Scratching Beneath the Surface: New Insights into the Functional Properties of the Lateral Occipital Area and Parahippocampal Place Area
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We used fMRI on neurologically intact humans to investigate whether or not there are different neural substrates for the different kinds of information that a visual surface signals (shape from texture vs material properties from texture). Participants attended to differences in the shape (flat/convex), texture and color (wood/rock), or material properties (soft/hard) of a set of circular surfaces. Attending to shape activated the contour-sensitive lateral occipital (LO) area, and attending to texture activated a region of the collateral sulcus (CoS) that overlaps with the parahippocampal place area (PPA). Interestingly, attending to material properties activated the same texture-sensitive region in the CoS. These results demonstrate the existence of different neural substrates for the different types of information that a visual surface signals. With regard to object shape, the organization of the LO area may be complex, with neurons tuned not only to the outline shape of objects, but also to their surface curvature independent of contour. Moreover, to our knowledge, this is the first study to demonstrate that processing surface texture, which occurs within the scene-sensitive PPA, is a route to accessing knowledge about an object's material properties. With this in mind, we propose that models of visual cortical organization should focus not only on the particular stimulus category to which a region maximally responds (e.g., objects, scenes), but also on the stimulus attributes that best support the processing of that category (e.g., shape, texture, material properties).
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle