立体视觉疲劳的神经机制研究

基于摘要分析。该研究关注 VR 环境中立体视觉疲劳（SVF）的神经机制，而非提出 BCI 解码算法；作者采用改进的 Go/NoGo 范式，结合深度相关视觉诱发电位（DVEPs）与独立成分分析（ICA），考察疲劳程度变化对应的 EEG 成分及其可能的皮层来源。 实验在 VR 环境中诱发 SVF，Go 试次用于维持参与者注意，NoGo 试次用于分析疲劳状态下的神经效应。研究呈现具有 11 种视差的随机点立体图（RDSs），通过 64 通道 EEG 记录 DVEPs，并选取 15 名参与者的 NoGo 试次数据进行个体处理与群体分析。分析比较不同疲劳程度下的 DVEPs 成分，并对独立成分进行聚类，以探索与 SVF 相关的皮层区域。 作者报告，逐点置换统计显示，随着 SVF 增加，多数脑区在 230–280 ms 的 DVEPs 采样点，即 P2 成分所在时窗，发生显著变化；ICA 分析进一步将与 SVF 存在统计关联的 P2 成分定位于后扣带皮层和楔前叶。作者据此提出，SVF 可能更多涉及自我意识或自我位置意识的变化，而非仅表现为视网膜图像处理性能下降，并建议探索代表较高层次意识状态的疲劳评估指标。这是作者对统计关联的解释，摘要不足以确立因果机制，也未提供该类指标优于其他指标的预测性能证据。 复现与解释时需核对疲劳程度的定义、诱发时程、视差设置、EEG 预处理、ICA 聚类及源定位流程，以及置换检验的多重比较处理。实验协议、消融及统计信息尚未验证；摘要未提供效应量或个体层面的评估性能，因此不能判断 P2 关联的稳定性、跨被试泛化能力或作为实时疲劳指标的可用性。