相關。借助 fMRI技術的研究也發現表象主觀生動性和初級視覺皮層的BOLD信號變化存在顯著正相關(Cui et al., 2007;Olivetti et al., 2009)。此外, 大量研究結果表明視覺表象空間信息的操作主要激活大腦的頂葉、枕葉和額葉(Harris & Miniussi, 2006), 而且在性別之間存在顯著區別。例如, 心理旋轉研究發現男性主要激活負責加工空間信息(如頂葉)和表象操作的腦區(如基底核和楔前葉等), 而女性主要激活前額葉的背內側和其他高級皮層(Butler et al.,2006; Jordan et al., 2002)。最后, 研究者進一步借助 fMRI視網膜皮層映射技術發現視覺表象內容的個體差異可能存在明確的腦結構基礎。例如,Bergmann 等(2016)等人發現表象強度與V1區表面積大小呈負相關, 即 V1區表面積越小就越可能有強表象; 而表象精確性和 V1區表面積大小呈正相關, 其中 V1區的中心部分和精確性聯系最為密切; 另外, V1區的皮層厚度和表象強度沒有顯著相關, 卻表現出與表象精確性有一定的相關。

近年來, 基于腦成像數據的多體素模式分析方法(Multi-voxel pattern analysis, MVPA)為我們進一步揭示表象個體差異的神經基礎提供了全新的研究視角。與傳統以激活為基礎的單變量數據分析方法不同, 多體素模式分析方法將興趣區內各個體素的信號同時考察, 將興趣區看作一個多維變量, 即空間模式來分析腦成像數據所攜帶的與任務相關的信息(Norman, Polyn, Detre, &Haxby, 2006)。這一數據處理思路的轉變充分考慮單個體素特異性以及體素間的相互關系, 明顯提高了數據處理的敏感性, 為表象內容個體化的研究提供了可操作的途徑, 具體論述見我們的一篇綜述(張得龍, 梁碧珊, 文學, 黃瑞旺, 劉鳴,2014)。

具體而言, 多體素模式分析方法在體素水平上更進一步地探討知覺與表象條件下大腦激活模式之間的關系, 其中最具有代表性的是解碼模型和編碼模型。早在2000年Craven等人借助傳統的單變量數據分析方法就發現, 在特定類別中(例如, 人臉和地點)知覺和表象具有共同的神經基礎,而且知覺條件下大腦激活強度更大(O'Craven &Kanwisher, 2000)。近年來借助解碼模型, 在知覺條件下, 可以成功從視覺皮層中將不同類型的刺激進行分類(Peelen, Fei-Fei, & Kastner, 2009)。更為重要的是, 知覺條件下刺激訓練的分類器可以運用到表象刺激的解碼中(Horikawa, Tamaki,Miyawaki, & Kamitani, 2013)。這一發現一方面為表象與知覺的機能等價提供了證據, 另一方面也表明在單個被試上采用多體素模式分析方法研究表象的神經基礎成為可能。近年來, 借助該研究方法, 研究者發現視覺表象清晰度的評定等級與表象和知覺在視覺皮層的重疊程度存在顯著相關,這為其神經基礎提供了實驗證據(Dijkstra, Bosch,& van Gerven, 2017)。此外, 借助解碼模型, 研究者實現從大腦神經激活模式中可以動態解碼心理旋轉角度, 為視覺表象空間信息操作的神經基礎提供了實驗證據(Mourao-Miranda, Ecker, Sato, &Brammer, 2009)。在此基礎上, 研究者采用編碼模型(Kay, Naselaris, Prenger, & Gallant, 2008)更進一步界定了表象內容的實質, 編碼模型通過將視覺刺激轉換到視覺底層特征(位置、朝向等)進行描述,并使用刺激特征模式來預測大腦的激活, 從而建立了視覺刺激內容和大腦響應模式之間的函數關系, 為我們數量化的度量大腦視覺表征內容提供了途徑(Kay et al., 2008)。更為關鍵的是, 在知覺條件下基于單個被試數據所構建的編碼模型可以有效泛化到表象模式, 從而為表象在初級視覺皮層表征刺激的底層特征提供了直接的實驗證據,也為我們在單個被試上界定表象內容提供了可操作的途徑(Naselaris, Olman, Stansbury, Ugurbil, &Gallant, 2015)。值得注意, 這一發現也從根本上終結了持續幾十年的表象之爭(Pearson & Kosslyn,2015)。

