机构名称：
¥ 1.0
理解视觉刺激和大脑活动之间的复杂相互作用一直是认知神经科学的焦点。人工智能 (AI) 的出现为实验和计算神经科学研究提供了新的见解。在这项研究中，我们开发了一个开创性的编码框架，称为“Img2EEG”，作为研究视觉机制的创新工具。在个体受试者层面的大规模自然图像 EEG 数据集上训练后，Img2EEG 可以有效地学习个性化的大脑优化特征，并在给定任何图像输入的情况下生成高度逼真的 EEG 信号。使用 Img2EEG，我们可以跟踪视觉过程背后的时间动态，并揭示视觉感知个体差异的可能机制。此外，向 Img2EEG 输入与其原始训练数据集截然不同的新图像集，人工生成的 EEG 信号重现了经典的面部特定“N170”ERP 和对象特征多元模式分析结果。此外，我们的 Img2EEG 编码模型还可以执行 EEG 到图像的零样本检索任务，其表现优于当前最先进的 EEG 解码模型。总体而言，从视觉输入到高时间分辨率脑信号的 Img2EEG 映射为探索人类视觉表征提供了新颖而强大的方法。
通过图像到脑电图编码模型探测人类视觉
主要关键词
相关文件推荐
