MétaCan
Menu
← Retour à la cohorte
Enregistrement W4248106829 · doi:10.1101/2020.11.04.368308

Landmark-Centered Coding in Frontal Cortex Visual Responses

2020· preprint· en· W4248106829 sur OpenAlexafffund
Adrian Schütz, Vishal Bharmauria, Xiaogang Yan, Hongying Wang, Frank Bremmer, J. Douglas Crawford

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensYork University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada First Research Excellence FundDeutsche Forschungsgemeinschaft
Mots-clésGazeLandmarkStimulus (psychology)NeurosciencePsychologyFrontal eye fieldsVisual fieldVisual cortexCoding (social sciences)Working memoryOblique caseArtificial intelligenceComputer scienceEye movementCognitionCognitive psychologySaccadeMathematics

Résumé

récupéré en direct d'OpenAlex

Summary Visual landmarks influence spatial cognition [1–3], navigation [4,5] and goal-directed behavior [6–8], but their influence on visual coding in sensorimotor systems is poorly understood [6,9–11]. We hypothesized that visual responses in frontal cortex control gaze areas encode potential targets in an intermediate gaze-centered / landmark-centered reference frame that might depend on specific target-landmark configurations rather than a global mechanism. We tested this hypothesis by recording neural activity in the frontal eye fields (FEF) and supplementary eye fields (SEF) while head-unrestrained macaques engaged in a memory-delay gaze task. Visual response fields (the area of visual space where targets modulate activity) were tested for each neuron in the presence of a background landmark placed at one of four oblique configurations relative to the target stimulus. 102 of 312 FEF and 43 of 256 SEF neurons showed spatially tuned response fields in this task. We then fit these data against a mathematical continuum between a gaze-centered model and a landmark-centered model. When we pooled data across the entire dataset for each neuron, our response field fits did not deviate significantly from the gaze-centered model. However, when we fit response fields separately for each target-landmark configuration, the best fits shifted (mean 37% / 40%) toward landmark-centered coding in FEF / SEF respectively. This confirmed an intermediate gaze / landmark-centered mechanism dependent on local (configuration-dependent) interactions. Overall, these data show that external landmarks influence prefrontal visual responses, likely helping to stabilize gaze goals in the presence of variable eye and head orientations. Highlights Prefrontal visual responses recorded in the presence of visual landmarks Response fields showed intermediate gaze / landmark-centered organization This influence depended on specific target-landmark configurations

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,292
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMemory and Neural Mechanisms→Travaux en français237 207→