通过优选自然图像和生成合成图像来调节人脑反应
摘要：理解人类大脑如何解释和处理信息是重要的 通过功能性磁共振成像，我们研究了人类大脑对图像的选择性和个体间的差异。在我们的第一个实验中，我们发现，使用群体水平编码模型预测会达到最大激活的图像引发的响应比预测会达到平均激活的图像的响应更高，并且激活增益与编码模型的准确性正相关。此外，相较于最大自然图像，aTLfaces和FBA1在对最大合成图像的响应中活跃度更高。在我们的第二个实验中，我们发现，使用个性化编码模型导出的合成图像引发的响应比使用群体水平或其他受试者的编码模型导出的合成图像的响应更高。aTLfaces偏好合成图像而不是自然图像的发现也得到了复制。我们的结果表明，使用数据驱动和生成性方法调节宏观脑区的响应，并探究人类视觉系统的个体间差异和功能特化的可能性。
作者：Zijin Gu, Keith Jamison, Mert R. Sabuncu and Amy Kuceyeski
论文ID：2304.09225
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-04-20