Macaque spatiotemporal neural dynamics during perception of object-object occlusion images
Notice bibliographique
Résumé
The dynamic neural mechanisms for recognizing partially occluded objects are not fully understood. Previous studies often used partial fragments (Tang et al., 2014) or geometric shapes (Bushnell et al., 2011; Namima & Pasupathy, 2021). We investigated neural dynamics under ecologically valid conditions where objects occlude each other as in natural scenes. We recorded neural activity using Utah arrays implanted in foveal V4 and posterior TE of two macaque monkeys. Fixating monkeys viewed eight single objects and 56 object-object occlusion stimuli (250 ms duration) — resulting from all pairings of the objects. Instantaneous firing rates were estimated using a 50 ms sliding window spike count. Using cross-temporal decoding (Meyers et al., 2008), we investigated the temporal dynamics of neural population coding for occluder and occluded objects using linear SVMs. Decodability of a front object versus other front objects was computed by averaging decoding accuracy across pairs sharing the same back object. Similarly, we assessed discriminability for each occluded object versus others. Results showed that representations of front objects emerge earlier, are more decodable and stable over time than the occluded objects. Additionally, representations in posterior TE lag behind those in V4 but exhibit a more stably decodable temporal code. To assess whether spatial and temporal representations are separable, we applied tensor component analysis (TCA; Williams et al., 2018). We modeled the neural data tensor by decomposing it into a spatial mode (representing object-specific neural patterns) and two temporal modes (capturing dynamics for front and back objects separately). We computed cross-validated variance explained (R²) compared to a baseline model. TCA models explained significantly more variance in V4 than in posterior TE, indicating that spatial and temporal representations are more separable in V4. TEp, intriguingly, exhibited less space-time separable dynamics, but more sustained decodability of front and back objects.
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 ».