Noise Invariance in Inferior Colliculus Neurons is Dependant on the Input Noisy Conditions
Notice bibliographique
Résumé
Abstract The auditory system is extremely efficient to extract audio information in the presence of background noise. However, the neural mechanisms related to this efficiency is still greatly misunderstood, especially in the inferior colliculus (IC). In fact, while noise processing under different conditions has been investigated at the auditory cortex level, studies in the IC have been much limited. One interesting observation has been that there seems to be some degree of noise invariance in the IC in the presence of white noise. We wish to broaden this knowledge by investigating if there is a difference in the activity of neurons in the IC, when presenting noisy vocalisations with different types of noises, input signal-to-noise ratios (SNR) and signal levels. We do so using a generalized linear model (GLM), which gives us the ability to study the neural activity under these different conditions at a per neuron level. We found that non-stationary noise is the only noise type that clearly contributes to the neural activity in the IC, regardless of the SNR, input level or vocalisation type. However, when presenting white or natural stationary noises, a great diversity of responses was observed for the different conditions, where the activity of some neurons was affected by the presence of noise and the activity of others was not. Therefore, there seems to be some level of background noise invariance as early as the IC level, as reported before, however, this invariance seems to be highly dependent on the noisy conditions. New & Noteworthy The neural mechanisms of auditory perception in the presence of background noise are still not well understood, especially in the IC. We studied neural activity in the IC when presenting noisy vocalisations using different background noise types, SNRs and input sound levels. We observed that only the non-stationary noise type clearly contributes to the neural activity in the IC. The noise invariance previously observed in the IC thus seems dependent on the noisy conditions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».