Distinct Familiarity-Based Response Patterns for Faces and Buildings in Perirhinal and Parahippocampal Cortex
Notice bibliographique
Résumé
An unresolved question in our understanding of the medial temporal lobes is how functional differences between structures pertaining to stimulus category relate to the distinction between item-based and contextually based recognition-memory processes. Specifically, it remains unclear whether perirhinal cortex (PrC) supports item-based familiarity signals for all stimulus categories or whether parahippocampal cortex (PhC) may also play a role for stimulus categories that are known to engage this structure in other task contexts. Here, we used multivoxel pattern analyses of fMRI data to compare patterns of activity in humans that are associated with the perceived familiarity of faces, buildings, and chairs. During scanning, participants judged the familiarity of previously studied and novel items from all three categories. Instances in which recognition was based on recollection were removed from all analyses. In right PrC, we found patterns of activity that distinguished familiar from novel faces. By contrast, in right PhC, we observed such patterns for buildings. Familiarity signals for chairs were present in both structures but shared little overlap with the patterns observed for faces and buildings on a more fine-grained scale. In the hippocampus, we found no evidence for familiarity signals for any object category. Our findings show that both PrC and PhC contribute to the assessment of item familiarity. They suggest that PhC does not only represent episodic context but can also represent item information for some object categories in recognition-memory decisions. In turn, our findings also indicate that the involvement of PrC in representing item familiarity is not ubiquitous.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».