MétaCan
Menu
Retour à la cohorte
Enregistrement W1975512901 · doi:10.1016/j.cub.2014.08.058

Training Transfers the Limits on Perception from Parietal to Ventral Cortex

2014· article· en· W1975512901 sur OpenAlexaff
Dorita H. F. Chang, Carmel Mevorach, Zoe Kourtzi, Andrew E. Welchman

Notice bibliographique

RevueCurrent Biology · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilWellcome Trust
Mots-clésBiologyPosterior parietal cortexPerceptionCortex (anatomy)Training (meteorology)NeuroscienceAnatomy

Résumé

récupéré en direct d'OpenAlex

Visually guided behavior depends on (1) extracting and (2) discriminating signals from complex retinal inputs, and these perceptual skills improve with practice. For instance, training on aerial reconnaissance facilitated World War II Allied military operations; analysts pored over stereoscopic photographs, becoming expert at (1) segmenting pictures into meaningful items to break camouflage from (noisy) backgrounds, and (2) discriminating fine details to distinguish V-weapons from innocuous pylons. Training is understood to optimize neural circuits that process scene features (e.g., orientation) for particular purposes (e.g., judging position). Yet learning is most beneficial when it generalizes to other settings and is critical in recovery after adversity, challenging understanding of the circuitry involved. Here we used repetitive transcranial magnetic stimulation (rTMS) to infer the functional organization supporting learning generalization in the human brain. First, we show dissociable contributions of the posterior parietal cortex (PPC) versus lateral occipital (LO) circuits: extracting targets from noise is disrupted by PPC stimulation, in contrast to judging feature differences, which is affected by LO rTMS. Then, we demonstrate that training causes striking changes in this circuit: after feature training, identifying a target in noise is not disrupted by PPC stimulation but instead by LO stimulation. This indicates that training shifts the limits on perception from parietal to ventral brain regions and identifies a critical neural circuit for visual learning. We suggest that generalization is implemented by supplanting dynamic processing conducted in the PPC with specific feature templates stored in the ventral cortex.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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.

Tête enseignante Opus0,189
Tête enseignante GPT0,384
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations59
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent BiologyMême sujetVisual perception and processing mechanismsTravaux en français237 207