Rapid extraction of stimulus phase information during complex object processing
Notice bibliographique
Résumé
Most ERP studies of object and face perception have focused on the N170, an ERP component that is systematically larger for faces compared to objects in the time window 130–200 ms. We recently demonstrated that N170 effects cannot be explained by differences in amplitude spectrum or stimulus variance, but rather depend on phase information (Rousselet, Husk, Bennett & Sekuler, Journal of Vision 2005, NeuroImage 2007). In the present study, we examined the phase tuning function of EEG single-trials evoked by complex objects. Stimulus phase was systematically manipulated in a parametric design, with 11 steps of phase information, ranging from 0% (noise), to 100% (original stimulus). Contrast and amplitude spectrum were maintained constant across noise levels. Subjects (n=8) had to discriminate between 2 faces, a task orthogonal to the stimulus manipulation. ERPs from each subject were entered into a multiple linear regression model including stimulus phase information, skewness, kurtosis and their interactions as regressors. This simple model explained up to 48% of the variance on average (min=20%, max=67%), with scalp topography very similar to the one of early visual evoked responses. Sharp non-monotonic changes in EEG activity occurred between 100–150 ms. Theses changes were explained by an increased phase sensitivity modulated by the image kurtosis, an interaction that peaked around the latency of the N170. A control experiment using the same task but pink noise (1/f) textures instead of faces did not show EEG phase sensitivity, demonstrating that the effect is not task related. However, wavelet textures preserving higher-order image statistics (skewness and kurtosis) as well as multi-scale phase correlations elicited significant phase sensitivity modulations, albeit overall much weaker and delayed compared to face stimuli. These results suggest that a large part of early responses to complex objects like faces correspond to a rapid bottom-up extraction of higher-order image statistics.
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 | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».