1. Успешное декодирование архитектурных категорий из зрительной коры человека Мы использовали смешанный...
2. Нет заметного эффекта экспертизы в зрительной коре

Успешное декодирование архитектурных категорий из зрительной коры человека

Мы использовали смешанный дисперсионный анализ (ANOVA) для проверки различий в точности декодирования между экспертами и неэкспертами. Мы не обнаружили различий между группами и, следовательно, приступили к объединению данных для участников из обеих групп для дальнейшего анализа. Детали межгруппового анализа обсуждаются в конце раздела результатов.

В соответствии с предыдущими результатами 5 , 6 , 7 мы могли бы декодировать категории сцен начального уровня из всех визуально активных областей интереса ( Рис. 2А ). Кроме того, мы могли бы декодировать архитектурные стили из всех пяти областей визуального мозга высокого уровня, но не из V1 ( Рис. 2B ). Кроме того, известные архитекторы могли декодировать здания из мозговой деятельности в PPA и OPA, но не из V1, RSC, LOC или FFA ( Рис. 2C ). Расшифровка лицевого идентификатора была успешной только в V1 и не была возможна ни в одном из ROI высокого уровня, включая FFA. Дополнительная таблица S1 показывает детали статистических результатов. Полная дискриминация между подкатегориями была возможна только с учетом пространственной структуры мозговой активности в пределах ROI (см. Дополнительный рис. S1 для средних результатов нейронной активности, и Дополнительная таблица S2 для одномерных результатов LORO-декодирования).

фигура 2

Дендрограммы иерархических кластеров шаблонов ошибок декодирования из PPA, OPA, RSC, LOC и FFA для ( A ) категорий сцен начального уровня (синим цветом) и ( B ) архитектурных стилей (красного цвета). Метод связи ближайшего соседа использовался для вычисления расстояний кластеров по шаблонам ошибок.

Прожекторный анализ отсканированных частей мозга подтвердил результаты, основанные на ROI (подробности анализа прожектора приведены в Дополнительные методы ). Карта прожектора для декодирования категорий сцен начального уровня показывает значительные скопления как на затылочных полюсах, так и на кальциновой извилине, а также в двусторонней язычной, веретенообразной и парагиппокампальной извилинах и двусторонних поперечных затылочных бороздах. С другой стороны, на карте прожекторов декодирующих архитектурных стилей показаны кластеры, охватывающие двустороннюю веретенообразную извилину и поперечные затылочные борозды, но не затылочные полюса и близлежащие области. Карта прожектора для декодирования зданий известными архитекторами была аналогична карте декодирования архитектурных стилей с дополнительным небольшим скоплением на левом затылочном полюсе. Два значительных кластера были найдены для расшифровки лица лица, охватывающих части затылочной коры и прилегающей теменной ткани. Таблица 1 предоставляет полный список значимых кластеров из каждой карты прожектора и Дополнительные рисунки S2–5 показать значимые кластеры в осевых видах отдельно для карт прожектора. Анализ совпадения отдельных карт прожекторов с их ROI показан на Дополнительная таблица S3 ,

Таблица 1: Кластеры, идентифицированные в анализе прожектора для четырех условий категоризации.

Анализ шаблонов ошибок

Чтобы более подробно изучить природу категориальной структуры архитектурных стилей в визуальной коре, мы проанализировали закономерности ошибок декодирования. Ошибки декодирования были записаны в спутанных матрицах, строки которых ( r ) указывают основную истинность представленной категории, а столбцы ( c ) представляют предсказания декодером. Отдельные ячейки ( r, c ) содержат долю блоков с категорией r , которые были декодированы как категория c . Диагональные элементы содержат правильные предсказания, суммированные как точность декодирования в Рис. 2 , Недиагональные элементы представляют ошибки декодирования. Шаблоны ошибок декодирования служат в качестве посредника для базовой категориальной структуры между подкатегориями в конкретной области мозга. Мы вычислили корреляции паттернов ошибок как меру сходства между этими нейронными представлениями в разных областях интереса. Значимость корреляции ошибок была установлена ​​непараметрически с использованием теста перестановки. Мы также подвергли эти корреляции ошибок иерархическому кластерному анализу, чтобы выявить сходства в категориальных структурах, лежащих в основе успешного декодирования категорий в визуальных областях высокого уровня.

В случае категоризации сцены начального уровня мы обнаружили значительные корреляции шаблонов ошибок между тремя ROI, которые, как известно, специализируются на восприятии сцены: PPA, RSC и OPA. Мы также обнаружили значительную корреляцию ошибок между PPA и LOC. FFA не сильно коррелирует с любым другим ROI, хотя мы можем декодировать категории сцен начального уровня из FFA. Анализ иерархической кластеризации дополнительно иллюстрирует эти результаты, показывая кластер, состоящий из OPA и LOC, которые впоследствии кластеризуются с PPA, а затем с RSC. Обратите внимание, что шаблон ошибок из FFA не был кластеризован ни с одной из других областей интереса ( Рис. 2А ).

Для архитектурных стилей мы обнаружили другую структуру корреляции ошибок, показывающую статистически значимые корреляции ошибок между FFA и визуальными областями высокого уровня PPA, OPA и LOC. Корреляция ошибок между PPA и LOC также была значительной. Точно так же иерархическая кластеризация показала, что шаблон ошибок FFA был тесно сгруппирован с областями мозга, специфичными для сцены, начиная с шаблона ошибок RSC, а затем с кластером, состоящим из OPA и LOC, таким образом, оставляя PPA кластеризованным с остальной частью ROI ( Рис. 2B ).

