Different responses of the scene-selective cortical regions to magnocellular- and parvocellular-biased visual information
Notice bibliographique
Résumé
Scene perception relies on a set of cortical regions, such as the parahippocampal place area (PPA), retrosplenial complex (RSC), and occipital place area (OPA), exhibiting dissociable functional selectivity to various scene properties. Debates are ongoing about what specific types of visual information are represented in these regions to mediate their different functions. This fMRI study examined the neural bases of functional dissociations of scene-selective regions by selectively biasing visual inputs from the magnocellular (M) and parvocellular (P) cells and comparing patterns of their cortical projections. We manipulated 96 scene images to create stimuli that biased M- (low-contrast, achromatic images defined by luminance) or P- (defined by iso-luminant, red-green contrast) responses, adjusted for each participant’s thresholds. Twenty-four participants performed indoor/outdoor categorization of M- or P-stimuli presented for 1 second. Participants were significantly faster at categorizing P-biased scenes than M-biased, interestingly contrasted to the M-advantages reported in fearful/neutral face categorization (Cushing et al., 2019). For fMRI data analyses, each participant’s PPA, RSC, and OPA were functionally defined using a separate localizer scan. The PPA was significantly more responsive to P-stimuli in general, whereas the RSC showed greater responses to M-stimuli with a slight preference for outdoor images. The OPA activations did not show systematic M/P bias. We next tested whether the PPA and RSC preferences for P- and M-stimuli, respectively, were specific to the task of scene processing. In separate fMRI runs, participants viewed rapid flashes of an achromatic, low-spatial-frequency grating (M-biased) or slow alterations of a red-green, high-spatial-frequency grating (P-biased). Although the M-bias became weaker in the RSC, the P-bias of the PPA remained robust for the scene-irrelevant gratings. Our findings together demonstrate differential processing biases of the scene-selective regions for visual attributes conveyed from the retina to the cortex, facilitating the efficient perception of complementary scene properties.
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 ».