Nature.com पर आने के लिए धन्यवाद। आप जिस ब्राउज़र संस्करण का उपयोग कर रहे हैं, उसमें CSS समर्थन सीमित है। सर्वोत्तम अनुभव के लिए, हम अनुशंसा करते हैं कि आप अपडेट किया गया ब्राउज़र उपयोग करें (या इंटरनेट एक्सप्लोरर में संगतता मोड अक्षम करें)। इस बीच, निरंतर समर्थन सुनिश्चित करने के लिए, हम साइट को स्टाइल और जावास्क्रिप्ट के बिना प्रस्तुत करेंगे।
एक ही समय में तीन स्लाइड दिखाने वाला कैरोसेल। एक बार में तीन स्लाइड पर जाने के लिए पिछला और अगला बटन इस्तेमाल करें, या एक बार में तीन स्लाइड पर जाने के लिए अंत में स्लाइडर बटन का इस्तेमाल करें।
उच्च-रिज़ॉल्यूशन दृष्टि के लिए ऑब्जेक्ट गुणों को फिर से बनाने के लिए बढ़िया रेटिना सैंपलिंग और एकीकरण की आवश्यकता होती है। यह ध्यान रखना महत्वपूर्ण है कि विभिन्न वस्तुओं से स्थानीय नमूनों को मिलाते समय, सटीकता खो जाती है। इसलिए, विभाजन, अलग-अलग प्रसंस्करण के लिए एक छवि के क्षेत्रों का समूहन, धारणा के लिए महत्वपूर्ण है। पिछले काम में, बिस्टेबल जाली संरचनाओं, जिन्हें एक या अधिक चलती सतहों के रूप में माना जा सकता है, का उपयोग इस प्रक्रिया का अध्ययन करने के लिए किया गया था। यहाँ, हम प्राइमेट विज़ुअल पाथवे के मध्यवर्ती क्षेत्रों में गतिविधि और विभाजन निर्णयों के बीच संबंध की रिपोर्ट करते हैं। विशेष रूप से, हमने पाया कि चुनिंदा रूप से उन्मुख मध्यकालीन न्यूरॉन्स बिस्टेबल ग्रेटिंग की धारणा को विकृत करने के लिए उपयोग किए जाने वाले बनावट संकेतों के प्रति संवेदनशील थे और परीक्षणों और लगातार उत्तेजनाओं की व्यक्तिपरक धारणा के बीच एक महत्वपूर्ण सहसंबंध दिखाया। यह सहसंबंध उन इकाइयों में अधिक है जो कई स्थानीय दिशाओं वाले पैटर्न में वैश्विक आंदोलन को संकेत देते हैं। इस प्रकार, हम निष्कर्ष निकालते हैं कि मध्यवर्ती समय डोमेन में जटिल दृश्यों को घटक वस्तुओं और सतहों में अलग करने के लिए उपयोग किए जाने वाले संकेत होते हैं।
दृष्टि न केवल प्राथमिक छवि विशेषताओं जैसे कि किनारे की दिशा और गति के सटीक भेदभाव पर निर्भर करती है, बल्कि अधिक महत्वपूर्ण रूप से इन विशेषताओं के सही एकीकरण पर निर्भर करती है ताकि पर्यावरण गुणों जैसे कि वस्तु के आकार और प्रक्षेप पथ1 की गणना की जा सके। हालाँकि, समस्याएँ तब उत्पन्न होती हैं जब रेटिना की छवियाँ कई समान रूप से प्रशंसनीय विशेषता समूहों 2, 3, 4 (चित्र 1 ए) का समर्थन करती हैं। उदाहरण के लिए, जब गति संकेतों के दो सेट बहुत करीब होते हैं, तो इसे उचित रूप से एक चलती वस्तु या कई चलती वस्तुओं (चित्र 1 बी) के रूप में व्याख्या किया जा सकता है। यह विभाजन की व्यक्तिपरक प्रकृति को दर्शाता है, यानी यह छवि की एक निश्चित संपत्ति नहीं है, बल्कि व्याख्या की एक प्रक्रिया है। सामान्य धारणा के लिए इसके स्पष्ट महत्व के बावजूद, अवधारणात्मक विभाजन के तंत्रिका आधार की हमारी समझ सबसे अच्छी स्थिति में भी अधूरी है।
अवधारणात्मक विभाजन समस्या का एक कार्टून चित्रण। नेकर क्यूब (बाएं) में गहराई के बारे में एक पर्यवेक्षक की धारणा दो संभावित व्याख्याओं (दाएं) के बीच बारी-बारी से होती है। ऐसा इसलिए है क्योंकि छवि में कोई संकेत नहीं हैं जो मस्तिष्क को आकृति के 3D अभिविन्यास (दाएं पर मोनोकुलर अवरोधन संकेत द्वारा प्रदान किया गया) को विशिष्ट रूप से निर्धारित करने की अनुमति देते हैं। b जब स्थानिक निकटता में कई गति संकेत प्रस्तुत किए जाते हैं, तो दृष्टि प्रणाली को यह निर्धारित करना चाहिए कि स्थानीय नमूने एक या अधिक वस्तुओं से हैं। स्थानीय गति संकेतों की अंतर्निहित अस्पष्टता, यानी ऑब्जेक्ट गति का एक क्रम एक ही स्थानीय गति उत्पन्न कर सकता है, जिसके परिणामस्वरूप दृश्य इनपुट की कई समान रूप से प्रशंसनीय व्याख्याएं होती हैं, यानी यहां वेक्टर फ़ील्ड एकल सतह की सुसंगत गति या ओवरलैपिंग सतहों की पारदर्शी गति से उत्पन्न हो सकती हैं। c (बाएं) हमारे बनावट वाले ग्रिड उत्तेजना का एक उदाहरण। आयताकार झंझरी अपनी दिशा ("घटक दिशाएं" - सफेद तीर) के लंबवत बहती हैं और एक झंझरी पैटर्न बनाने के लिए एक दूसरे को ओवरलैप करती हैं। जाली को दिशाओं (लाल तीर) की एकल, नियमित, जुड़ी हुई गति या मिश्रित दिशाओं की पारदर्शी गति के रूप में माना जा सकता है। यादृच्छिक बिंदु बनावट संकेतों को जोड़ने से जाली की धारणा विकृत हो जाती है। (मध्य) पीले रंग से हाइलाइट किए गए क्षेत्र को क्रमशः सुसंगत और पारदर्शी संकेतों के लिए फ़्रेम की एक श्रृंखला के रूप में विस्तारित और प्रदर्शित किया जाता है। प्रत्येक मामले में बिंदु की गति को हरे और लाल तीरों द्वारा दर्शाया जाता है। (दाएं) चयन बिंदु की स्थिति (x, y) बनाम फ़्रेम की संख्या का ग्राफ़। सुसंगत मामले में, सभी बनावट एक ही दिशा में बहती हैं। पारदर्शिता के मामले में, बनावट घटक की दिशा में चलती है। d हमारे गति विभाजन कार्य का एक कार्टून चित्रण। बंदरों ने प्रत्येक परीक्षण की शुरुआत एक छोटे बिंदु को ठीक करके की। थोड़ी देरी के बाद, MT RF के स्थान पर एक निश्चित प्रकार का झंझरी पैटर्न (सुसंगतता/पारदर्शिता) और बनावट संकेत आकार (जैसे कंट्रास्ट) दिखाई दिया। प्रत्येक परीक्षण के दौरान, झंझरी पैटर्न की दो संभावित दिशाओं में से एक में बह सकती है। उत्तेजना वापसी के बाद, चयन लक्ष्य MT RF के ऊपर और नीचे दिखाई दिए। बंदरों को ग्रिड की अपनी धारणा को उचित चयन लक्ष्य के लिए सैकेड में इंगित करना चाहिए।
