The neural control of fast vs. slow vergence eye movements
Notice bibliographique
Résumé
When looking between targets located in three-dimensional space, information about relative depth is sent from the visual cortex to the motor control centers in the brainstem, which are responsible for generating appropriate motor commands to move the eyes. Surprisingly, how the neurons in the brainstem use the depth information supplied by the visual cortex to precisely aim each eye on a visual target remains highly controversial. This review will consider the results of recent studies that have focused on determining how individual neurons contribute to realigning gaze when we look between objects located at different depths. In particular, the results of new experiments provide compelling evidence that the majority of saccadic neurons dynamically encode the movement of an individual eye, and show that the time-varying discharge of the saccadic neuron population encodes the drive required to account for vergence facilitation during disconjugate saccades. Notably, these results suggest that an additional input (i.e. from a separate vergence subsystem) is not required to shape the activity of motoneurons during disconjugate saccades. Furthermore, whereas motoneurons drive both fast and slow vergence movements, saccadic neurons discharge only during fast vergence movements, emphasizing the existence of distinct premotor pathways for controlling fast vs. slow vergence. Taken together, these recent findings contradict the traditional view that the brain is circuited with independent pathways for conjugate and vergence control, and thus provide an important new insight into how the brain controls three-dimensional gaze shifts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».