A unified framework and normative dataset for second-order sensitivity using the quick Contrast Sensitivity Function (qCSF)
Notice bibliographique
Résumé
Introduction: While the contrast sensitivity approach has been successful in quantifying striate function, there is a need to develop comparable ways of evaluating extra-striate function in humans. Neurophysiologically, the extra-striate cortex differs from the striate cortex in a number of important ways. Second-order modulated stimuli are thought to be processed by the visual system in two serial stages; the carrier is processed by the localized, spatially bandpass neurons in V1 and in a second stage the rectified V1 output is integrated in extra-striate cortex. Here, our purpose is to establish normative data on the sensitivity of extra-striate human cortical function. Methods: We optimally designed second-order stimuli contrast-, orientation- or motion-modulated in order to reflect extra-striate function. We use a common novel methodology, the quick contrast sensitivity function (qCSF) method, recently developed for the rapid measurement of visual contrast sensitivity across a range of spatial frequencies relevant to striate function (Lesmes et al., 2010). This method is a Bayesian adaptive procedure that estimates multiple parameters of the sensitivity function and concurrently estimates thresholds across the full spatial-frequency range. It was originally built to determine the first-order contrast sensitivity function, but here we use it for determining both first and second-order functions. Results: We first show that the qCSF methodology can be well adapted to different kinds of first- and second-order measurements. We provide a normative dataset (102 eyes) for first- and second-order sensitivity and we show that the sensitivity to all these stimuli is equal in the two eyes. Conclusions: Our results confirm some strong differences between first- and second-order processing, in accordance with the classical filter-rectify-filter model. They suggest a unique contrast detection mechanism but different second-order ones. Meeting abstract presented at VSS 2014
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 | 0,012 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».