दृश्य आंदोलनों की प्रक्रिया को अच्छी तरह से चित्रित किया गया है और इस प्रकार यह अवधारणात्मक विभाजन के तंत्रिका सर्किट का अध्ययन करने के लिए एक उत्कृष्ट मॉडल प्रदान करता है। कई कम्प्यूटेशनल अध्ययनों ने दो-चरणीय गति प्रसंस्करण मॉडल की उपयोगिता को नोट किया है जिसमें उच्च-रिज़ॉल्यूशन प्रारंभिक अनुमान के बाद शोर को हटाने और ऑब्जेक्ट वेग को बहाल करने के लिए स्थानीय नमूनों का चयनात्मक एकीकरण किया जाता है7,8। यह ध्यान रखना महत्वपूर्ण है कि दृष्टि प्रणालियों को इस समूह को केवल सामान्य वस्तुओं के स्थानीय नमूनों तक सीमित रखने का ध्यान रखना चाहिए। मनोभौतिक अध्ययनों ने भौतिक कारकों का वर्णन किया है जो स्थानीय गति संकेतों को कैसे विभाजित किया जाता है, इसे प्रभावित करते हैं, लेकिन शारीरिक प्रक्षेपवक्र और तंत्रिका कोड का आकार खुले प्रश्न बने हुए हैं। कई रिपोर्ट बताती हैं कि प्राइमेट कॉर्टेक्स के टेम्पोरल (एमटी) क्षेत्र में अभिविन्यास-चयनात्मक कोशिकाएँ तंत्रिका सब्सट्रेट के लिए उम्मीदवार हैं।
महत्वपूर्ण रूप से, इन पिछले प्रयोगों में, तंत्रिका गतिविधि में परिवर्तन दृश्य उत्तेजनाओं में शारीरिक परिवर्तनों के साथ सहसंबंधित थे। हालाँकि, जैसा कि ऊपर उल्लेख किया गया है, विभाजन अनिवार्य रूप से एक अवधारणात्मक प्रक्रिया है। इसलिए, इसके तंत्रिका सब्सट्रेट के अध्ययन के लिए तंत्रिका गतिविधि में परिवर्तन को निश्चित उत्तेजनाओं की धारणा में परिवर्तन के साथ जोड़ना आवश्यक है। इसलिए, हमने दो बंदरों को यह रिपोर्ट करने के लिए प्रशिक्षित किया कि क्या सुपरइम्पोज़्ड ड्रिफ्टिंग आयताकार झंझरी द्वारा निर्मित कथित द्वि-स्थिर झंझरी पैटर्न एक एकल सतह या दो स्वतंत्र सतह थी। तंत्रिका गतिविधि और विभाजन निर्णयों के बीच संबंध का अध्ययन करने के लिए, हमने बंदरों द्वारा यह कार्य करने पर MT में एक एकल गतिविधि रिकॉर्ड की।
हमने एमटी गतिविधि और धारणा के अध्ययन के बीच एक महत्वपूर्ण सहसंबंध पाया। यह सहसंबंध तब भी मौजूद था जब उत्तेजनाओं में स्पष्ट विभाजन संकेत शामिल थे या नहीं। इसके अलावा, इस प्रभाव की ताकत विभाजन संकेतों के प्रति संवेदनशीलता के साथ-साथ पैटर्न इंडेक्स से भी संबंधित है। उत्तरार्द्ध उस डिग्री को मापता है जिस तक इकाई जटिल पैटर्न में स्थानीय आंदोलन के बजाय वैश्विक आंदोलन को विकीर्ण करती है। हालाँकि फैशन दिशा के लिए चयनात्मकता को लंबे समय से MT की एक परिभाषित विशेषता के रूप में पहचाना जाता है, और फैशन-चयनात्मक कोशिकाएँ उन उत्तेजनाओं की मानवीय धारणा के अनुरूप जटिल उत्तेजनाओं के लिए ट्यूनिंग दिखाती हैं, हमारे सर्वोत्तम ज्ञान के अनुसार, यह पैटर्न के बीच सहसंबंध का पहला सबूत है। सूचकांक और अवधारणात्मक विभाजन।
हमने दो बंदरों को बहती ग्रिड उत्तेजनाओं (सुसंगत या पारदर्शी आंदोलनों) की उनकी धारणा को प्रदर्शित करने के लिए प्रशिक्षित किया। मानव पर्यवेक्षक आमतौर पर इन उत्तेजनाओं को लगभग समान आवृत्ति के सुसंगत या पारदर्शी आंदोलनों के रूप में देखते हैं। इस परीक्षण में सही उत्तर देने और ऑपरेटर इनाम के लिए आधार निर्धारित करने के लिए, हमने जाली बनाने वाले घटक के रेखापुंज को बनावट देकर विभाजन संकेत बनाए (चित्र 1 सी, डी)। सुसंगत स्थितियों के तहत, सभी बनावट पैटर्न की दिशा में चलती हैं (चित्र 1 सी, "सुसंगत")। पारदर्शी स्थिति में, बनावट उस झंझरी की दिशा के लंबवत चलती है जिस पर इसे आरोपित किया जाता है (चित्र 1 सी, "पारदर्शी")। हम इस बनावट लेबल के कंट्रास्ट को बदलकर कार्य की कठिनाई को नियंत्रित करते हैं। संकेतित परीक्षणों में, बंदरों को बनावट संकेतों के अनुरूप प्रतिक्रियाओं के लिए पुरस्कृत किया गया था, और बनावट संकेतों (शून्य बनावट कंट्रास्ट स्थिति) के बिना पैटर्न वाले परीक्षणों में यादृच्छिक रूप से (50/50 ऑड्स) पुरस्कार दिए गए थे।
