Neural correlates of processing elastic moving faces: A functional near-infrared spectroscopy (fNIRS) study
Notice bibliographique
Résumé
Recent behavioral studies showed that moving faces optimize face processing efficiency by facilitating part-based face processing as opposed to static faces (Xiao et al., 2012 & 2013). However, the mechanism of this facial movement facilitation effect is less clear. This study using functional near-inferred spectroscopy (fNIRS) methodology explored the neural mechanisms underlying this moving face effect. Thirty-one adults participated in the current study. The classic Composite Face Effect was used to examine holistic versus part-based face processing. In the dynamic condition, participants first learned a 2-second silent moving face video, depicting chewing and blinking movements in the learning phase. In the testing phase, a static composite face was presented. The test face consisted of upper and lower face halves from different people, displayed either aligned or misaligned. Participants decided whether the upper half was the same person as the one they just learned. The static condition was identical to the dynamic one, except that the learned faces were static pictures. NIRS data were acquired in the temporal and occipital regions. A functional connectivity analysis indicated that learning moving faces led to significantly more positive and negative functional connectivities between brain regions than learning static faces. GLM results revealed a significant greater cortical [deoxy-Hb] response in the middle temporal gyrus for watching moving faces than static faces. In addition, learning moving faces led to decreased [deoxy-Hb] responses to process aligned composite faces (beta = -0.08) but increased responses to misaligned composite faces (beta = 0.11). However, static faces led to similar amount of [deoxy-Hb] activation for aligned (beta = 0.08) and misaligned composite faces (beta = 0.06). This face motion effect in neural activities suggests that facial movement might exert a top-down influence on the primary visual cortex by inhibiting holistic processing when viewing aligned composite faces. Meeting abstract presented at VSS 2015
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».