Neural responses in space and time to a massive set of natural scenes
Notice bibliographique
Résumé
Understanding how neurons in the visual system support visual perception requires deep sampling of neural responses across a wide array of visual stimuli. Part of this challenge has been met by a recent large-scale 7T fMRI dataset, termed the Natural Scenes Dataset (NSD). This dataset provides extensive high-resolution spatial sampling of brain activity in eight observers while they view complex natural scenes. Here, we present the NSD-EEG, a large-scale electroencephalography (EEG) dataset that provides detailed characterisation of brain activity from a temporal perspective, thereby completing the characterisation of visual processing in the human brain. For this dataset, we optimised data quality by choosing 8 participants from a larger pool based on empirical signal-to-noise metrics and by using a high-density (164 channels) EEG system within a shielded Faraday cage. NSD images were shown for a duration of 250 ms, followed by a variable interstimulus interval of 750-1000 ms. Each participant viewed 10000 images 10 times, with a subset of 1000 images (common across participants) repeated 30 times. Preliminary analyses reveal remarkably consistent event-related potentials (ERPs) for each stimulus, with high inter-trial reliability even at a rapid one stimulus per second pace (max Pearson R: 0.8, p<0.001). Additionally, split-half representational dissimilarity matrices exhibit strong reliability (max Spearman R: 0.4, p<0.001), further affirming the robustness of our data. We plan to publicly release the NSD-EEG dataset in the near future, alongside an exhaustive battery of complementary behavioural and psychophysical data. In combination with the NSD dataset, this will enable a comprehensive examination of neural responses in space and time to complex natural scenes. Altogether, this will support the ongoing movement using machine learning, artificial intelligence, and other computational methods to characterise and understand the neural mechanisms of vision.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».