दो प्रतिनिधि प्रयोगों से प्राप्त व्यवहार संबंधी डेटा को चित्र 2a में दर्शाया गया है, तथा प्रतिक्रियाओं को बनावट संकेतों के सुसंगति बनाम विपरीतता के निर्णयों के अनुपात के रूप में प्लॉट किया गया है (पारदर्शिता विपरीतता को परिभाषा के अनुसार नकारात्मक माना जाता है) उन पैटर्नों के लिए जो क्रमशः ऊपर या नीचे स्थानांतरित होते हैं। कुल मिलाकर, बंदरों की सुसंगतता/पारदर्शिता की धारणा बनावट संकेत के संकेत (पारदर्शी, सुसंगत) और ताकत (विपरीत) दोनों से विश्वसनीय रूप से प्रभावित हुई थी (एनोवा; बंदर एन: दिशा - एफ = 0.58, पी = 0.45, संकेत - एफ = 1248, पी < 10−10, विपरीत - एफ = 22.63, पी < 10; -10 बंदर एस: दिशा - एफ = 0.41, पी = 0.52, संकेत - एफ = 2876.7, पी < 10−10, विपरीत - एफ = 36.5, पी < 10−10)। कुल मिलाकर, बंदरों की सुसंगतता/पारदर्शिता की धारणा बनावट संकेत के संकेत (पारदर्शी, सुसंगत) और ताकत (विपरीत) दोनों से विश्वसनीय रूप से प्रभावित हुई थी (एनोवा; बंदर एन: दिशा - एफ = 0.58, पी = 0.45, संकेत - एफ = 1248, पी < 10−10, विपरीत - एफ = 22.63, पी < 10; −10 बंदर एस: दिशा - एफ = 0.41, पी = 0.52, संकेत - एफ = 2876.7, पी < 10−10, विपरीत - एफ = 36.5, पी < 10−10)। В целом на восприятие обезьянами когерентности/прозрачности अन्य उत्पाद देखें (контрастность) текстурного признака (ANOVA; обезьяна N: направление - F = 0,58, p = 0,45, знак - एफ = 1248, पी <10−10, контраст - एफ = 22,63, पी <10 обезьяна एस: направление - एफ = 0,41, p = 0,52, признак - F = 2876,7, p <10−10, контраст - F = 36,5, р <10-10)। सामान्य तौर पर, बंदरों द्वारा सुसंगति/पारदर्शिता की धारणा संकेत (पारदर्शिता, सुसंगति) और बनावट संबंधी विशेषता की ताकत (विपरीतता) दोनों से महत्वपूर्ण रूप से प्रभावित हुई थी (एनोवा; बंदर एन: दिशा - एफ = 0.58, पी = 0.45, संकेत - एफ = 1248, पी < 10−10, विपरीतता - एफ = 22.63, पी < 10; -10 बंदर एस: दिशा - एफ = 0.41, पी = 0.52, संकेत - एफ = 2876.7, पी < 10 −10, विपरीतता - एफ = 36.5, पी < 10-10)।और पढ़ें的符号(透明、连贯）和强度（对比度）的可靠影响；猴子N：方向- F = 0.58，p = 0.45，符号- F = 1248, p < 10−10, 对比度– F = 22.63, p < 10;−10 अंक एस: मूल्य – एफ = 0.41, पी = 0.52, मूल्य – एफ = 2876.7, पी < 10−10, मूल्य – एफ = 36.5，पी < 10-10）。और पढ़ें的符号(透明、连贯）和强度（对比度）的可靠影响；猴子N：方向- F = 0.58，p = 0.45，符号- F = 1248, p < 10−10, 对比度– F = 22.63, p < 10;−10 36.5，पी < 10-10）।सामान्य तौर पर, बंदर की सुसंगतता/पारदर्शिता की धारणा बनावट संकेतों (एनोवा) के संकेत (पारदर्शिता, सुसंगतता) और तीव्रता (विपरीतता) से महत्वपूर्ण रूप से प्रभावित होती थी;обезьяна N: ориентация - F = 0,58, p = 0,45, знак - F = 1248, p < 10−10, Контрастность - F = 22,63, p < 10; बंदर एन: अभिविन्यास - एफ = 0.58, पी = 0.45, संकेत - एफ = 1248, पी < 10−10, कंट्रास्ट - एफ = 22.63, पी < 10; −10 Обезьяна S: Ориентация - F = 0,41, p = 0,52, Знак - F = 2876,7, p < 10−10, Контрастность - F = 36,5, पी <10-10)। −10 बंदर एस: अभिविन्यास - एफ = 0.41, पी = 0.52, संकेत - एफ = 2876.7, पी < 10-10, कंट्रास्ट - एफ = 36.5, पी < 10-10)।बंदरों की मनोभौतिक विशेषताओं को दर्शाने के लिए प्रत्येक सत्र के डेटा में गॉसियन संचयी फ़ंक्शन फिट किए गए थे। चित्र 2बी में दोनों बंदरों के लिए सभी सत्रों में इन मॉडलों के लिए सहमति का वितरण दिखाया गया है। कुल मिलाकर, बंदरों ने कार्य को सटीक और लगातार पूरा किया, और हमने संचयी गॉसियन मॉडल के खराब फिट के कारण दो-बंदर सत्रों में से 13% से कम को अस्वीकार कर दिया।
a प्रतिनिधि सत्रों में बंदरों के व्यवहारिक उदाहरण (प्रति उत्तेजना स्थिति में n ​​≥ 20 परीक्षण)। बाएँ (दाएँ) पैनल में, एक N(S) बंदर सत्र के डेटा को सुसंगत चयन स्कोर (ऑर्डिनेट) बनाम बनावट संकेतों के साइन कंट्रास्ट (एब्सिस्सा) के रूप में प्लॉट किया गया है। यहाँ यह माना गया है कि पारदर्शी (सुसंगत) बनावट के ऋणात्मक (सकारात्मक) मान होते हैं। परीक्षण में पैटर्न की गति की दिशा (ऊपर (90°) या नीचे (270°)) के अनुसार प्रतिक्रियाओं का अलग-अलग निर्माण किया गया था। दोनों जानवरों के लिए, प्रदर्शन, चाहे प्रतिक्रिया को 50/50 कंट्रास्ट (PSE - ठोस तीर) से विभाजित किया गया हो या प्रदर्शन के एक निश्चित स्तर को सहारा देने के लिए आवश्यक टेक्सचरल कंट्रास्ट की मात्रा (थ्रेसहोल्ड - खुले तीर), इन बहाव दिशाओं में है। b गॉसियन संचयी फ़ंक्शन के R2 मानों का फिट किया गया हिस्टोग्राम। बंदर S(N) डेटा बाएँ (दाएँ) पर दिखाए गए हैं। c (शीर्ष) ग्रिड के लिए मापा गया PSE नीचे की ओर शिफ्ट किया गया (ऑर्डिनेट) की तुलना में ग्रिड के ऊपर शिफ्ट किया गया PSE (एब्सिस्सा) प्लॉट किया गया, जिसमें किनारे प्रत्येक स्थिति के लिए PSE वितरण का प्रतिनिधित्व करते हैं और तीर हर स्थिति के लिए औसत को