bioRxiv（Neuroscience）· Kaushik Lakshminarasimhan·2026-10-29 08:00· 15 小时前精选AI 评分55

Kaushik Lakshminarasimhan 团队发现人 EEG 图像表征跨会话协同漂移

Coordinated Drift of Image Representations in Human EEG

AI 导读

Kaushik Lakshminarasimhan 团队利用 THINGS-EEG2 多会话重复呈现自然图像的数据集，检验图像诱发的 EEG 响应是否在记录会话之间发生漂移。

AI 要点

团队

Kaushik Lakshminarasimhan

主要结果

图像特异性EEG响应模式跨记录session漂移，漂移跨通道协调并集中于编码图像身份的维度；跨session解码平均下降，但部分图像对变得更易区分；全局距离统计与响应空间维度保持不变。

解决什么问题

检验人类图像诱发EEG响应是否跨session漂移、漂移是否受几何约束，以及表征漂移下知觉如何保持稳定。

方法

使用THINGS-EEG2数据集（多session重复呈现自然图像），分析图像诱发EEG响应的跨session漂移，并用Hebbian网络模拟下游适应。

局限

从研究设计看，为基于既有EEG数据集的再分析，漂移结论来自模拟推断而非直接神经机制验证。

AI 依据原文整理，未经人工核对。

AI 推荐理由

借助 THINGS-EEG2 多会话数据，读者可以看到人类 EEG 图像表征跨会话漂移的几何结构，以及这种结构对下游解码的影响。