Spatiotemporal Dynamics of Neural Representations during Perception of Naturalistic Audiovisual Events
Notice bibliographique
Résumé
What we see and hear carry different physical properties, but we are able to integrate the distinct information to form a coherent percept. The cross-modal integration is observed at many brain regions including primary and non-primary sensory areas as well as high-level cortical areas. Most previous studies on audiovisual integration used flash/tones or image/sound pairs, which are easy to manipulate the experimental conditions but lack ecological relevance. Under more natural scenarios when audiovisual events are perceived, however, where and when different levels of information are processed and integrated across brain areas and over time remain less investigated. To address that, we selected sixty 1-second naturalistic videos with representative visuals and sounds of three categories - animals, objects, and scenes. We recorded both functional magnetic resonance imaging (fMRI) and electroencephalography (EEG) data when participants (N=19) viewed videos and listened to the accompanying sounds while doing an orthogonal oddball detection task. With multivariate pattern analysis and representational similarity approach, we found that the visual and acoustic features were processed almost simultaneously, with the onset at ~60 ms and the first peak at ~100 ms. The acoustic information was represented not only in auditory areas, but also in visual areas including the primary visual cortex and high-level visual regions, demonstrating the early cross-modal interactions. However, the visual features were only represented in visual cortices, suggesting asymmetrical neural representations of modality information during multisensory perception. The high-level categorical and semantic information emerged later in time with the onset at ~ 120 ms and the peak at ~210 ms and was observed at high-order visual and association areas as well as the parietal and frontal cortex. By fusing the representations from fMRI and EEG, we also resolved the neural processing during audiovisual perception at each voxel and at each millisecond.
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) | 0,001 | 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 ».