Modularity and saccade influence in the cortical vision network: an fMRI / graph theory approach
Notice bibliographique
Résumé
Considerable regional evidence has accumulated for dorsal-ventral modularity in the visual system, but it is not clear how these modules function at the whole brain network level, or how these networks are influenced by naturally occurring saccades. We addressed these questions using graph theory analysis of fMRI data collected during a task where participants had to remember, then discriminate between two different object features. Seventeen participants judged whether a remembered object changed shape or orientation with or without an intervening saccade. BOLD activation from 50 cortical nodes was used to identify local and global network properties, which indicated greater interconnectivity and efficiency of information transfer during saccades. A network modularity analysis revealed three sub-networks during fixation: a bilateral dorsal sub-network linking areas involved in visuospatial processing and two lateralized ventral sub-networks linking areas involved in object feature processing. Importantly, when horizontal saccades across the remembered object required visual comparisons between hemifields, the two lateralized ventral sub-networks became functionally integrated into a single bilateral sub-network. Comparisons of betweenness centrality between conditions identified several significant hub regions in occipital, parietal, and frontal cortex involved in linking distant network nodes during saccades. These results provide support of a ventral and dorsal stream distinction in human perception and show how hemispheric sub-networks are modified to functionally integrate information across saccades.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».