面向血管规避的感知感知外科规划——用于视觉皮层人工智能器

视觉皮层人工智能器旨在通过电刺激视觉皮层（V1）早期区域的神经元来恢复视力。随着高密度柔性神经接口的出现，电极在三维皮层中的置放已成为外科规划的关键问题。现有策略强调视野覆盖和解剖学启发式方法，但未直接优化受安全约束下的预测感知结果。我们提出了一种感知感知的框架，用于规划视觉皮层人工智能器的外科手术，将电极置放表述为解剖空间中的受约束优化问题。将电极坐标视为可学习参数，使用基于人工智能器视觉的可微前向模型进行端到端优化。目标函数最小化任务级感知误差，同时纳入血管规避和灰质可行性约束。在使用真实折叠皮层几何（FreeSurfer fsaverage）进行模拟阅读和自然图像任务评估时，感知感知的优化相对于基于覆盖的置放策略在重构保真度上 consistently 获得改进。重要的是，血管安全约束消除边缘违规，同时保持感知性能。该框架进一步支持在固定插入预算下对多电极线配置进行共优化。这些结果表明，可微感知模型如何为解剖学上基于人工智能器的、安全感知的计算机辅助规划提供了依据，并为优化下一代视觉人工智能器奠定了基础。