连续时变感觉证据的累积约束人类碰撞威胁检测中的神经与行为响应

基于摘要分析。该研究考察人类如何利用持续变化的视觉信息检测碰撞威胁，将传统针对静态刺激的证据累积模型推广至连续时变感觉证据，并结合同步 EEG 与行为响应检验其解释能力。 研究对象是碰撞威胁检测，而非 BCI 解码。传统解释认为，检测受障碍物光学扩张速率，即 visual looming 的知觉阈值限制。作者报告，其观测结果不支持这一传统阈值解释，而支持人类通过累积连续变化的 visual looming 信号作出检测反应。模型的关键变化是允许输入证据随时间变化，而不是沿用静态刺激下的固定证据假设；摘要未提供具体累积方程、参数估计方式或模型比较程序。 行为层面，作者报告，该模型能够解释此前未获解释的经验现象及检测响应的完整分布，但摘要未列出拟合指标或相对基线的定量优势。EEG 层面，作者报告复现了反应前的中央顶叶正电位（CPP），这一信号在既有研究中与累积决策证据相关。与既有发现不同，本研究模型能够预测 CPP 的起始时间，而非其爬升过程。作者据此提出，碰撞检测中的神经证据累积可能具有不同实现方式，甚至涉及不同脑区；这属于机制解释，不能视为已完成脑区定位的证据。 阅读与复现时应重点核对：时变视觉信号如何进入累积模型、传统阈值模型与累积模型的比较条件、行为响应分布的拟合与验证，以及 CPP 起始时间和爬升过程的定义与估计方法。被试数、刺激条件、EEG 采集与预处理、实验协议、消融及统计信息尚未验证。摘要支持其作为动态感知决策与 EEG 信号解释研究的价值，但未提供 BCI 性能验证。