總之, 以多體素模式分析方法探討表象神經激活模式與知覺神經激活模式之間的關系, 是實現表象內容研究走向個體化的重要途徑。

3 表象個體差異的應用

(1)在心理學所有研究主題中, 表象是研究分歧最大的領域, 出現了著名的“表象之爭”。如前所述, 表象實質與功能研究存在分歧的影響因素眾多, 其中個體差異是不容忽視的因素。目前, 我們在表象領域的一個基本研究假設是表象的屬性和功能在所有被試的信息加工中發揮作用的權重是等價的, 亦即, 表象在不同被試認知加工中發揮作用程度是同質的。然而, 在表象研究中發現, 表象作為一種重要的信息加工策略在不同被試的認知加工中發揮作用的程度不盡相同。有鑒于表象個體差異的存在, 表象后續研究首先需要在“表象型”與“非表象型”被試、“表象策略”與“非表象策略”等不同群體上進行, 研究的相關結論也應該在不同類型群體上進行推論。

(2)表象是一種重要的信息加工策略, 在腦功能中發揮獨特作用。既然表象在不同個體的腦功能中發揮作用程度不盡相同, 其在個體的認知加工與情緒過程中發揮的作用也不盡相同。因此,表象既可用于反映腦功能狀態也可用于腦功能模式的調控, 具有較大的應用前景。具體而言, 表象是在大腦執行控制作用下, 借助記憶和注意根據特定認知需求產生的心理加工過程。其中, 表象作為心理活動的重要“基石”直接參與記憶、聯想、想象與決策等認知過程(Pearson, Clifford, & Tong,2008), 進而對情緒和意志產生影響, 這些影響勢必會反映在腦功能上。因此, 表象個體差異可以作為評估腦功能狀態的一種重要方式(Gross,Crane, & Fredrickson, 2012)。

此外, 表象個體差異也可以作為一種干預和預測腦功能的重要途徑。近年來, 正念(mindfulness)、冥想(meditation)以及實時的神經反饋技術(real-time neural feedback)被廣泛應用于抑郁癥、雙向情感障礙、強迫癥、創傷后應激障礙等心理疾病中(McManus, Muse, Surawy, Hackmann,& Williams, 2015)。而表象在這些技術中起核心作用, 具體而言這些技術主要通過修改腦海中消極表象的腳本, 或產生積極表象, 又或者占用視空資源使得負性的情景記憶固化率降低。因此對表象能力的界定在很大程度上可以預測以表象為基礎的腦功能狀態的發展變化趨勢(Blackwell et al.,2013)。

4 展望

借助多體素模式分析的數據分析方法, 已經為表象實質和功能問題提供了一個全新的研究視角。但考慮到表象個體差異的存在, 未來相關研究需要進一步考慮如下2個基本問題：

(1)隨著研究者對表象內容度量追求的深入,加之當前基于功能性核磁共振技術方法的不斷發展, 在大腦特定皮層探討視覺表象內容與視覺刺激具體特征之間的數量化函數關系逐漸成為可能。毫無疑問, 能夠精準到特定視覺特征在視覺表象內容中的神經表征是認知神經科學最接近表象內容神經基礎的度量。與此同時, 借助雙眼競爭范式, 認知科學從信息加工角度對視覺表象內容的度量也不斷被證實客觀有效, 并逐漸在相關問題的研究中發揮重要作用。因此, 將目前最接近表象本質的神經編碼技術與表象認知研究最新的行為范式(雙眼競爭)相結合, 是推動表象個體差異研究的關鍵。

(2)近年來, 越來越多的研究證實大腦不單純是外界刺激驅動的“信息加工器”, 大腦靜息態自發波動模式在腦功能中發揮重要作用(Reichle,2010)。大腦靜息態的自發波動屬性可以預測個體任務態的表現(Tavor et al., 2016)。而另一方面, 已有研究證實, 在靜息狀態下, 頭腦中更容易浮現各類形象(Wang et al., 2008), 這意味著表象可能與大腦靜息態下記憶信息的固化存在關聯, 進而對腦功能產生影響。因此, 探討靜息態自發波動屬性與表象之間的關系將從全新的角度促進對表象個體差異實質的認識。

常松, 張得龍, 潘京花, 梁碧珊, 黃瑞旺, 劉鳴. (2017).初級視覺皮層在表象表征方式研究中的作用.心理科學,40(2), 335–340.

劉鳴. (2004). 表象研究方法論.心理科學, 27(2), 258–260.

張得龍, 梁碧珊, 文學, 黃瑞旺, 劉鳴. (2014). 視覺表象可視化——視覺表象研究的新途徑.心理科學, 37(3),573–580.

趙曉妮, 游旭群. (2007). 場認知方式對心理旋轉影響的實驗研究. 應用心理學, 13(4), 334–340.

Bergmann, J., Gen?, E., Kohler, A., Singer, W., & Pearson, J.(2016). Smaller primary visual cortex is associated with stronger, but less precise mental imagery. Cerebral Cortex,26(9), 3838–3850.