दर्शाते हैं। सभी N(S) बंदर सत्रों के डेटा बाएं (दाएं) कॉलम में दिए गए हैं। (नीचे) PSE डेटा के लिए समान परंपरा, लेकिन फिट किए गए फीचर थ्रेसहोल्ड के लिए। PSE थ्रेसहोल्ड या फैशन ट्रेंड में कोई महत्वपूर्ण अंतर नहीं थे (टेक्स्ट देखें)। d PSE और ढलान (ऑर्डिनेट) को कोणीय पृथक्करण घटक ("इंटीग्रल ग्रेटिंग एंगल" - एब्सिस्सा) के सामान्यीकृत रास्टर ओरिएंटेशन के आधार पर प्लॉट किया जाता है। खुले वृत्त माध्य हैं, ठोस रेखा सबसे अच्छा फिट करने वाला प्रतिगमन मॉडल है, और बिंदीदार रेखा प्रतिगमन मॉडल के लिए 95% विश्वास अंतराल है। PSE और सामान्यीकृत एकीकरण कोण के बीच एक महत्वपूर्ण सहसंबंध है, लेकिन ढलान और सामान्यीकृत एकीकरण कोण के बीच नहीं, यह सुझाव देता है कि साइकोमेट्रिक फ़ंक्शन कोण के रूप में बदलता है, लेकिन तीक्ष्ण या सपाट नहीं होता है। (बंदर एन, एन = 32 सत्र; बंदर एस, एन = 43 सत्र)। सभी पैनलों में, त्रुटि बार औसत की मानक त्रुटि को दर्शाते हैं। हाहा। सुसंगति, PSE व्यक्तिपरक समानता स्कोर, मानदंड। मानकीकरण।
जैसा कि ऊपर उल्लेख किया गया है, बनावट संकेतों के विपरीत और पैटर्न की गति की दिशा दोनों परीक्षणों में भिन्न थे, जिसमें किसी दिए गए परीक्षण में उत्तेजना ऊपर या नीचे बहती थी। यह मनोभौतिक11 और न्यूरोनल28 अनुकूली प्रभावों को कम करने के लिए किया जाता है। पैटर्न अभिविन्यास बनाम पूर्वाग्रह (व्यक्तिपरक समानता बिंदु या PSE) (विलकॉक्सन रैंक योग परीक्षण; बंदर N: z = 0.25, p = 0.8; बंदर S: z = 0.86, p = 0.39) या फिटेड फ़ंक्शन थ्रेशोल्ड (विलकॉक्सन रैंक का योग; बंदर N: z = 0.14, p = 0.89, बंदर S: z = 0.49, p = 0.62) (चित्र 2c)। इसके अलावा, प्रदर्शन सीमा स्तर को बनाए रखने के लिए आवश्यक बनावट कंट्रास्ट की डिग्री में बंदरों के बीच कोई महत्वपूर्ण अंतर नहीं थे (एन बंदर = 24.5% ± 3.9%, एस बंदर = 18.9% ± 1.9%; विलकॉक्सन रैंक योग, z = 1.01, p = 0.31)।
प्रत्येक सत्र में, हमने घटक जालकों के अभिविन्यास को अलग करने वाले इंटरलैटिस कोण को बदल दिया। मनोभौतिक अध्ययनों से पता चला है कि जब यह कोण छोटा होता है तो लोग सेल 10 को जुड़ा हुआ समझने की अधिक संभावना रखते हैं। यदि बंदर सुसंगतता/पारदर्शिता की अपनी धारणा को विश्वसनीय रूप से रिपोर्ट कर रहे थे, तो इन निष्कर्षों के आधार पर, कोई व्यक्ति PSE की अपेक्षा करेगा, जो सुसंगतता और पारदर्शिता विकल्पों के बीच एक समान विभाजन के अनुरूप बनावट विपरीत है, जो बातचीत पर बढ़ेगा। जाली कोण। यह वास्तव में मामला था (चित्र 2डी; पैटर्न दिशाओं में पतन, क्रुस्कल-वालिस; बंदर एन: χ2 = 23.06, पी < 10−3; बंदर एस: χ2 = 22.22, पी < 10−3; सामान्यीकृत इंटर-ग्रेटिंग कोण और पीएसई के बीच संबंध - बंदर एन: आर = 0.67, पी < 10−9; बंदर एस: आर = 0.76, पी < 10−13)। यह वास्तव में मामला था (चित्र 2डी; पैटर्न दिशाओं में पतन, क्रुस्कल-वालिस; बंदर एन: χ2 = 23.06, पी < 10−3; बंदर एस: χ2 = 22.22, पी < 10−3; सामान्यीकृत इंटर-ग्रेटिंग कोण और पीएसई के बीच संबंध - बंदर एन: आर = 0.67, पी < 10−9; बंदर एस: आर = 0.76, पी < 10−13)। Это действительно имело место (рис. 2d; коллапс поперек направления паттерна, Крускал-Уоллис; обезьяна N: χ2 = 23,06, p < 10–3; обезьяна S: χ2 = 22,22, p < 10-3; корреляция между нормализованными угол решетки и PSE - обезьяна N: r = 0,67, p < 10-9, обезьяна S: r = 0,76, p <10-13)। यह वास्तव में हुआ (चित्र 2डी; पैटर्न की दिशा में पतन, क्रुस्कल-वालिस; बंदर एन: χ2 = 23.06, पी < 10–3; बंदर एस: χ2 = 22.22, पी < 10–3; सामान्यीकृत जाली कोण और पीएसई के बीच संबंध - बंदर एन: आर = 0.67, पी < 10-9, बंदर एस: आर = 0.76, पी < 10-13)।अधिक पढ़ें 22.22，p < 10-3；标准化间光栅角和PSE – 猴子N：r = 0.67，p < 10-9；猴子S：r = 0.76，p < 10-13）。अधिक पढ़ें 22.22 ， p <10-3 ； 间 光栅角 和 pse-猴子 猴子 猴子 猴子 猴子 猴子 猴子 N:r = 0.67，p < 10-9；猴子S：r= 0.76，पी < 10-13）। Это действительно имело место (рис. 2d; кратность по оси моды, Крускал-Уоллис; обезьяна N: χ2 = 23,06, p <10-3; обезьяна S: χ2 = 22,22, p <10-3; нормализованный межрешеточный угол). यह वास्तव में मामला था (चित्र 2डी; मोड अक्ष के साथ मोड़, क्रुस्कल-वालिस; बंदर एन: χ2 = 23.06, पी < 10-3; बंदर एस: χ2 = 22.22, पी < 10-3; सामान्यीकृत इंटरलैटिस कोना)। PSE-обезьяна N: r = 0,67, p <10-9, обезьяна S: r = 0,76, p <10-13)। पीएसई बंदर एन: आर = 0.67, पी < 10–9, बंदर एस: आर = 0.76, पी < 10–13)।इसके विपरीत, इंटरलैटिस कोण को बदलने से साइकोमेट्रिक फ़ंक्शन के ढलान पर कोई महत्वपूर्ण प्रभाव नहीं पड़ा (चित्र 2d; क्रॉस-मोडल ओरिएंटेशन फोल्ड, क्रुस्कल-वालिस; बंदर N: χ2 = 8.09, p = 0.23; बंदर S χ2 = 3.18, p = 0.67, सामान्यीकृत इंटरलैटिस कोण और ढलान के बीच संबंध - बंदर N: r = -0.4, p = 0.2, बंदर S: r = 0.03, p = 0.76)। इस प्रकार, किसी व्यक्ति के मनोभौतिक डेटा के अनुसार, ग्रेटिंग्स के बीच के कोण को बदलने का औसत प्रभाव विस्थापन बिंदुओं में बदलाव है, न कि विभाजन संकेतों के प्रति संवेदनशीलता में वृद्धि या कमी।
