Depth-resolved ultra-high field fMRI reveals feedback contributions to surface motion perception
Notice bibliographique
Résumé
Abstract Human visual surface perception has neural correlates in early visual cortex, but the extent to which feedback contributes to this activity is not well known. Feedback projections preferentially enter superficial and deep anatomical layers, while avoiding the middle layer, which provides a hypothesis for the cortical depth distribution of fMRI activity related to feedback in early visual cortex. Here, we presented human participants uniform surfaces on a dark, textured background. The grey surface in the left hemifield was either perceived as static or moving based on a manipulation in the right hemifield. Physically, the surface was identical in the left visual hemifield, so any difference in percept likely was related to feedback. Using ultra-high field fMRI, we report the first evidence for a depth distribution of activation in line with feedback during the (illusory) perception of surface motion. Our results fit with a signal re-entering in superficial depths of V1, followed by a feedforward sweep of the re-entered information through V2 and V3, as suggested by activity centred in the middle-depth levels of the latter areas. This positive modulation of the BOLD signal due to illusory surface motion was on top of a strong negative BOLD response in the cortical representation of the surface stimuli, which depended on the presence of texture in the background. Hence, the magnitude and sign of the BOLD response to the surface strongly depended on background properties, and was additionally modulated by the presence or absence of illusory motion perception in a manner compatible with feedback. In summary, the present study demonstrates the potential of depth resolved fMRI in tackling biomechanical questions on perception that so far were only within reach of invasive animal experimentation.
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 ».