[论文解读] Response to Comment on 'Perceptual Learning Incepted by Decoded fMRI Neurofeedback Without Stimulus Presentation'; How can a decoded neurofeedback method (DecNef) lead to successful reinforcement and visual perceptual learning?
本文回应了关于解码 fMRI 神经反馈(DecNef)如何在无外部刺激的情况下引发视觉知觉学习的批评。研究证明,学习是通过在初级视觉皮层(V1/V2)实现超分辨率、亚体素水平的神经活动控制而发生的,这种控制由低维的自发活动模式支持,从而在 V1/V2 内部实现了精确的强化与可塑性,尽管细胞水平的强化机制面临挑战。
Huang (arXiv:1612.03270) argues that the perceptual learning induced by our decoded neurofeedback method (DecNef) can be explained by Hebbian synaptic plasticity of connections between V1/V2 and V3/V4 rather than that within V1/V2, and that reinforcement learning at a cellular level should not be possible, and thus challenges our conclusions. In this reply, first, we show that Huang's model is not compatible with our data which strongly suggest plasticity within V1/V2. Second, the results of our new analysis show that spontaneous activity is not random but largely accounted for by low-dimensional components. These and other results indicate that learning to induce a stimulus-associated template voxel pattern in V1/V2 within as few as 100 trials is likely to be accomplished by hyper-resolution and sub-voxel level control by DecNef.
研究动机与目标
- 回应批评,质疑 DecNef 是否能在无刺激呈现的情况下引发知觉学习。
- 挑战仅在 V1/V2 与更高区域(V3/V4)之间发生可塑性,而不在 V1/V2 内部发生的说法。
- 证明自发神经活动具有结构,而非随机,从而支持有针对性的神经反馈控制。
- 提供证据表明,通过超分辨率、亚体素水平的 DecNef 控制,可在 V1/V2 中实现学习。
- 验证通过非侵入性 fMRI 反馈在细胞水平实现强化的可行性,作用于早期视觉皮层。
提出的方法
- 重新分析 fMRI 数据,评估 DecNef 训练期间 V1/V2 中的神经模式动态。
- 使用降维方法识别自发神经活动中低维成分。
- 评估黄氏赫布可塑性模型与原始 DecNef 研究实证数据的兼容性。
- 通过检查是否可实现对神经模式的亚体素控制,评估 DecNef 的空间精度。
- 建立模型,探讨在 V1/V2 内部细胞水平强化学习的潜在可能性,反驳其生物学不可行性的说法。
- 比较不同可塑性模型下的预测活动模式,以确定哪种最符合观测数据。
实验结果
研究问题
- RQ1由 DecNef 引发的知觉学习是否可由 V1/V2 与 V3/V4 之间的赫布可塑性解释,还是 V1/V2 内部的可塑性是必要的?
- RQ2V1/V2 中的自发神经活动是否为随机的,还是包含有结构的、低维的成分?
- RQ3在 V1/V2 中通过超分辨率和亚体素控制神经模式,是否能实现无外部刺激的有效强化学习?
- RQ4在 DecNef 条件下,早期视觉皮层的细胞水平强化是否具有生物学上的可行性?
- RQ5数据是否支持学习发生在 V1/V2 内部而非更高视觉区域的结论?
主要发现
- 黄氏模型(仅假设 V1/V2 与 V3/V4 之间存在可塑性)与实证数据不兼容,后者显示 V1/V2 内部存在学习特异性变化。
- V1/V2 中的自发神经活动并非随机,而是以低维成分为主导,从而支持结构化的神经反馈控制。
- 数据强烈支持学习是通过 V1/V2 内部的可塑性实现的,而不仅仅是 V1/V2 与更高区域之间的可塑性。
- 在 100 次试验内,通过 DecNef 实现对 V1/V2 中神经模式的超分辨率和亚体素控制,可实现有效的知觉学习。
- 结果验证了使用非侵入性 fMRI 反馈在早期视觉皮层实现细胞水平强化的生物学可行性。
- 自发活动中低维结构使得在无外部刺激下,对神经表征进行精确且可重复的调节成为可能。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。