Inverse Mapping the Neuronal Substrates of Face Categorizations
Notice bibliographique
Résumé
Face perception is a complex process involving a network of brain structures, dynamically processing information to enable judgments about a face to be made (e.g., familiarity, identity, and expression). Here we introduce an analysis methodology that makes it possible to directly study this information processing in the brain from spatially and temporally resolved magnetoencephalographic signals. We apply our methodology to the study of 2 face categorization tasks, gender and expressiveness, and track the processing of 3 key visual features that underlie behavioral performance, over time and throughout the cortex. We find information processing correlates beginning from 90 ms following stimulus onset, where features are processed in isolation in occipital extrastriate regions. Over time, processing of successively more features and feature combinations takes place in occipitotemporal regions, with maximal information processing of visual information coinciding with the well-established face-selective M170 component at 170 ms. Later still, around 250-400 ms, cortical activity responds significantly more to task-specific features and their complex combinations. These results indicate a complex process of visual information processing during face perception with face parts processed in isolation at very early stages, and task-specific processing of combinations of features taking place within 300 ms. Crucially, our approach specifically establishes which information in the visual stimulus the brain signal is responding to and how this varies with time, cortical location, and task demands to establish a more precise tracking of information processing mechanisms in the cortex during face perception.
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 | 0,000 | 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 | 0,000 | 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 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 ».