视觉物体识别中时空递归加工的表征性质

基于摘要分析。该研究关注人脑视觉物体识别中递归加工在何处、何时以及如何改变视觉表征，结合后向掩蔽范式与 EEG、fMRI 数据的多变量分析，尝试分离前馈加工与递归加工，并以深度神经网络模型比较解释表征特征的变化。 核心机制是利用后向掩蔽操纵视觉加工，再分析神经表征的时空变化。作者报告，在该范式及多变量分析条件下，递归加工显著塑造腹侧视觉通路的表征：早期视觉皮层（EVC）的相关变化约从刺激后 100 ms 开始，外侧枕叶皮层（LOC）则在约 175 ms 和 300 ms 出现两个较晚阶段。作者将其解释为递归加工为视觉加工增加了持续性、而非短暂性的神经动态；这些时间点不能直接视为其他任务或 BCI 协议中的通用时间窗。 在与深度神经网络模型比较的基础上，作者报告，递归加工使 LOC 的特征表征从以中层特征为主转向更高层特征。作者还报告，EVC 与 LOC 中存在四个不同的时频神经成分，覆盖 theta 至 beta 频段，并将它们解释为介导递归加工的成分。摘要未提供具体模型、模型与脑表征的比较指标、频段边界或成分分解方法，因此尚不能进一步确认这些解释的证据强度。 该研究的主要对象是人脑视觉表征机制，而非 BCI 解码算法或性能优化。其阅读价值在于将 EEG 时间信息、fMRI 空间信息与模型特征解释相结合。被试数量、刺激集、掩蔽条件、数据划分、跨模态分析方式、效应量及复现资源尚未验证；实验协议、消融及统计信息尚未验证，尤其需要核对后向掩蔽对前馈与递归加工的区分依据。现有摘要不足以推断其能改善 EEG/BCI 解码效果。