Blackwell, S. E., Rius-Ottenheim, N., Schulte-van Maaren, Y.W. M., Carlier, I. V. E., Middelkoop, V. D., Zitman, F.G., ... Giltay, E. J. (2013). Optimism and mental imagery:A possible cognitive marker to promote well-being?Psychiatry Research, 206(1), 56–61.

Borst, G., & Kosslyn, S. M. (2010). Individual differences in spatial mental imagery. Quarterly Journal of Experimental Psychology, 63(10), 2031–2050.

Butler, T., Imperato-Mcginley, J., Pan, H., Voyer, D.,Cordero, J., Zhu, Y. S., ... Silbersweig, D. (2006). Sex differences in mental rotation: Top-down versus bottom-up processing. NeuroImage, 32(1), 445–456.

Chang, S., Lewis, D. E., & Pearson, J. (2013). The functional effects of color perception and color imagery. Journal of Vision, 13(10), 227–232.

Cui, X., Jeter, C. B., Yang, D., Montague, P. R., & Eagleman,D. M. (2007). Vividness of mental imagery: Individual variability can be measured objectively. Vision Research,47(4), 474–478.

De, L. R., & Wolford, J. L. (2002). Improving children's mental rotation accuracy with computer game playing. TheJournal of Genetic Psychology, 163(3), 272–282.

Dijkstra, N., Bosch, S., & van Gerven, M. A. J. (2017).Vividness of visual imagery depends on the neural overlap with perception in visual areas.Journal of Neuroscience,37(5), 1367–1373.

Ernest, C. H. (1977). Imagery ability and cognition: A critical review.Journal of Mentaz Imagery, 1(2), 181–215.

Finke, R. A. (1980). Levels of equivalence in imagery and perception.Psychological Review, 87(2), 113–132.

Formisano, E., Linden, D. E. J., Di Salle, F., Trojano, L.,Esposito, F., Sack, A. T., ... Goebel, R. (2002). Tracking the mind's image in the brain I: Time-resolved fMRI during visuospatial mental imagery.Neuron, 35(1), 185–194.

Galton, F. (1880). Visualised numerals.Nature, 2 1(533),252–256.

Goldenberg, G., Podreka, I., Steiner, M., Willmes, K., Suess,E., & Deecke, L. (1989). Regional cerebral blood flow patterns in visual imagery.Neuropsychologia, 27(5), 641–664.

Gosselin, F., & Schyns, P. G. (2003). Superstitious perceptions reveal properties of internal representations.Psychological Science, 14(5), 505–509.

Gross, M. M., Crane, E. A., & Fredrickson, B. L. (2012).Effort-Shape and kinematic assessment of bodily expression of emotion during gait.Human Mo vement Science, 31(1), 202–221.

Hansen, B. C., Thompson, B., Hess, R. F., & Ellemberg, D.(2010). Extracting the internal representation of faces from human brain activity: an analogue to reverse correlation.NeuroImage, 51(1), 373–390.

Harris, I., & Miniussi, C. (2006). Parietal lobe contribution to mental rotation demonstrated with rTMS.Journal o f Cognitive Neuroscience, 15(3), 315–323.

Horikawa, T., Tamaki, M., Miyawaki, Y., & Kamitani, Y.(2013). Neural decoding of visual imagery during sleep.Science, 340(6132), 639–642.

Jordan, K., Wüstenberg, T., Heinze, H. J., Peters, M., &J?ncke, L. (2002). Women and men exhibit different cortical activation patterns during mental rotation tasks.Neuropsychologia, 40(13), 2397–2408.

Just, M. A., & Carpenter, P. A. (1985). Cognitive coordinate systems: Accounts of mental rotation and individual differences in spatial ability.Psychological Review, 92(2),137–172.

Kay, K. N., Naselaris, T., Prenger, R. J., & Gallant, J. L.(2008). Identifying natural images from human brain activity.Nature, 452(7185), 352–355.

Knauff, M., Mulack, T., Kassubek, J., Salih, H. R., &Greenlee, M. W. (2002). Spatial imagery in deductive reasoning: A functional MRI study.Cognitive Brain Research, 13(2), 203–212.

Kosslyn, S. M. (1973). Scanning visual images: Some structural implications.Perception & Psychophysics, 14(1),90–94.

Kosslyn, S. M. (1980). Image and mind.Proceedings of the fourth international workshop on sof tware r eusability,Cambridge, MA.

Lewis, D. E., O’Reilly, M. J., Khuu, S. K., & Pearson, J.(2013). Conditioning the mind’s eye associative learning with voluntary mental imagery.Clinical P sychological Science, 1(4), 390–400.