अंत में, शून्य बनावट कंट्रास्ट वाले परीक्षणों में 0.5 की संभावना के साथ पुरस्कार यादृच्छिक रूप से आवंटित किए जाते हैं। यदि सभी बंदर इस अनूठी यादृच्छिकता के बारे में जानते थे और शून्य बनावट कंट्रास्ट और संकेत उत्तेजनाओं के बीच अंतर करने में सक्षम थे, तो वे दो प्रकार के परीक्षणों के लिए अलग-अलग रणनीति विकसित कर सकते थे। दो अवलोकन दृढ़ता से सुझाव देते हैं कि यह मामला नहीं है। सबसे पहले, ग्रेटिंग कोण को बदलने से संकेत और शून्य बनावट कंट्रास्ट स्कोर पर गुणात्मक रूप से समान प्रभाव पड़ा (चित्र 2डी और अनुपूरक चित्र 1)। दूसरे, दोनों बंदरों के लिए, द्विस्थिर परीक्षण चयन सबसे हालिया (पिछले) पुरस्कार चयन (द्विपद परीक्षण, एन बंदर: 0.52, जेड = 0.74, पी = 0.22; एस बंदर:
निष्कर्ष में, हमारे विभाजन कार्य में बंदरों का व्यवहार अच्छे उत्तेजना नियंत्रण में था। बनावट संकेतों के संकेत और आकार पर अवधारणात्मक निर्णयों की निर्भरता, साथ ही झंझरी कोण के साथ PSE में परिवर्तन, संकेत देते हैं कि बंदरों ने मोटर सुसंगतता/पारदर्शिता की अपनी व्यक्तिपरक धारणा की रिपोर्ट की। अंत में, शून्य बनावट विपरीत परीक्षणों में बंदरों की प्रतिक्रियाएँ पिछले परीक्षणों के इनाम इतिहास से प्रभावित नहीं थीं और अंतर-रास्टर कोणीय परिवर्तनों से काफी प्रभावित थीं। इससे पता चलता है कि बंदर इस महत्वपूर्ण स्थिति के तहत जाली सतह विन्यास की अपनी व्यक्तिपरक धारणा की रिपोर्ट करना जारी रखते हैं।
जैसा कि ऊपर बताया गया है, बनावट के विपरीत का नकारात्मक से सकारात्मक में परिवर्तन उत्तेजनाओं के पारदर्शी से सुसंगत में अवधारणात्मक परिवर्तन के बराबर है। सामान्य तौर पर, किसी दिए गए सेल के लिए, MT प्रतिक्रिया बनावट के विपरीत के नकारात्मक से सकारात्मक में बदलने पर बढ़ती या घटती है, और इस प्रभाव की दिशा आमतौर पर पैटर्न/घटक की गति की दिशा पर निर्भर करती है। उदाहरण के लिए, दो प्रतिनिधि MT कोशिकाओं के दिशात्मक ट्यूनिंग वक्र चित्र 3 में दिखाए गए हैं, साथ ही इन कोशिकाओं की कम या अधिक विपरीत सुसंगत या पारदर्शी बनावट संकेतों वाले ग्रेटिंग के प्रति प्रतिक्रियाएँ भी दिखाई गई हैं। हमने किसी तरह से इन ग्रिड प्रतिक्रियाओं को बेहतर ढंग से मापने की कोशिश की है, जो हमारे बंदरों के मनोवैज्ञानिक प्रदर्शन से संबंधित हो सकती है।
एकल साइनसॉइडल सरणी के जवाब में एक प्रतिनिधि बंदर MT सेल S के दिशात्मक ट्यूनिंग वक्र का ध्रुवीय प्लॉट। कोण ग्रेटिंग की गति की दिशा को इंगित करता है, परिमाण उत्सर्जन को इंगित करता है, और पसंदीदा सेल दिशा ग्रेटिंग पैटर्न की दिशा में घटकों में से एक की दिशा के साथ लगभग 90° (ऊपर) ओवरलैप होती है। b प्रतिक्रिया ग्रिड का साप्ताहिक उत्तेजना-समय हिस्टोग्राम (PSTH), a में दिखाए गए सेल के लिए टेम्पलेट दिशा में 90° (बाईं ओर योजनाबद्ध रूप से दिखाया गया) द्वारा स्थानांतरित किया गया। प्रतिक्रियाओं को बनावट संकेत प्रकार (संयोजी/पारदर्शी - क्रमशः मध्य/दायां पैनल) और माइकलसन कंट्रास्ट (PSTH रंग संकेत) द्वारा क्रमबद्ध किया जाता है। प्रत्येक प्रकार के कम-कंट्रास्ट और उच्च-कंट्रास्ट बनावट संकेतों के लिए केवल सही प्रयास दिखाए गए हैं। पारदर्शी बनावट संकेतों के साथ कोशिकाओं ने ऊपर की ओर बहने वाले जाली पैटर्न पर बेहतर प्रतिक्रिया दी, और इन पैटर्नों की प्रतिक्रिया बढ़ती बनावट कंट्रास्ट के साथ बढ़ी। c, d वही परंपराएँ हैं जो a और b में हैं, लेकिन बंदर S के अलावा MT कोशिकाओं के लिए, उनका पसंदीदा अभिविन्यास लगभग नीचे की ओर बहने वाले ग्रिड के साथ ओवरलैप होता है। इकाई सुसंगत बनावट संकेतों के साथ नीचे की ओर बहने वाली ग्रेटिंग को प्राथमिकता देती है, और इन पैटर्नों की प्रतिक्रिया बनावट के विपरीत बढ़ने के साथ बढ़ती है। सभी पैनलों में, छायांकित क्षेत्र माध्य की मानक त्रुटि को दर्शाता है। स्पोक। स्पाइक्स, सेकंड। सेकंड।
