The N170 is driven by the presence of horizontal facial structure
Notice bibliographique
Résumé
Horizontal contours convey vital information for identifying faces (Dakin & Watt, JoV 2009), and orientation selectivity—i.e., relative sensitivity to information conveyed by horizontal and vertical contours—correlates with face identification accuracy (Pachai et al., Front Psych 2013). The face inversion effect (FIE), a decrease in identification accuracy after stimulus inversion, is observed when horizontal, but not vertical, contours are retained (Hashemi et al., VSS 2012). Indirect evidence suggests that the N170 component of the ERP may have similar orientation selectivity: the N170 is affected by face inversion (Jacques & Rossion, NeuroImage 2007; Rousselet et al. JoV 2008), and the N170 FIE also is sensitive to horizontal contours (Jacques et al., VSS 2011). Here, we directly tested the effect of orientation filtering on the N170 for upright face processing. We measured identification accuracy in a 6-AFC task with filtered test faces. Test stimuli were generated using a ±45 deg orientation filter centered on either the horizontal (HORZ) or vertical (VERT) orientation. Increasing the bandwidth of the filter by ±9 deg steps formed eight additional filtered conditions, and an unfiltered face was used in another condition. In both the HORZ and VERT conditions, response accuracy increased linearly with filter bandwidth. However, the effect of bandwidth was eight times larger in the VERT condition. This result is consistent with previous reports: adding horizontal contours to a vertical base improved identification, but adding vertical contours to a horizontal base had a much smaller effect. Critically, we observed similar linear effects of filter bandwidth on N170 amplitude and latency: increasing filter bandwidth reduced latency and increased amplitude, and the effect was significantly greater in the VERT condition. Finally, behavioural and N170 amplitude orientation tuning were correlated (r=0.72 left, 0.58 right). We conclude that horizontal contours may largely drive the neural response to intact faces. Meeting abstract presented at VSS 2014
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».