MétaCan
Menu
Retour à la cohorte
Enregistrement W4413140890 · doi:10.1097/wnr.0000000000002212

Overlapping functional micro-organization of orientation and spatial frequency maps in the visual cortex

2025· article· en· W4413140890 sur OpenAlexafffund
Samantha D. Vilarino, Ekta Jain, Oliver Flouty, Stéphane Molotchnikoff, Vishal Bharmauria

Notice bibliographique

RevueNeuroreport · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensYork UniversityUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVisual cortexStimulus (psychology)Spatial frequencyNeuroscienceOrientation (vector space)PerceptionVisual perceptionSpatial organizationOrientation columnPattern recognition (psychology)Computer scienceCommunicationArtificial intelligencePsychologyBiologyPhysicsCognitive psychologyMathematicsStriate cortexOptics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The visual cortex plays a crucial role in integrating multiple stimulus features, such as orientation tuning and spatial frequency tuning , to form coherent perceptual representations of the visual environment. Although previous research has hinted at the presence of overlapping maps for orientation and spatial frequency tuning in the visual cortex, clear evidence demonstrating how these features are jointly organized functionally is scarce. METHODS: To address this, we performed multiunit electrophysiological recordings in the primary visual cortex (V1) of anesthetized cats. We presented visual stimuli consisting of drifting sine-wave gratings under two experimental conditions: varying the orientation while keeping spatial frequency constant and varying spatial frequency while maintaining fixed orientations at 0° or 90°. Neuronal responses were analyzed by fitting tuning curves to quantify preferred orientations and spatial frequencies. Functional connectivity between neurons was then assessed using cross-correlogram analysis. RESULTS: Our results showed that neurons with similar orientation and spatial frequency tuning, exhibited significantly stronger connectivity at 0° orientation, whereas this effect was not observed at 90°. These results indicate that the organization of neuronal networks in V1 is stimulus-dependent and that overlapping ensembles encode these features in a coordinated manner. These results are important for understanding how complex features are integrated within the visual system, and more broadly, how the brain processes and combines information. CONCLUSION: Such feature-based connectivity likely enhances the visual cortex's ability to efficiently process complex stimuli, supporting the idea that perceptual integration relies on the dynamic interplay of neurons sharing similar tuning properties.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,302
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroreportMême sujetVisual perception and processing mechanismsTravaux en français237 207