हमारे बनावट संकेतों और एमटी गतिविधि द्वारा इंगित जाली सतह विन्यास (सुसंगत या पारदर्शी) के बीच संबंधों का पता लगाने के लिए, हमने पहले प्रतिगमन द्वारा सुसंगत आंदोलन (सकारात्मक ढलान) या पारदर्शी आंदोलन (नकारात्मक ढलान) के लिए कोशिकाओं के बीच संबंध को पुनः प्राप्त किया। कंट्रास्ट की तुलना में संकेत प्रतिक्रिया दर द्वारा कोशिकाओं को वर्गीकृत करने के लिए दिया गया है (प्रत्येक मोड दिशा के लिए अलग-अलग)। चित्रा 3 में एक ही उदाहरण सेल से इन जाली ट्यूनिंग वक्रों के उदाहरण चित्रा 4 ए में दिखाए गए हैं। वर्गीकरण के बाद, हमने बनावट संकेतों के मॉड्यूलेशन के लिए प्रत्येक कोशिका की संवेदनशीलता को मापने के लिए रिसीवर प्रदर्शन विश्लेषण (आरओसी) का उपयोग किया (विधि देखें)। इस तरह से प्राप्त न्यूरोमेट्रिक फ़ंक्शन यह ध्यान रखना महत्वपूर्ण है कि, इस विश्लेषण के लिए, हमने केवल उन परीक्षणों को शामिल किया जिनमें (i) उत्तेजनाओं में एक बनावट संकेत शामिल था और (ii) बंदरों ने उस संकेत के अनुसार प्रतिक्रिया दी (यानी, "सही" परीक्षण)।
आग की दरों को क्रमशः, ऊपर (बाएं) या नीचे (दाएं) शिफ्टिंग ग्रेटिंग्स के लिए बनावट संकेत कंट्रास्ट के खिलाफ प्लॉट किया गया है, ठोस रेखा सबसे उपयुक्त रैखिक प्रतिगमन का प्रतिनिधित्व करती है, और ऊपर (नीचे) पंक्ति में डेटा अंजीर में दिखाए गए लोगों से लिया गया है। चावल। 3 ए सेल, बी (छवि 3 सी, डी)। प्रतिगमन ढलान सुविधाओं का उपयोग प्रत्येक सेल / जाली अभिविन्यास संयोजन (एन ≥ 20 परीक्षण प्रति उत्तेजना स्थिति) के लिए पसंदीदा बनावट संकेतों (सुसंगत / पारदर्शी) को असाइन करने के लिए किया गया था। त्रुटि बार औसत के मानक विचलन का प्रतिनिधित्व करते हैं। बा में दिखाए गए इकाइयों के न्यूरोमेट्रिक फ़ंक्शन को उसी सत्र के दौरान एकत्र किए गए साइकोमेट्रिक फ़ंक्शन के साथ वर्णित किया गया है। अब, प्रत्येक सुविधा के लिए, ऊपर की ओर (नीचे की ओर) ड्रिफ्टिंग ग्रिड से डेटा बाएं (दाएं) पैनल में, ऊपरी (निचली) पंक्तियों में दिखाया गया है - चित्र 3a,b (चित्र 3c,d) में दिखाए गए सेल से डेटा। प्रत्येक पैनल में न्यूरोमेट्रिक और साइकोमेट्रिक थ्रेशोल्ड (N/P) के अनुपात दिखाए गए हैं। स्पोक। स्पाइक्स, सेकंड। सेकंड, निर्देशिका। दिशा, प्रांत पसंदीदा, साई। साइकोमेट्री, न्यूरोलॉजी।
दो प्रतिनिधि MT कोशिकाओं के जाली ट्यूनिंग वक्र और न्यूरोमेट्रिक फ़ंक्शन और उनके संबंधित साइकोमेट्रिक फ़ंक्शन, इन प्रतिक्रियाओं के साथ एकत्रित, क्रमशः चित्र 4a,b के शीर्ष और निचले पैनल में दिखाए गए हैं। ये कोशिकाएँ मोटे तौर पर नीरस वृद्धि या कमी दिखाती हैं क्योंकि बनावट का संकेत पारदर्शी से सुसंगत होता है। इसके अलावा, इस बंधन की दिशा और ताकत जाली गति की दिशा पर निर्भर करती है। अंत में, इन कोशिकाओं की प्रतिक्रियाओं से गणना किए गए न्यूरोमेट्रिक फ़ंक्शन केवल यूनिडायरेक्शनल ग्रिड मूवमेंट के साइकोफिजिकल गुणों के करीब पहुंचे (लेकिन फिर भी इसके अनुरूप नहीं थे)। न्यूरोमेट्रिक और साइकोमेट्रिक दोनों फ़ंक्शन को थ्रेसहोल्ड के साथ संक्षेपित किया गया था पूरे नमूने में, एन/पी अनुपात, न्यूरोमेट्रिक थ्रेशोल्ड से साइकोमेट्रिक एक का अनुपात, बंदर एन में औसतन 12.4 ± 1.2 और बंदर एस में 15.9 ± 1.8 था, और जाली को कम से कम एक दिशा में स्थानांतरित करने के लिए, केवल ~16% (18) %) इकाइयाँ बंदर एन (बंदर एस) से (चित्र 5 ए)। चित्र में दिखाए गए सेल उदाहरण से। जैसा कि चित्र 3 और 4 में देखा गया है, न्यूरॉन्स की संवेदनशीलता कोशिका के पसंदीदा अभिविन्यास और प्रयोगों में उपयोग की जाने वाली जाली आंदोलन की दिशा के बीच के संबंध से प्रभावित हो सकती है। विशेष रूप से, चित्र 3 ए, सी में अभिविन्यास समायोजन वक्र एकल साइनसोइडल सरणी के न्यूरॉन अभिविन्यास सेटिंग और हमारे बनावट वाले सरणी में पारदर्शी/सुसंगत गति के प्रति इसकी संवेदनशीलता के बीच के संबंध को प्रदर्शित करते हैं। यह दोनों बंदरों के लिए मामला था (एनोवा; 10 डिग्री रिज़ॉल्यूशन के साथ सापेक्ष पसंदीदा दिशाएं; बंदर एन: एफ = 2.12, पी < 0.01; बंदर एस: एफ = 2.01, पी < 0.01)। यह दोनों बंदरों के लिए मामला था (एनोवा; 10 डिग्री रिज़ॉल्यूशन के साथ सापेक्ष पसंदीदा दिशाएं; बंदर एन: एफ = 2.12, पी < 0.01; बंदर एस: एफ = 2.01, पी < 0.01)। इटो मोलेमो म्युसेटो для обеих обезьян (ANOVA; относительные предпочтительные направления объединены в группы с разрешением 10°; обезьяна N: F = 2,12, पी <0,01; обезьяна एस: एफ = 2,01, पी <0,01)। यह दोनों बंदरों के लिए मामला था (एनोवा; 10 डिग्री रिज़ॉल्यूशन पर समूहीकृत सापेक्ष पसंदीदा दिशाएं; बंदर एन: एफ = 2.12, पी <0.01; बंदर एस: एफ = 2.01, पी <0.01)।两只猴子都选方向；猴子N:F = 2.12，p < 0.01；猴子S：F = 2.01，p <0.01）。两 只 猴子 都 是 这 种 （方差 分析 以 以 10 ° 分辨率 合并 的 相对 方向 ； 猴子 n ： f = 2.12 ， पी <0.01 ； ： ： एफ = 2.01 ， पी <0.01। Это имело место для обеих обезьян (ANOVA; относительная предпочтительная ориентация объединена ри разрешении 10°; обезьяна N: F = 2,12, p <0,01; обезьяна एस: एफ = 2,01, पी <0,01)। यह दोनों बंदरों के लिए मामला था (एनोवा; 10 डिग्री रिज़ॉल्यूशन पर सापेक्ष पसंदीदा अभिविन्यास; बंदर एन: एफ = 2.12, पी <0.01; बंदर एस: एफ = 2.01, पी <0.01)।