Dichoptic imbalance of luminance affects the phase component of steady-state MEG signals
Notice bibliographique
Résumé
Interocular interaction in a normal visual system occur under dichoptic conditions when contrast and luminance are imbalanced between the eyes. Psychophysically such interaction are well described by a contrast normalization model. However the neural processing underlying such interactions within the visual cortex are still unclear. We set to investigate how an interocular imbalance in contrast or luminance affects visual processing. We used magnetoencephalography to record SSVEP and fMRI to obtain individual retinotopic maps that we used for source computation for each participant. Monocular and dichoptic stimuli (binary noise patterns) were frequency-tagged at 4 and 6 Hz (contrast modulated) and presented at a range of contrasts from 0 to 32%. Monocularly, we reduced the luminance by placing a 1.5 ND filter over one eye in the maximal contrast condition. We used amplitude component of SSVEP averaged per region of interest to describe monocular responses and dichoptic interaction. Phase component (phase angle and its variance) of the strongest vertex per region of interest was used to obtain the temporal estimate of the response. Monotonic increase in SSVEP amplitude reflected the experimental change in contrast from 0 to 32% in V1, V2, V3 and V4. Interocular suppression was seen in both eyes as a decrease in SSVEP amplitude and was well approximated by the normalization model (r2 =0.9). Reducing the mean luminance delayed monocular processing by approximately 35 ms across the areas of interest and increased phase variance. A dramatic increase in phase variance was observed in dichoptic condition for a monocular reduction in luminance. Delaying monocular input also increased suppression from the fellow-fixing eye to the delayed filtered eye and a release of suppression was seen in the opposite direction. Temporally filtering the monocular input prior to binocular combination stage of the normalization model provided a good fit to our experimental data. 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) | 0,001 | 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 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 ».