MétaCan
Menu
← Retour à la cohorte
Enregistrement W1993102418 · doi:10.1167/13.9.358

Visual regions V2, V3, and MT can discriminate between visual motion trajectories even when you can't.

2013· article· en· W1993102418 sur OpenAlexaff
Diana J. Gorbet, F. Wilkinson, H. Wilson

Notice bibliographique

RevueJournal of Vision · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTrajectoryMotion (physics)Artificial intelligenceVoxelComputer scienceComputer visionPattern recognition (psychology)PhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Radial frequency (RF) motion trajectories are a class of visual stimuli that consist of a target moving along a closed trajectory defined by a sinusoidal variation of the radius relative to a circular path. The results of a previous fMRI multivoxel pattern analysis study demonstrated that trajectory shape can be distinguished in regions V2 and V3 for radial frequency patterns ranging from RF2 to RF5 (Gorbet, Wilkinson, and Wilson, 2012). These low frequency trajectories formed recognizable shapes that were oval-, triangle-, diamond-, and star-like. These results indicate that V2 and V3 have a role in processing closed-circuit visual motion but do not reveal whether discrimination involves encoding global categories of shape or more local differences in trajectory curvatures. If a region is involved in recognizing the overall shape of a trajectory, multivoxel pattern discrimination should disappear for high frequency trajectories that form non-discriminable shapes. In the current study, we used a multivoxel pattern analysis fMRI approach to test this prediction. In particular, we tested whether patterns of voxel activity in independently localized visual regions could distinguish both between recognizable RF4 and RF5 trajectories and between unrecognizable RF9 and RF10 trajectories. As expected, RF4 and RF5 trajectories could be reliably distinguished in regions V2, V3, and additionally, in region MT. However, the data revealed that these same regions can also discriminate between RF9 and RF10 trajectories even though separate psychophysical testing indicates that observers cannot tell these motion trajectories apart any better than chance. These results suggest that distinguishing between different RF motion trajectories in regions V2, V3, and MT relies on local properties of trajectory curvature. Preliminary further examination of the data using a whole-brain recursive feature elimination approach suggests that perception of global trajectory shape may occur in higher level parietal and frontal cortical regions. Meeting abstract presented at VSS 2013

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,343
Écart entre enseignants0,292 · 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'étudeObservationnel
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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetVisual perception and processing mechanisms→Travaux en français237 207→