न्यूरॉन संवेदनशीलता (चित्रा 5 ए) में परिवर्तनशीलता की बड़ी डिग्री को देखते हुए, सापेक्ष पसंदीदा अभिविन्यासों पर न्यूरॉन संवेदनशीलता की निर्भरता को देखने के लिए, हमने पहले प्रत्येक सेल के पसंदीदा अभिविन्यास को ग्रिड पैटर्न (यानी दिशा) की गति के लिए "सर्वश्रेष्ठ" अभिविन्यास में सामान्यीकृत किया। जिसमें झंझरी पसंदीदा सेल अभिविन्यास और झंझरी पैटर्न के अभिविन्यास के बीच सबसे छोटा कोण बनाती है। हमने पाया कि न्यूरॉन्स की सापेक्ष दहलीज (सबसे खराब जाली अभिविन्यास के लिए दहलीज / सर्वोत्तम जाली अभिविन्यास के लिए दहलीज) इस सामान्यीकृत पसंदीदा अभिविन्यास के साथ भिन्न थी, इस दहलीज अनुपात में चोटियां पैटर्न या घटक अभिविन्यासों के आसपास होती हैं (चित्रा 5 बी)। ))। इस प्रभाव को प्रत्येक नमूने में इकाइयों में पसंदीदा दिशाओं के वितरण में प्लेड पैटर्न या घटक दिशाओं में से एक के प्रति पूर्वाग्रह द्वारा समझाया नहीं जा सका (चित्र 5 सी; रेले परीक्षण; बंदर एन: z = 8.33, पी < 10-3, परिपत्र माध्य = 190.13 डिग्री ± 9.83 डिग्री; बंदर एस: z = 0.79, पी = 0.45) और प्लेड इंटर-ग्रेटिंग कोणों में सुसंगत था (पूरक चित्र 2)। इस प्रभाव को प्रत्येक नमूने में इकाइयों में पसंदीदा दिशाओं के वितरण में प्लेड पैटर्न या घटक दिशाओं में से एक के प्रति पूर्वाग्रह द्वारा समझाया नहीं जा सका (चित्र 5 सी; रेले परीक्षण; बंदर एन: z = 8.33, पी < 10−3, परिपत्र माध्य = 190.13 डिग्री ± 9.83 डिग्री; बंदर एस: z = 0.79, पी = 0.45) और प्लेड इंटर-ग्रेटिंग कोणों में सुसंगत था (पूरक चित्र 2)। यह अभी भी ऑनलाइन नहीं है предпочтительных направлений в единицах в каждой выборке в сторону одного из клетчатых направлений или направлений компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,33, p <10-3)। इस प्रभाव को प्रत्येक नमूने में इकाइयों में पसंदीदा दिशाओं के वितरण में चेकर दिशाओं या घटक दिशाओं में से किसी एक की ओर बदलाव से नहीं समझाया जा सकता है (चित्र 5 सी; रेले परीक्षण; बंदर एन: z = 8.33, पी < 10–3)।, वृत्तीय माध्य = 190.13 डिग्री ± 9.83 डिग्री; बंदर एस: z = 0.79, p = 0.45) और प्लेड ग्रिड के सभी कोनों के लिए समान था (पूरक चित्र 2)।这种效应不能通过每个样本中单元中的优选方向分布偏向格子图案或组件方向之一来解释(图5c；瑞利测试；猴子N:z) = 8.33，p < 10-3 ，圆形平均值= 190.13 度± 9.83 度；猴子S：z = 0.79，p = 0.45） एक वर्ष से अधिक समय तक चलने वाला डेटा स्रोत）（补充图2）。这 种 效应 不 能 通过 每 样本 中 单元 中 优选 方向 分布 偏向 偏向 图案 或 组件 方向उत्तर:圆形 圆形 圆形 圆形 圆形 圆形 圆形 圆形 圆形z यह अभी भी एक निश्चित समय पर उपलब्ध नहीं है, लेकिन यह अभी भी उपलब्ध नहीं है एक मोबाइल फोन पर एक ग्राहक की उपस्थिति का विवरण в сторону структуры решетки, либо в сторону одной из ориентаций компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,33, p < 10–3). इस प्रभाव को इस तथ्य से नहीं समझाया जा सकता है कि प्रत्येक नमूने में कोशिकाओं में पसंदीदा अभिविन्यासों का वितरण या तो जाली संरचना की ओर या घटक अभिविन्यासों में से एक की ओर पक्षपाती है (चित्र 5 सी; रेले का परीक्षण; बंदर एन: z = 8.33, पी < 10–3)।, वृत्तीय औसत) = 190.13 डिग्री ± 9.83 डिग्री; बंदर एस: z = 0.79, p = 0.45) और ग्रिड के बीच जाली कोण बराबर थे (पूरक चित्र 2)।इस प्रकार, बनावट वाले ग्रिड के प्रति न्यूरॉन्स की संवेदनशीलता, कम से कम आंशिक रूप से, MT ट्यूनिंग के मौलिक गुणों पर निर्भर करती है।
बायां पैनल एन/पी अनुपातों (न्यूरॉन/साइकोफिजियोलॉजिकल थ्रेशोल्ड) का वितरण दिखाता है; प्रत्येक सेल दो डेटा बिंदु प्रदान करता है, एक प्रत्येक दिशा के लिए जिसमें पैटर्न चलता है। दायां पैनल नमूने में सभी इकाइयों के लिए साइकोफिजिकल थ्रेशोल्ड (ऑर्डिनेट) बनाम न्यूरोनल थ्रेशोल्ड (एब्सिस्सा) को प्लॉट करता है। ऊपर (नीचे) पंक्ति में डेटा बंदर एन (एस) से हैं। b सामान्यीकृत थ्रेशोल्ड अनुपात को इष्टतम जाली अभिविन्यास और पसंदीदा सेल अभिविन्यास के बीच अंतर के परिमाण के खिलाफ प्लॉट किया गया है। "सर्वोत्तम" दिशा को पसंदीदा सेल दिशा के सबसे करीब ग्रेटिंग संरचना (एकल साइनसोइडल ग्रेटिंग के साथ मापा गया) की दिशा के रूप में परिभाषित किया गया है। डेटा को पहले सामान्यीकृत पसंदीदा अभिविन्यास (10 डिग्री डिब्बे) द्वारा बाइन किया गया था प्रत्येक बंदर में दर्ज सभी एमटी इकाइयों के पसंदीदा अभिविन्यास वितरण का गुलाबी हिस्टोग्राम।
