Why the contralesional hemifield is scanned by patients with hemianopia but not with hemineglect: computational modeling of mechanisms of neural compensation
Notice bibliographique
Résumé
Hemianopia patients have a contralesional visual hemifield deficit yet, during visual search, direct eye movements toward and explore their blind side. In fact, during line bisection tasks, eye movements are guided preferentially to the contralesional blind hemifield and there is a line bisection bias toward this hemifield. In contrast, scan paths from hemineglect patients typically ignore the contralesional hemifield during both line bisection and visual search, and these subjects show an ipsilesional bisection bias. What strategies do hemianopia patients have or develop that compensate for the lack of visual information in their blind hemifield and why is such a compensatory process not accessible in visual neglect? We used a neurophysiology-based computational model to examine possible neural compensatory processes implemented in hemianopia and why these are ineffective in hemineglect following parietal lesions. We propose two different compensation mechanisms that could be employed during hemianopic adaptation to facilitate scanning eye movements towards objects they cannot see in their blind fields. First, a spatial compensatory bias can facilitate search scanning in a complex scene and allows locations in the blind field to attract attention and be fixated. Second, a strategy based on Gestalt grouping, which we implement through extrastriate lateral interactions, permits accurate placement of fixations when viewing the portion of a continuous object that falls into the blind field, such as a horizontal line. We show that, while these compensatory mechanisms facilitate attentional scanning in the blind hemifield in hemianopia, these same mechanisms are ineffective in hemineglect following parietal lesion. We conclude that this type of neurobiologically realistic computational modeling can suggest plausible neural mechanisms of compensation in hemianopia, which can be tested empirically, and which may have some use in guiding rehabilitation strategies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».