Spatial and feature-selective attention have distinct effects on population-level tuning
Notice bibliographique
Résumé
Abstract Attention is a fundamental brain process by which we selectively prioritize relevant information in our environment. Cognitively, we can employ different methods for selecting visual information for further processing, but the extent to which these are implemented by similar or different neural processes remains unclear. Spatial and feature-selective attention both change the stimulus related information signaled by single-cells and neural populations, but relatively few studies have directly compared the effects of these distinct types of attention. We scanned participants (n=20) using MEG, while they covertly attended to an object on the left or the right of fixation (spatial attention manipulation) and reported the object’s shape or color (feature-selective attention manipulation). We used multivariate pattern classification to measure population stimulus-coding in occipital and frontal areas, for attended and non-attended stimulus features, at attended and non-attended locations. In occipital cortex, we show that both spatial and feature-selective attention enhanced object representations, and the effects of these two attention types interacted multiplicatively. We also found that spatial and feature-selective attention induced qualitatively different patterns of enhancement in occipital cortex for the encoding of stimulus color. Specifically, feature-based attention primarily enhanced small color differences, while spatial attention produced greater enhancement for larger differences. We demonstrate that principles of response-gain and tuning curve sharpening that have been applied to describe the effects of attention at the level of a single neuron can account for these differences. An information flow analysis suggested that these attentional effects may be driven by feedback from frontal areas.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 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 ».