Effects of neural ensemble size and composition on the decoding of attention in primate lateral prefrontal cortex
Notice bibliographique
Résumé
The allocation of attention can be decoded from the activity of lateral prefrontal cortex neuronal ensembles (Tremblay et al., 2015). One issue that remains unclear is the impact of a neural population's size and composition on decoding of attention. To investigate this, we recorded the responses of neurons in lateral prefrontal cortex of two macaques using microelectrode arrays while they performed a visuospatial attention task. During the task, the animals had to direct attention to a cued target stimulus positioned in one of the four visual quadrants while ignoring 3 identical distractors positioned in the remaining quadrants. We systematically changed the size and composition of the neuronal ensembles, as well as the pattern of noise correlations, and evaluated their information content using a linear decoder. First, we found that the location of visuospatial attention was reliably decoded from ensembles of approximately 50 units (mean accuracy = 76%, p< 0.05, Permutation test). We progressively increased the number of neurons in an ensemble from 1 to 50 units and assessed decoding performance using two methods; first, we built subnetworks of most informative neurons, and second, we built subnetworks that maximized information of the ensemble. We found that the decoding performance of the most informative subnetworks was higher than those composed of the most informative units. Interestingly, the most informative subnetworks were not necessarily comprised of most informative units, including in many cases non-selective units (Kruskal-Wallis test P>0.05). Finally, removing noise correlations increased the decoding performance of ensembles of most informative units (6%, Signed rank P< 0.01), whereas removing correlations in most informative subnetworks of equivalent size had no effect on performance (Signed rank P>0.05). These results indicate a complex effect of ensemble size and composition on the coding of attention in lateral prefrontal cortex neuronal ensembles. 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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».