Perceptual Learning of Faces: A Rehabilitative Study of Acquired Prosopagnosia
Notice bibliographique
Résumé
Despite many studies of acquired prosopagnosia, there have been only a few attempts at its rehabilitation, all in single cases, with a variety of mnemonic or perceptual approaches, and of variable efficacy. In a cohort with acquired prosopagnosia, we evaluated a perceptual learning program that incorporated variations in view and expression, which was aimed at training perceptual stages of face processing with an emphasis on ecological validity. Ten patients undertook an 11-week face training program and an 11-week control task. Training required shape discrimination between morphed facial images, whose similarity was manipulated by a staircase procedure to keep training near a perceptual threshold. Training progressed from blocks of neutral faces in frontal view through increasing variations in view and expression. Whereas the control task did not change perception, training improved perceptual sensitivity for the trained faces and generalized to new untrained expressions and views of those faces. There was also a significant transfer to new faces. Benefits were maintained over a 3-month period. Training efficacy was greater for those with more perceptual deficits at baseline. We conclude that perceptual learning can lead to persistent improvements in face discrimination in acquired prosopagnosia. This reflects both acquisition of new skills that can be applied to new faces as well as a degree of overlearning of the stimulus set at the level of 3-D expression-invariant representations.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».