Различия в структуре схожести паттернов ошибок между категоризацией начального уровня и категоризацией архитектурных стилей в значительной степени связаны с более тесной интеграцией FFA с остальными визуальными областями интереса высокого уровня. В обоих случаях категоризации корреляции шаблонов ошибок являются значительными в визуальных областях, специфичных для сцены - PPA и OPA, а также PPA и LOC. Соответственно, кластерные расстояния между RSC, OPA, LOC и PPA схожи между двумя экспериментальными условиями. В отличие от случая классификации сцены начального уровня, FFA привлекается в сеть обработки сцены для более специализированной и требовательной категоризации сцены подчиненного уровня.

Мы обнаружили низкие корреляции шаблонов ошибок между ROI для архитекторов декодирования из-за сложности в первую очередь архитекторов декодирования из некоторых областей ROI (т. Е. RSC, LOC и FFA). Принимая во внимание, что идентификация лица не может быть декодирована из любого визуального ROI высокого уровня, мы больше не проводим корреляцию ошибок для условия идентификации лица. Шаблоны ошибок декодирования всех четырех категорий изображений во всех шести областях интереса показаны в Дополнительный Рис. S6 ,

Нет заметного эффекта экспертизы в зрительной коре

Архитектурные стили - это, в конечном счете, визуальные категории - большинство определяющих атрибутов носит визуальный характер. Тем не менее, на точное распознавание архитектурных стилей или архитекторов зданий часто влияет не только визуальная согласованность стиля или архитектора, но также исторический, региональный и культурный контекст зданий. Предварительное знание стиля здания может влиять на восприятие архитектурных категорий и их нейронных коррелятов.

Тем не менее, мы не обнаружили никакого группового влияния на декодирование архитектурных стилей или архитектур, что указывает на то, что опыт мало влияет на объем декодируемой информации архитектурных категорий в зрительной коре - по крайней мере, недостаточно для обнаружения в нашей экспериментальной парадигме. Смешанный ANOVA точности декодирования с группой в качестве фактора между субъектами и визуальной категорией в качестве фактора внутри субъекта не смог найти основной эффект группы или взаимодействия между группой и визуальной категорией в любой из областей интереса (см. Дополнительная таблица S4 ). Могут ли эти результаты быть обусловлены отсутствием различий в способности различать архитектурные стили или архитекторов между двумя группами?

Чтобы проверить, действительно ли участники, специализирующиеся в области архитектуры, имеют более высокие знания предметной области, чем участники, специализирующиеся в области психологии или нейробиологии, мы измерили экспертизу архитектурных стилей в поведенческом эксперименте после сканирования с использованием экспертного теста Вандербильта. 8 , В этом тесте участников попросили определить, какое из трех отображаемых изображений принадлежало данному набору из шести целевых категорий. Мы подтвердили, что студенты-архитекторы обладали большим опытом в архитектурных стилях и зданиях известных архитекторов: мы обнаружили не только значительные основные эффекты группы, F (1, 20) = 30,170, р <0,001, η р 2 = 0,601, но и значимое взаимодействие между группой и визуальной категорией, F (2,050, 40,994) = 6,486, р = 0,003, η р 2 = 0,245. Эффект визуальной категории также был значительным, F (2,050, 40,994) = 48,888, р <0,001, η р 2 = 0,710. Тем не менее, обратите внимание, что как эксперты, так и неспециалисты могут надежно обнаруживать целевые архитектурные стили от отвлекающих факторов значительно выше случайных, как показано в Рис. 3А В соответствии с успешным декодированием архитектурных стилей в визуальных областях высокого уровня в обеих группах.

Рисунок 3

Средние по группе показатели точности ( A ) и время реакции ( B ) для четырех задач классификации. Темные полосы указывают на поведенческие характеристики одиннадцати студентов-архитекторов, а яркие полосы указывают на показатели одиннадцати студентов-психологов и неврологов. Различные оттенки указывают на четыре визуальные категории: категории сцен начального уровня в синем, архитектурные стили в красном, архитекторы в зеленом и идентичности лиц в сером. Столбики ошибок показывают стандартные ошибки среднего. Точность апостериорных сравнений указана выше столбцов. *** р <0,001.

Те же самые анализы среднего времени реакции (RT) показали существенные основные эффекты группы, F (1, 20) = 4,946, р = 0,038, η p 2 = 0,198, и визуальной категории, F (3, 60) = 24,300, р <0,001, η p 2 = 0,549, но между ними нет значительного взаимодействия, F (3, 60) = 1,904, p = 0,139, η p 2 = 0,087, что указывает на то, что учащиеся по архитектуре (среднее RT = 2485 мс) были медленнее, чем психология / студенты-неврологи (среднее RT = 3342 мс) для всех типов задач по категоризации.

Как показано в Рис. 3 апостериорные тесты подтвердили значительно более высокую точность для студентов архитектуры, чем для студентов психологии / нейронауки для архитектурных стилей, t (20) = 3.963, p <0.001, d Коэна = 1.690, и архитекторов, t (20) = 6.219, р <0,001, Коэн d = 2,662, но не для категорий начального уровня, t (20) = 1,845, р = 0,080, Коэн d = 0,787 или грани, t ( 20) = 0,545, р = 0,592, Коэн d = 0,232.

Похожие

Комментарии