把电极坐标当作可学习参数：感知感知优化在折叠皮层上同时提升重建保真度并消除血管安全边界违规
核心概要
该研究提出一个感知感知的皮层视觉假体手术规划框架，把电极三维坐标当作可学习参数，在FreeSurfer fsaverage折叠皮层几何上用可微假体视觉前向模型端到端优化，目标为最小化任务级感知误差并加入血管避让与灰质可行性约束；在模拟的MNIST阅读任务与CIFAR-10自然图像任务上，该方法相对视觉场平铺与视觉场覆盖基线一致提升重建保真度（MNIST上MSE中位数最多降低67.7%与33.4%，下游分类准确率提升62.6%与22.4%），加入血管惩罚后消除了全部300 µm安全边界违规而SSIM仅下降1.7%（MNIST）与4.4%（CIFAR-10），并可在固定插入预算（Ninsert=128
深度剖析
提出一个感知感知的三维皮层电极放置优化框架，直接最小化预测的任务相关感知误差，而非几何覆盖指标。 既有工作要么为固定植入体优化刺激参数，要么以视觉场覆盖为目标安排电极；该工作把电极坐标本身作为可学习参数，在可微假体视觉前向模型内端到端优化。 在FreeSurfer fsaverage模板上，跨电极数N∈{64–1024}与磷光斑扩散ρ∈{500–1500} µm、每种配置3次随机初始化，与视觉场平铺和视觉场覆盖两种基线比较，用Wilcoxon符号秩检验、p≤0.01；MNIST上MSE中位数相对平铺降低67.7%、相对覆盖降低33.4%，SSIM提升11.1%与4.7%，下游分类准确率提升62.6%与22.4%。
把血管避让与灰质可行性作为可微惩罚项显式纳入放置优化，使功能优化与手术安全在同一框架内联合处理。 此前覆盖驱动的放置策略虽考虑安全，但未把安全约束与感知目标在同一优化中联合求解；该工作用300 µm铰链式血管惩罚与灰质符号距离惩罚实现连续权衡。 无安全约束时大量电极违反300 µm边界；加入血管惩罚后全部边界违规被消除，而SSIM相对无约束优化仅下降1.7%（MNIST）与4.4%（CIFAR-10）。
框架可扩展到多电极线程，在固定皮层插入数下协同优化入点与插入轨迹，并提升感知保真度。 把设备架构（线程）与手术约束纳入同一感知感知目标，使器件设计权衡可被定量探索，而不仅是单电极位置优化。 在固定插入预算Ninsert=128下，线程化配置相对单电极放置提升感知保真度（Fig. 4）；单次配置优化在NVIDIA RTX 3090上耗时少于10分钟。
启示与展望
该框架面向术前规划场景，适用于在三维皮层灰质内确定电极坐标、并在给定器件电极数下权衡感知性能与血管安全的研究者与器械设计者；结果在FreeSurfer fsaverage模板这一统一解剖参考空间中给出，作者说明框架完全兼容患者个体化皮层重建、视网膜拓扑映射（如fMRI）与血管造影数据，因此其预期应用场景是可在个体解剖上重跑的规划流程。线程化扩展针对固定插入预算（Ninsert=128）下的入点与轨迹协同优化，可用于定量探索器件设计权衡。
感知前向模型采用高斯磷光斑与线性叠加的简化近似，作者表示未来工作将纳入更详细的生物物理模型；实验在fsaverage模板而非个体解剖上进行，个体化重建、fMRI视网膜拓扑与血管造影数据下的表现仍是待观察的问题；灰质约束被用作靶向第4层的代理，层状边界未被显式建模；评估基于MNIST与CIFAR-10的模拟任务与ResNet-50分类器，未涉及活体或临床结局；线程化结果在固定插入预算下报告，不同预算与器件参数下的权衡仍有待探索。