Probing the role of bypass connections in core object recognition by chemogenetic suppression of macaque V4 neurons
Notice bibliographique
Résumé
The macaque ventral visual pathway is typically modeled as a series of hierarchically organized cortical areas that successively transform the retinal input into visual object-based linearly separable neural representations. The most behaviorally explicit form of this representation has been discovered in the macaque inferior temporal (IT) cortex. However, each stage of the ventral stream (e.g., areas V1, V2) projects to multiple other areas in the brain. In addition, many projections from early visual areas (e.g., V1, V2) bypass area V4 and connect directly to the IT cortex. Therefore, the underlying neural circuitry is far more complex than a feedforward architecture. Here I provide evidence for the functional relevance of such bypass connections during object recognition. I hypothesized that images that require fewer transformations to generate linearly separable object representations most benefit from bypass connections. This would allow fast object detection under time-sensitive decision-making like assessing predatory threats. Using deep convolutional neural networks (DCNNs), I categorized 10,000 images (10 objects, 1000 images/object) into two categories (with equal categorization performance at the final layer). The “slow-evolved” images required more transformations to reach their final object classification accuracy than the “fast-evolved” images. To test this hypothesis in the primate ventral stream, I expressed inhibitory DREADDs within a 5x5 mm subregion of the V4 cortex via multiple viral injections (AAV8-hSyn-hM4Di-mCherry; two macaques). I recorded from multi-electrode arrays implanted over the transfected V4 and downstream IT cortex while monkeys’ performed object discrimination tasks. Successful V4 neural suppression (~20%) ensured I could produce a partial lesion within the ventral stream hierarchy. Interestingly, I observed that monkeys’ accuracies were significantly higher for “fast-evolved” compared to “slow-evolved” images (only when the objects overlapped with the transfected V4 receptive field). These results suggest that bypass connections allow "fast-evolved" images to retain high object recognition accuracy despite a V4 lesion.
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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».