在感知外部信息和进行思维活动中，大脑是通过神经元突触和轴突之间形成的复杂动态连接网络进行信息传递和信息处理的。从分析大脑动态连接结构的角度解析大脑的运行机制已成为目前神经科学领域的研究热点。视觉是动物（包括人类）感知外界信息的主要途径，初级视觉皮层（V1区）是最早参与视觉感知活动的皮层区域，也是形成视知觉意识的关键区域，与其它感知皮层共享着极其相似的微观结构和相近的聚类及耦连准则。因此，深入探究V1区神经集群的动态连接，建立符合其动态连接的集群编码模型，已成为目前研究V1区神经元集群信息编码机制的关键，该研究对于解析整个视觉通路以及大脑中其它感知系统的信息处理机制具有重要意义。　　目前在V1区神经元集群动态连接和编码模型的研究中，尚不清楚其神经元集群的时空连接特性及其在信息表征或编码中的作用。因而，本文首先通过开展电生理实验，分析了V1区神经元集群的动态功能连接和动态稀疏响应;然后，提出了一个小世界连接的集群响应量化框架，证明了V1区神经元集群小世界的空间连接特性在集群信息表征中的重要作用;最后，依据以上实验发现和结论，构建了“广义线性-动态小世界”集群编码模型，描述了神经元间的动态功能连接、小世界空间连接以及动态稀疏性，证明了V1区神经元集群动态小世界的时空集群稀疏特性在集群编码中的关键意义。并以Long Evans大鼠为模式动物，用电生理实验验证了以上研究结论。本文主要完成的工作和创新点如下:　　(1)实现了V1区神经元集群响应信号的采集。采用组织学的方法，获得了大鼠V1区的组织学结构;结合本文的研究目的，确定了电生理实验中微电极阵列的参数以及植入位置和深度;实现了V1区指定层神经元集群响应信号的采集，并完成了微电极阵列植入深度的组织学验证。　　(2)发现了V1区神经元集群功能连接会随整合野的调制作用而发生动态重组的神经现象。分析了V1区神经元集群响应随圆形光栅半径变化的调制规律，确定了集群整体的经典感受野和整合野范围，对比分析了神经元集群功能连接在经典感受野和整合野调制下的差异。分析结果表明:神经元集群的功能连接在整合野的调制下会发生动态重组——网络的连接强度、连接密度、聚类系数显著变大，网络的平均路径距离显著减小。这些特征参数的变化有助于提高信息在网络中的传递效率。　　(3)分析了不同自然图像显著度下大鼠V1区神经元集群稀疏性响应的动态变化规律。依据V1区神经元整合野的特征调谐特性，结合机器视觉领域的图像分割算法（IG算法），分析了自然图像中目标的显著度，计算了不同显著等级图像刺激下大鼠V1区神经元集群响应的稀疏度。统计结果发现，随着自然图像中目标显著度的增加，大鼠V1区神经元响应的稀疏性明显提高。该实验结果表明，V1区的神经元集群在目标较显著情况下仅利用少量神经元发放实现信息的传递和编码，反映了动态集群信息编码的高效性。　　(4)提出了一个小世界连接的V1区神经元集群响应量化框架，证明了V1区神经元集群小世界的空间连接特性在集群信息表征中的关键作用。通过综合分析单神经元和集群小世界的交互作用对集群响应的贡献，提出了一个新的小世界框架，完成了视觉图像刺激下大鼠V1区神经元集群响应的量化描述。与常规基于全连接网络的量化框架进行对比，结果表明:小世界框架下描述的V1区神经元集群响应能够更可靠地表达对图像整体性信息的编码规律，并能显著地区分不同拓扑形状的图形。由此推论V1区神经元集群小世界的连接特性在表征集群响应特性中起着重要作用。　　(5)构建了“广义线性-动态小世界”(GLDSW)集群编码模型，揭示了V1区神经元集群动态小世界连接的高效信息编码机制。通过综合考虑V1区神经元集群的动态连接特性和动态稀疏性，以及小世界连接特性在集群信息表征中的作用，在常规广义线性模型(GLM)框架下，加入了动态小世界模型的网络结构，构建了新的集群编码理论模型——“广义线性-动态小世界”(GLDSW)。采用电生理实验验证了该模型在模拟V1区神经元集群动态编码过程上的有效性。结果表明，与常规GLM框架下的“线性-非线性-泊松”模型相比， GLDSW模型预测的神经元响应更准确、可靠。