MétaCan
Menu
Retour à la cohorte
Enregistrement W2925773687 · doi:10.1101/595355

Neural dynamics of the attentional blink revealed by encoding orientation selectivity during rapid visual presentation

2019· preprint· en· W2925773687 sur OpenAlexafffund
Matthew F. Tang, Lucy Ford, Ehsan Arabzadeh, James T. Enns, Troy A. W. Visser, Jason B. Mattingley

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensCanadian Institute for Advanced ResearchUniversity of British Columbia
Organismes subventionnairesCentre of Excellence for Integrative Brain Function, Australian Research CouncilAustralian Research CouncilCanadian Institute for Advanced ResearchNvidia
Mots-clésAttentional blinkRapid serial visual presentationEncoding (memory)Computer scienceNeuroimagingFeature (linguistics)Orientation (vector space)Cognitive psychologyConsciousnessNeural correlates of consciousnessPsychologyArtificial intelligencePattern recognition (psychology)NeurosciencePerceptionCognition

Résumé

récupéré en direct d'OpenAlex

Abstract The human brain is inherently limited in the information it can make consciously accessible. When people monitor a rapid stream of visual items for two targets, they can typically report the first, but not the second target, if these appear within 200-500 ms of each other, a phenomenon known as the attentional blink (AB). No work has determined the neural basis for the AB, partly because conventional neuroimaging approaches lack the temporal resolution to adequately characterise the neural activity elicited by each item in a rapid stream. Here we introduce a new approach that can identify the precise effect of the AB on behaviour and neural activity. Specifically, we employed a multivariate encoding approach to extract feature-selective information carried by randomly-oriented gratings within a rapid serial stream. We show that feature selectivity is enhanced for correctly reported targets and suppressed when the same items are missed. By contrast, no such effects were apparent for irrelevant distractor items. Our findings point to a new theoretical account that involves both short- and long-range temporal interactions between visual items competing for consciousness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,276
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetVisual perception and processing mechanismsTravaux en français237 207