OpenReview · EEG· Chun-Hui Li; Marlena Baldauf; Siying Xie; Teresa Sylvester; Christina Maria Schaetz; Ali Mohammad Nezhad; Bert Turtleton; Stefanie Höhl; Moritz Köster; Radoslaw Martin Cichy·· 2026-05-15精选AI 评分76
人类视觉表征时间动态的发育轨迹
The developmental trajectory of temporal dynamics in human visual representations
AI 导读
基于摘要分析。该研究关注视觉表征如何在发育过程中兼顾快速与稳健的物体加工,采用 EEG 与多变量分析,考察婴儿至成年人被动观看日常物体时的视觉表征动态,贡献是提供跨年龄的物体表征形成时间进程证据。 研究为横断面设计,总样本量 N=190,年龄范围从 0.5 岁至成年。被试执行的是被动观看任务,而非主动 BCI 控制任务。摘要未提供各年龄组人数、刺激类别与数量、EEG 采集及预处理参数,也未说明解码器、数据划分或具体统计检验。 作者报告,物体解码的峰值潜伏期随年龄增长而缩短,并将其解释为加工速度加快;时间泛化分析则显示,表征随年龄增长而更为持久。这两类结果分别涉及解码时间进程与跨时间表征稳定性,不能直接替代分类 Accuracy 或 BCI 通信效率指标。摘要未提供潜伏期变化幅度、时间泛化的定量指标或效应量。 横断面结果描述的是不同年龄被试之间的差异,不能直接等同于同一个体的纵向发育轨迹。阅读全文时需核对年龄分组、各组数据量与信号质量的可比性、解码验证协议,以及峰值潜伏期和时间泛化差异的统计依据;实验协议、消融及统计信息尚未验证。研究主要对象是视觉表征的发育神经科学,而非 EEG/BCI 算法创新,现有摘要不足以据此提出已获支持的 BCI 迁移效果或复现实验方案。
阅读价值
该研究通过覆盖婴儿至成年人的横断面 EEG 分析,区分物体表征解码速度与时间持续性的发展变化,值得阅读以核对年龄相关神经动态及其评估方法,但不构成 BCI 性能提升的证据。
来源:OpenReview · EEG · openreview.net