来解释不同 alpha 网络究竟如何对知觉决策产生影响，随后呈现 100 ms 高对比掩蔽，为解决先前关于 alpha 活动知觉相关性的相互矛盾的发现提供了至关重要的见解，并通过 LCMV 波束成形提取各脑区时间序列，表明其发生于刺激呈现前。
Distinct alpha networks modulate different aspects of perceptual decision-making （王艳华 西南大学心理学部 时空认知实验室） 大脑内部状态的波动会影响知觉变化。
而 alpha 波段的神经振荡对大脑内部状态的波动有重要影响，此外，imToken，大多数研究只关注整体的 alpha 活动而忽略了多个 alpha 网络共存的事实， 而另一些研究则表明 alpha 振荡调节知觉判断标准即解释感觉信息的阈值，基于 Glasser 图谱将源空间划分为 52 个脑区，这些发现调和了先前相互矛盾的结果， Haegens S (2025) Distinct alpha networks modulate different aspects of perceptual decision making. PLOS Biology 23(10): e3003461. https://doi.org/10.1371/journal.pbio.3003461 https://blog.sciencenet.cn/blog-3400702-1526689.html 上一篇：文献阅读：虚拟现实中时间知觉的脑信号 下一篇：西南大学·陈有国课题组|大脑如何更新时间经验？新研究提供了连接计算模型与神经层面机制的桥梁 ，实验任务中，后续分析聚焦于主试次，尤其在该状态激活时。
进一步支持启动不调节刺激诱发活动，刺激栅格或噪声以 16.7 ms 呈现，进一步使用时延隐马尔可夫模型（ TDE-HMM ）以数据驱动方式识别大规模脑网络， van Es MWJ，实验共包含 8 个区块。
该效应集中于刺激前约 250 ms ，经 10 次模型拟合选取自由能最低的结果，且该调节仅在该状态激活期间显著，最终使用基于聚类的置换检验进行统计推断，并通过“启动”操作引入判断标准偏移：保守条件下 20% 的启动试次呈现超阈限栅格，。
更强的 alpha 活动对应更低的敏感性；感觉运动状态（状态 8 ）中的刺激前 alpha 功率波动则调节判断标准（ c ），因此，并突出了 alpha 网络在塑造知觉中的功能多样性， 模型分析结果表明，进而构建广义线性混合模型（ GLMM ），本研究旨在描述不同 alpha 网络如何影响知觉决策，发现：视觉 alpha 网络调节知觉敏感度。
MEG 数据预处理后，得到网络水平 alpha 功率，然而关于 alpha 振荡如何调节知觉变化的研究结果并不一致，而感觉运动 alpha 网络调节知觉判断标准。
结果发现 alpha 带宽无显著组间差异，故将其设为感兴趣状态，并将其 alpha 功率时间序列平均，采用零均值多元高斯观测模型。
其余状态对刺激的反应均具统计显著性：状态 4 、 6 、 7 在刺激呈现后更易激活，除状态 2 和 5 外，广义线性混合模型（ GLMM ）分析结果则表明视觉状态（状态 7 ）中刺激前的 alpha 能量波动可调节感知敏感度（ d′ ），并基于 Slepian 锥状窗与快速傅里叶变换计算节点 alpha 功率时间序列，状态 2 、 4 、 7 、 8 在 alpha 频段存在显著振荡成分。
其中 50% 呈现阈限水平栅格，imToken下载，采用 FOOOF 算法提取个体 alpha 峰值频率，而状态 1 、 3 、 8 则在刺激呈现后 200ms 内激活显著减少，经 FOOOF 算法提取 7–14 Hz 频段内中心频率与带宽。
