Unveiling Mental Imagery: Enhanced Mental Images Reconstruction using EEG and the Bubbles Method
Notice bibliographique
Résumé
The exact nature of the visual features that are brought to consciousness when one is engaging in mental imagery is still difficult to study empirically. The few studies that have attempted to reconstruct mental images obtained poor quality results due to a poor sampling of the “scene space”. The aim of our study was to reconstruct better quality mental images using electroencephalography (EEG) and the Bubbles method, a technique that randomly samples visual information in an image. We hypothesize that the reconstructed mental images would reveal key visual features of the images and that verbal instructions (e.g., imagine the man and not the car in the image) could modulate the reconstructed image. We recorded the brain activity of participants (preliminary sample: N = 7, 4 males, mean age = 22.4) during two alternating tasks divided into 6 two-hour sessions. In the perception task, participants were presented with two images through different sets of randomly located Gaussian apertures or “bubble masks” (1,500 trials per image). In the mental imagery task, participants were shown the two stimuli successively and asked to imagine the first or the second one, in its entirety or in part (450 trials per image, including ⅓ object-specific trials). For each participant and for each image, we correlated the EEG activity patterns between the mental imagery and visual perception tasks. The bubbles masks, weighted by corresponding correlation coefficients, were then summed to generate “classification images'' of mental images. Comparing these classification images between the object-specific imagery trials, we found that the content of mental images could, indeed, be modulated by instructions for some participants. This study not only contributes to the understanding of the neural mechanisms underlying imagery, but also offers a promising avenue for optimizing the communication methods through brain-computer interfaces.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».