多感觉整合

1. 理论模型：

   1. 贝叶斯理论框架(最优整合理论：所有信息的还原)：高斯分布的峰值是准确度，σ为精度(多模态【降低噪音】小于单模态)——多感觉一致时，权重加和；冲突时，偏向于信息可靠的。
   2. 归一化模型：大脑的抑制神经元(所有细胞群的信号整合于该细胞，该细胞再发放抑制信号，抑制群体信号的产生)；最优加非最优——介于二者之间，整合低于二者单纯的加和，即存在抑制的成分【大脑做了平均】

2. 整合的神经基础：

   1. 多模态脑区(MST：对光流敏感，对前庭和视觉相关信息均有反应)
   2. 绕过多模态直达抉择脑区：感觉运动联合皮层

3. 整合与分离： ——Causal inference(因果推断)：大脑做整合时会选择差异小的线索，差异大则会放弃线索，即分离(抽提有关信息)【灵活的整合和分离再前额叶】

4. 多感觉可塑性——学习 ——多感觉冲突的削弱——前庭和视觉认知发生偏移

5. Oscillation和多感觉

   1. 振荡：电场(EEG：所有电活动的整合)，频率相较于动作电位【500hz】低，基本小于25hz，存在不同的频谱【越高的频谱越接近动作电位】，高频是前馈信号，低频是反馈信号
   2. Spike(local)总在LFP(场——可实现长程通讯)峰值出现才有意义？