MétaCan
Menu
← Retour à la cohorte
Enregistrement W2016229050 · doi:10.1167/10.7.339

The effect of stimulus interruptions on "fast switchers" and "slow switchers": a neural model for bistable perception

2010· article· en· W2016229050 sur OpenAlexaff
C. Mouri, A. Chaudhuri

Notice bibliographique

RevueJournal of Vision · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBinocular rivalryPerceptStimulus (psychology)PerceptionGestalt psychologyPsychologyBistabilityNeuroscienceCognitive psychologyVisual perceptionPhysics

Résumé

récupéré en direct d'OpenAlex

Bistable perception is triggered by a physical stimulation that causes fluctuations between two perceptual interpretations. To date, no physiological mechanism has been causally linked to switching events (Einhauser et al., 2008; Hupé et al., 2008), leaving the neural basis of bistability unclear. External interruptions in the stimulus are known to affect perceptual switching rates: with long offsets, stimulus interruptions stabilize the percept, while short offsets trigger destabilization (Noest et al., 2007). The current study explores the latter phenomenon in a Necker cube presented for 600:1200 ms, 900:900 ms, and 1200:600 ms onset:offset durations. Figure-ground contrast varied between 100%, 50%, 25%, and 12.5%. In the flashing conditions, a 100% contrast cube was presented during the “onset phase”, followed by a lower contrast cube during the “offset phase”. Overall results indicate that destabilization occurs for flashing conditions, though individual results varied. In addition, subjects were evenly split between fast and slow switchers. Slow switchers showed strong biases for one percept, and sensitivity to contrast manipulations. These results suggest a dichotomy between low-level rivalry, of orthogonal orientations for example (Yu et al., 2002), and whole-form perception. Similar patterns have been described in binocular rivalry (Kovacs et al., 1996; Lee & Blake, 1999). Previous research implicates experience (Sakai et al., 1995) and genetic differences (Shannon et al., 2009) to explain why certain individuals experience fast or slow perceptual switching. We discuss our results in the context of noisy neural competition (Marr, 1982; Moreno-Bote et al., 2007). Our neural model makes use of a dynamical system developed by Wilson and Cohen (Wilson, 1999), in which two mutually inhibitory neurons interact. Manipulation of input signal strengths yields broadly similar results to those observed in this psychophysical study, suggesting that input strengths at different levels of processing may explain the divergence between fast and slow switchers.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,037
Tête enseignante GPT0,359
Écart entre enseignants0,322 · 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'étudeSimulation ou modélisation
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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

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