Marks, D. F. (1973). Visual imagery differences in the recall of pictures.British Journal of Psychology, 64(1), 17–24.

Marks, D. F. (1999). Consciousness, mental imagery and action.British Journal of Psychology, 90(4), 567–585.

McManus, F., Muse, K., Surawy, C., Hackmann, A., &Williams, J. M. G. (2015). Relating differently to intrusive images: The impact of mindfulness-based cognitive therapy (MBCT) on intrusive images in patients with severe health anxiety (hypochondriasis).Mindfulness, 6(4),788–796.

Mourao-Miranda, J., Ecker, C., Sato, J., & Brammer, M.(2009). Dynamic changes in the mental rotation network revealed by pattern recognition analysis of fMRI data.Journal of Cognitive Neuroscience, 21(5), 890–904.

Naselaris, T., Olman, C. A., Stansbury, D. E., Ugurbil, K., &Gallant, J. L. (2015). A voxel-wise encoding model for early visual areas decodes mental images of remembered scenes.NeuroImage, 105, 215–228.

Norman, K. A., Polyn, S. M., Detre, G. J., & Haxby, J. V.(2006). Beyond mind-reading: Multi-voxel pattern analysis of fMRI data.Trends in Cognitive Sciences, 10(9),424–430.

O'Craven, K. M., & Kanwisher, N. (2000). Mental imagery of faces and places activates corresponding stimulusspecific brain regions.Journal of Cognitive Neuroscience,12(6), 1013–1023.

Olivetti, B. M., Palmiero, M., Sestieri, C., Nardo, D., Di Matteo, R., Londei, A., ... Romani, G. L. (2009). An fMRI investigation on image generation in different sensory modalities: The influence of vividness.Acta Psychologica,132(2), 190–200.

Pearson, J., Naselaris, T., Holmes, E., A., & Kosslyn, S. M.(2015). Mental imagery: Functional mechanisms and clinical applications.Trends in Cognitive Sciences, 19(10),590–602.

Pearson, J., Clifford, C. W., & Tong, F. (2008). The functional impact of mental imagery on conscious perception.Current Biology, 18(13), 982–986.

Pearson, J., & Kosslyn, S. M. (2015). The heterogeneity of mental representation: Ending the imagery debate.Proceedings of the National Academy of Sciences of the United States of America, 112(33), 10089–10092.

Pearson, J., Rademaker, R. L., & Tong, F. (2011). Evaluating the mind's eye: The metacognition of visual imagery.Psychological Science, 22(12), 1535–1542.

Peelen, M. V., Fei-Fei, L., & Kastner, S. (2009). Neural mechanisms of rapid natural scene categorization in human visual cortex.Nature, 460(7251), 94–97.

Reeder, R. R. (2016). Individual differences shape the content of visual representations.Vision R esearch, 41,266–281.

Reichle, M. E. (2010). Two views of brain function.Trends in Cognitive Sciences, 14(4), 180–190.

Roberts, J. E., & Bell, M. A. (2000). Sex differences on a mental rotation task: Variations in electroencephalogram hemispheric activation between children and college students.Developmental N europsychology, 17(2), 199–223.

Sheehan, P. W. (1967). A shortened form of Betts'questionnaire upon mental imagery.Journal of Clinical Psychology, 23(3), 386.

Shepard, R. N. (1978). The mental image.American Psychologist, 33(2), 125–137.

Shepard, R. N., & Feng, C. (1972). A chronometric study of mental paper folding.Cognitive Psychology, 3(2),228–243.

Shepard, R. N., & Metzler, J. (1971). Mental rotation of three-dimensional objects.Science, 171(3972), 701–703.

Smith, M. L., Gosselin, F., & Schyns, P. G. (2012).Measuring internal representations from behavioral and brain data.Current Biology, 22(3), 191–196.

Tavor, I., Jones, O. P., Mars, R. B., Smith, S. M., Behrens, T.E., & Jbabdi, S. (2016). Task-free MRI predicts individual differences in brain activity during task performance.Science, 352(6282), 216–220.

Vandenberg, S. G., & Kuse, A. R. (1978). Mental rotations, a group test of three-dimensional spatial visualization.Perceptual and Motor Skills, 47(2), 599–604.

Wang, K., Jiang, T., Yu, C. S., Tian, L., Li, J., Liu, Y., ... Li,K. C. (2008). Spontaneous activity associated with primary visual cortex: A resting-state fMRI study.Cerebral Cortex, 18(3), 697–704.

Zacks, J. M., Michelon, P., Vettel, J. M., & Ojemann, J. G.(2004). Functional reorganization of spatial transformations after a parietal lesion.Neurology, 63(2), 287–292.