Revealing robust neural correlates of conscious and unconscious visual processing: Activation likelihood estimation meta-analyses
Notice bibliographique
Résumé
Our ability to consciously perceive information from the visual scene relies on a myriad of intrinsic neural mechanisms. Functional neuroimaging studies have sought to identify the neural correlates of conscious visual processing and to further dissociate from those pertaining to preconscious and unconscious visual processing. However, delineating what core brain regions are involved in eliciting a conscious percept remains a challenge, particularly regarding the role of prefrontal-parietal regions. We performed a systematic search of the literature that yielded a total of 54 functional neuroimaging studies. We conducted two quantitative meta-analyses using activation likelihood estimation to identify reliable patterns of activation engaged by i. conscious (n = 45 studies, comprising 704 participants) and ii. unconscious (n = 16 studies, comprising 262 participants) visual processing during various task performances. Results of the meta-analysis specific to conscious percepts quantitatively revealed reliable activations across a constellation of regions comprising the bilateral inferior frontal junction, intraparietal sulcus, dorsal anterior cingulate, angular gyrus, temporo-occipital cortex and anterior insula. Neurosynth reverse inference revealed conscious visual processing to be intertwined with cognitive terms related to attention, cognitive control and working memory. Results of the meta-analysis on unconscious percepts revealed consistent activations in the lateral occipital complex, intraparietal sulcus and precuneus. These findings highlight the notion that conscious visual processing readily engages higher-level regions including the inferior frontal junction and unconscious processing reliably recruits posterior regions, mainly the lateral occipital complex.
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 | 0,027 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,029 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».