从fMRI,MEG和DNN神经表示相似性预测Cued和oddball视觉搜索性能
Lu-Chun Yeh 葉律君1,2, Sushrut Thorat2,3, Marius V Peelen2
1Department of Mathematics and Computer Science, Physics, Geography, Mathematical Institute, Justus Liebig University Gießen, Gießen 35392, Germany luchun.yeh@gmail.com marius.peelen@donders.ru.nl.
概括
视觉搜索能力的限制来自神经竞争. 这项研究表明,竞争发生在不同的大脑处理阶段,取决于任务指令,影响视觉搜索性能.
科学领域:
- 认知神经科学 认知神经科学
- 神经成像是一种神经成像.
- 计算神经科学是一种神经科学.
背景情况:
- 视觉任务容量限制随着对象数量的增加而增加.
- 神经竞争,即对象的共享神经群体引起干扰,是关键假设.
- 神经代表的相似性在不同大脑区域和时间之间有所不同,质疑竞争在何时何地影响表现.
研究的目的:
- 调查神经竞争在何时何地决定视觉搜索任务的性能.
- 要确定神经表示相似性与任务执行之间的联系是任务共同的还是任务独特的.
- 用神经表示相似性来预测用线索和奇特的视觉搜索任务的性能.
主要方法:
- 使用功能磁共振成像 (fMRI) 和磁脑成像 (MEG) 来测量神经活动.
- 使用深度神经网络 (DNN) 来建模神经表示相似性.
- 在两个不同的视觉搜索任务中,与行为表现相关的神经表示相似性.
主要成果:
- 神经表示相似性预测了视觉系统 (fMRI),80 ms (MEG) 和所有DNN层的性能.
- 发现了特定任务的关联:奇怪的搜索性能与早期/后期的神经相似性相关.
- 关键搜索任务的性能与后期/前期神经相似性有着独特的联系.
结论:
- 视觉搜索任务的容量限制反映了不同处理阶段的竞争.
- 神经表达相似性和任务执行之间的关系是任务依赖的.
- 了解不同大脑区域和时间点之间的神经竞争对于解释视觉任务限制至关重要.
