分类图像揭示 fMRI 脑体素的信息敏感性

基于摘要分析。该研究关注不同脑区究竟对哪些具体视觉信息敏感，将反向相关方法 Bubbles 与 fMRI 结合，用于三选一强迫选择（3AFC）面部表情分类任务，尝试从视觉信息内容而非仅从激活位置解释脑功能。 方法的核心是把任务中的视觉信息变化与脑区 BOLD 响应联系起来。作者报告，研究识别了对完成表情分类所需关键视觉信息具有显著敏感性的脑区，并进一步揭示了调制各脑区 BOLD 敏感性的具体视觉信息子集。这里的“分类图像”用于刻画刺激信息与响应之间的关系，不应理解为新发布的图像分类模型。 研究贡献在于提供一种按各脑区所处理的信息内容分析脑功能的路径。摘要未提供被试数量、刺激构成、Bubbles 的具体采样设置、fMRI 分析流程、显著性阈值或效应量；实验协议、消融及统计信息尚未验证，也无法据此评价结果的泛化性与复现成本。 平台推测（待验证）：若 EEG 视觉任务能够保留逐试次刺激信息变化，并将其与时间锁定的神经响应对应，Bubbles 的分析思路可能用于检验哪些视觉信息影响特定时间窗的响应；需要将体素级 BOLD 分析改造成适合 EEG 通道与时间维度的统计分析。低信噪比、眼动及被试差异可能使信息敏感性估计不稳定。一个可证伪的小实验是在固定表情分类任务中，检验被试内估计的视觉信息敏感性图能否在独立试次上复现。摘要提及已有 EEG、MEG 相关应用，但具体工作尚未检索确认；本研究本身并未提供 BCI 有效性证据。