基于独立分量的故事理解期脑活动编码模型
计算与语言
2026-04-29 v1 神经元与认知
摘要
编码模型提供了一种强大的框架，将连续刺激特征与神经活动关联起来；然而，传统的体素级方法受限于测量噪声、受试者间变异以及由空间相关体素编码重叠神经信号引起的冗余性。我们提出一种基于独立分量(IC)的编码框架，用于分离由刺激驱动和噪声驱动的信号。我们使用数据子集中的 IC 分解连续 fMRI 数据，并在独立的数据上训练编码模型，从语言模型的语言输入表示预测 IC 时间序列。在受试者之间，部分 IC 表现出一致的高可预测性。这些 IC 在受试者之间在空间和时间上保持一致，并包括在故事聆听期间已知会反应的认知网络(听觉和语言网络)。听觉成分时间序列与声学刺激特征高度相关，突显了所识别成分时间序列的可解释性。ICs-AROMA 识别为噪声或运动相关伪影的成分表现一致性差，确认高度预测的成分反映的是真实的与刺激相关的神经信号而非混杂因素。总体而言，IC 基于的编码模型允许在功能网络层面进行分析，容纳个体间网络位置变异，并提供易于跨受试者比较的可解释结果。
引用
@article{arxiv.2604.24942,
title = {Independent-Component-Based Encoding Models of Brain Activity During Story Comprehension},
author = {Kamya Hari and Taha Binhuraib and Jin Li and Cory Shain and Anna A. Ivanova},
journal= {arXiv preprint arXiv:2604.24942},
year = {2026}
}