Dynamic versus static stimuli for localization of the cerebral areas involved in face perception
Notice bibliographique
Résumé
Functional Magnetic Resonance Imaging (fMRI) studies investigating human face perception use localizers to identify specific brain areas, such as the fusiform face area (FFA), occipital face area (OFA), and superior temporal sulcus (STS). These usually consist of a simple block design contrasting viewing of static pictures of faces and viewing of other objects. Functional localizers seldom identify all regions in all participants, however, reducing their utility in the study of single subjects. We asked whether the use of more ecologically valid dynamic stimuli, such as video clips of faces and objects, may result in a more reliable activation of face-processing areas in all participants. Sixteen young volunteers participated in an fMRI study that contained two functional localizers, one with static photographs and the other with dynamic video clips of faces and objects. The results showed that the use of the static localizer resulted in the identification of the FFA bilaterally in 13 participants, the left OFA in 11, the right STS and right OFA in eight, and the left STS in four. The use of the dynamic localizer allowed us to detect activity within the FFA bilaterally, the right STS and the right OFA in all 16 participants, and the left STS and left OFA in 13. Furthermore, face-selective regions identified with the dynamic localizer had peaks with 25% greater t-values and had, on average, twice many voxels than the regions identified with the static localizer. These findings suggest that the use of more realistic dynamic stimuli, rather than static photographs, results in a more reliable localization of the brain regions involved in face perception.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».