Decoding representations of food images within the ventral visual stream
Notice bibliographique
Résumé
Food represents one of the most rewarding stimuli present in nature since it is necessary for our survival. Neuroimaging studies have revealed food-selective activation across a broad network of human brain regions, including areas within the ventral visual stream implicated in recognition of visual stimulus categories, including objects and bodies. However, the nature of visual food representations has not been systematically explored. We used representational similarity analysis (RSA) on multivoxel pattern data from functional magnetic resonance imaging (fMRI at 3 Tesla) to investigate whether representations of food stimuli are distinct from those for other visual categories. Moreover, we examined the degree to which representations of food and other stimuli could be accounted for by low-level properties (i.e., similarity in retinal size, luminance, elongation, texture, or silhouette overlap). Healthy normal-weight individuals (n=22) performed a one-back task in the scanner while viewing colored pictures of different object categories (food, body parts, utensils, objects, scrambled images), matched for retinal size and where possible, familiar size in the real world. RSA was applied to regions of interest (ROIs) within the visual system (including early visual cortex, ventral occipito-temporal cortex and lateral occipito-temporal cortex LOTC), and within a food-selective region (orbitofrontal cortex, OFC). RSA revealed distinct activation patterns for food stimuli in each ROI; that is, food images evoked activation patterns similar to other food images but distinct from other object categories. Visual areas also showed distinctions between different categories of non-food stimuli (e.g., bodies vs. tools); whereas food-selective OFC did not, showing only a difference between food and non-food stimuli. Statistical evaluation of competing models suggested that the representation of food images was not simply related to low-level visual properties. Taken together, our results suggest distinct neural representations of food stimuli that warrant further study, ideally with real food rather than images.
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 | 0,001 | 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) | 0,001 | 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 ».