MEG 响应的群体感受野模型

基于摘要分析。该研究针对 MEG 传感器汇聚大范围皮层活动、难以直接应用群体感受野（population receptive field，pRF）模型的问题，提出用 fMRI 估计皮层 pRF，再通过生物物理 MEG 前向模型预测传感器响应的方法。主要研究对象是人类视觉场表征及 fMRI 与 MEG 测量之间的定量联系，并非 BCI 分类或控制任务。 受试者在分别进行的 fMRI 和 MEG 会话中观看扫过视野的对比度反转条形刺激。方法先利用 fMRI 数据，在个体皮层表面以毫米尺度建立 pRF 模型，再预测皮层时间序列，并通过 MEG 前向模型投影到传感器空间。这一步显式考虑传感器对多个皮层区域响应的汇聚，而不是将单个传感器视为具有单一空间调谐的局部神经群体。 作者报告，在将模型预测与 MEG 会话中观测的视觉诱发稳态响应比较时，fMRI 估计的 pRF 参数可解释相当一部分传感器响应方差，个别传感器最高达到 60%；这一数值是传感器响应方差解释比例，不是分类 Accuracy，也不代表所有传感器的平均表现。作者报告，人为扰动 pRF 大小或位置会降低 MEG 预测准确性，支持 MEG 响应对这些空间感受野属性具有敏感性。被试数量、具体预测评价划分、前向模型实现、消融细节及统计信息尚未验证。 平台推测（待验证）：该机制可能为视觉 EEG/MEG 稳态响应的空间生成建模提供参考，但依赖个体 fMRI pRF、皮层建模及跨模态配准。若迁移到 EEG，需要替换电磁前向模型并核对导电模型、源方向和通道配置；可复用的是“皮层空间调谐—源时间序列—传感器响应”的建模链条。低信噪比、个体解剖差异、稀疏通道及有限个体校准数据可能削弱预测能力。一个可检验的小实验是在同一被试的独立 EEG 条形刺激数据上，比较原始 pRF 与扰动位置或大小后的响应预测，检验空间调谐是否仍有增量解释力；这不等同于验证 BCI 效果，相关 EEG 工作尚未检索确认。