Torsional dynamics and cross-coupling in the human vestibulo-ocular reflex during active head rotation
Notice bibliographique
Résumé
Six subjects fixated an imagined space-fixed target in darkness, or a visible target against a structured visual background, while rotating their heads actively in yaw, pitch and roll at four different frequencies, from 0.3 to 2.4 Hz. We used search coils to measure the 3-dimensional rotations of the head and eye, and described the relation between them--the input-output function of the rotational vestibulo-ocular reflex (VOR)--using gain matrices. We found consistent cross-coupling in which torsional head rotation evoked horizontal eye rotation. The reason may be that the eyes are above the axis of torsional head rotation, and therefore may translate horizontally during the head motion, so the VOR rotates them horizontally to compensate. Torsional gain was lower than horizontal or vertical, more variable from subject to subject and decreased at low frequencies. One reason for the low gain may be that torsional head rotation produces little retinal slip near the fovea; hence little compensatory eye motion is needed, and so the VOR reduces its torsional gain to save energy or to approximate Listing's law by keeping ocular torsion near zero. In addition, the human VOR has little experience with purely torsional head rotations and so its adaptive networks may be poorly trained for such stimuli. The drop in torsional gain at low frequencies can be explained based on the leak in the neural integrator that helps convert torsional eye-velocity commands into eye-position commands.
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 ».