Motion opponency examined throughout visual cortex with multivariate pattern analysis of <scp>fMRI</scp> data
Notice bibliographique
Résumé
This study explores how the human brain solves the challenge of flicker noise in motion processing. Despite providing no useful directional motion information, flicker is common in the visual environment and exhibits omnidirectional motion energy which is processed by low-level motion detectors. Models of motion processing propose a mechanism called motion opponency that reduces flicker processing. Motion opponency involves the pooling of local motion signals to calculate an overall motion direction. A neural correlate of motion opponency has been observed in human area MT+/V5, whereby stimuli with perfectly balanced motion energy constructed from dots moving in counter-phase elicit a weaker response than nonbalanced (in-phase) motion stimuli. Building on this previous work, we used multivariate pattern analysis to examine whether the activation patterns elicited by motion opponent stimuli resemble that elicited by flicker noise across the human visual cortex. Robust multivariate signatures of opponency were observed in V5 and in V3A. Our results support the notion that V5 is centrally involved in motion opponency and in the reduction of flicker. Furthermore, these results demonstrate the utility of multivariate analysis methods in revealing the role of additional visual areas, such as V3A, in opponency and in motion processing more generally.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».