fMRI reveals different activation patterns for real objects vs. photographs of objects
Notice bibliographique
Résumé
Hundreds of functional magnetic resonance imaging (fMRI) experiments have revealed the neural substrates of object processing using photos of objects. Here we used univariate and multivariate pattern analysis (MVPA) of fMRI responses to determine whether photos are represented similarly to real objects in the human brain. The stimuli were everyday objects of comparable size and elongation. The photos were matched closely to the real objects for size and viewpoint. The stimuli were presented in rapid succession in the fMRI scanner using a custom-designed conveyor belt. We used a block design in which subjects viewed four exemplars (of different color, form, etc.) of one object type (e.g., whisks) in either real or photo format in each block. Univariate subtraction analysis revealed higher activation for real objects than photos in object-selective areas of the ventral visual stream (including the middle temporal gyrus, lateral occipital cortex, and fusiform gyrus) and dorsally in primary somatosensory cortex. Surprisingly, whole-brain searchlight representational similarity analysis showed that the lateral occipitotemporal cortex (LOTC) and anterior intraparietal sulcus (aIPS) were sensitive to the format in which stimuli were viewed, with stronger correlations for stimuli displayed in the same (i.e., Real-Real or Photo-Photo) versus different (i.e., Real-Photo) viewing dimensions. Finally, multidimensional scaling within independently-defined volumes of interest in left LOTC and aIPS revealed a global grouping that reflected a categorical distinction between real object and image displays, with more distinct representations for the real object exemplars than the images. Taken together, our results indicate that the human brain does not treat photographs as being equivalent to real objects. Real objects might elicit different brain-based responses to photos because they provide richer visual information, they have definite haptic qualities, and they afford genuine action. Meeting abstract presented at VSS 2016
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 | 0,000 |
| 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) | 0,002 | 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 ».