अंत में, MT की प्रतिक्रिया ग्रेटिंग मूवमेंट की दिशा और हमारे विभाजन संकेतों (बनावट) के विवरण द्वारा संशोधित होती है। न्यूरोनल और साइकोफिजिकल संवेदनशीलता की तुलना से पता चला कि, सामान्य तौर पर, MT इकाइयाँ बंदरों की तुलना में विपरीत बनावट संकेतों के प्रति बहुत कम संवेदनशील थीं। हालाँकि, न्यूरॉन की संवेदनशीलता इकाई के पसंदीदा अभिविन्यास और ग्रिड मूवमेंट की दिशा के बीच अंतर के आधार पर बदल गई। सबसे संवेदनशील कोशिकाओं में अभिविन्यास संबंधी प्राथमिकताएँ होती थीं जो लगभग जाली पैटर्न या घटक अभिविन्यासों में से एक को कवर करती थीं, और हमारे नमूनों का एक छोटा सा उपसमूह विपरीत अंतरों की बंदरों की धारणा के समान या उससे अधिक संवेदनशील था। यह निर्धारित करने के लिए कि क्या इन अधिक संवेदनशील इकाइयों से संकेत बंदरों में धारणा के साथ अधिक निकटता से जुड़े थे, हमने धारणा और न्यूरोनल प्रतिक्रियाओं के बीच सहसंबंध की जांच की।
तंत्रिका गतिविधि और व्यवहार के बीच संबंध स्थापित करने में एक महत्वपूर्ण कदम न्यूरॉन्स और निरंतर उत्तेजनाओं के प्रति व्यवहारिक प्रतिक्रियाओं के बीच सहसंबंध स्थापित करना है। तंत्रिका प्रतिक्रियाओं को विभाजन निर्णयों से जोड़ने के लिए, एक ऐसी उत्तेजना बनाना महत्वपूर्ण है जो समान होने के बावजूद, विभिन्न परीक्षणों में अलग-अलग तरीके से देखी जाती है। वर्तमान अध्ययन में, इसे स्पष्ट रूप से शून्य बनावट कंट्रास्ट ग्रेटिंग द्वारा दर्शाया गया है। हालाँकि हम इस बात पर ज़ोर देते हैं कि जानवरों के मनोवैज्ञानिक कार्यों के आधार पर, न्यूनतम (~ 20% से कम) बनावट कंट्रास्ट वाली ग्रेटिंग को आमतौर पर सुसंगत या पारदर्शी माना जाता है।
यह निर्धारित करने के लिए कि MT प्रतिक्रियाएँ किस हद तक अवधारणात्मक रिपोर्टों से संबंधित हैं, हमने अपने ग्रिड डेटा का चयन संभावना (CP) विश्लेषण किया (देखें 3)। संक्षेप में, CP एक गैर-पैरामीट्रिक, गैर-मानक उपाय है जो स्पाइक प्रतिक्रियाओं और अवधारणात्मक निर्णयों के बीच संबंधों को निर्धारित करता है30। शून्य बनावट विपरीतता वाले ग्रिड और ऐसे सत्रों का उपयोग करके परीक्षणों तक विश्लेषण को सीमित करते हुए, जिसमें बंदरों ने इन परीक्षणों के प्रत्येक प्रकार के लिए कम से कम पाँच विकल्प चुने, हमने ग्रिड आंदोलन की प्रत्येक दिशा के लिए अलग से SR की गणना की। बंदरों में, हमने एक औसत सीपी मूल्य देखा जो कि संयोग से हमारी अपेक्षा से काफी अधिक था (चित्र 6 ए, डी; बंदर एन: औसत सीपी: 0.54, 95% सीआई: (0.53, 0.56), सीपी = 0.5 के शून्य के खिलाफ दो तरफा टी-परीक्षण, टी = 6.7, पी < 10-9; बंदर एस: औसत सीपी: 0.55, 95% सीआई: (0.54, 0.57), दो तरफा टी-परीक्षण, टी = 9.4, पी < 10-13)। बंदरों में, हमने एक औसत सीपी मूल्य देखा जो कि संयोग से हमारी अपेक्षा से काफी अधिक था (चित्र 6 ए, डी; बंदर एन: औसत सीपी: 0.54, 95% सीआई: (0.53, 0.56), सीपी = 0.5 के शून्य के खिलाफ दो तरफा टी-परीक्षण, टी = 6.7, पी < 10-9; बंदर एस: औसत सीपी: 0.55, 95% सीआई: (0.54, 0.57), दो तरफा टी-परीक्षण, टी = 9.4, पी < 10-13)।बंदरों में, हमने औसत सीपी को यादृच्छिक रूप से अपेक्षित से काफी अधिक देखा (चित्र 6 ए, डी; बंदर एन: औसत सीपी: 0.54, 95% सीआई: (0.53, 0.56), दो-पूंछ वाला टी-परीक्षण बनाम शून्य मान)।सीपी = 0,5, टी = 6,7, पी <10-9; सीपी = 0.5, टी = 6.7, पी <10-9; обезьяна S: среднее CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = 9,4, p < 10–13) . बंदर एस: औसत सीपी: 0.55, 95% सीआई: (0.54, 0.57), दो-पूंछ वाला टी-परीक्षण, टी = 9.4, पी < 10–13)।在猴子中,我们观察到平均सीपी 6 ए, डी, एन: सीपी: 0.54, 95% CI：（0.53，0.56），针对空值的双边t 检验CP = 0.5, t = 6.7, p < 10−9;猴子S: 平均CP: 0.55, 95% CI: (0.54, 0.57), 双边t 检验, t = 9.4, p < 10−13) .在 猴子 中 , 我们 观察 平均 平均 值 显着 大于 我们 偶然 的 值 （图 图 图 6a , d ； n ： 平均 ： 0.54，95% Ci ： 0.53，0.56） ， 空值 检验 CP = 0.5, t = 6.7, p <10−9; अनुपात एस: मूल्य सीपी: 0.55, 95% सीआई: (0.54, 0.57), प्रतिशत मूल्य, टी=9.4, पी <10−13) У обезьян мы наблюдали средние значения CP, значительно превышающие तो, यह मेरे लिए एक अच्छा विकल्प है (рис. 6a, d; обезьяна N: среднее CP: 0,54, 95% ДИ: (0,53, 0,56), двусторонний t- тест CP против нуля = 0,5, t = 6,7, p <10-9, обезьяна S: средний CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = 9,4, p < 10- 13) . बंदरों में, हमने औसत सीपी मूल्यों को देखा जो हम संयोग से उम्मीद कर सकते हैं (चित्र 6 ए, डी; बंदर एन: औसत सीपी: 0.54, 95% सीआई: (0.53, 0.56), दो-पूंछ वाला टी-परीक्षण सीपी बनाम शून्य = 0.5, टी = 6.7, पी < 10-9, बंदर एस: औसत सीपी: 0.55, 95% सीआई: (0.54, 0.57), दो-पूंछ वाला टी- मानदंड, टी = 9.4, पी < 10-13)।इस प्रकार, जब जाली गति के बारे में पशु की धारणा कोशिका की प्राथमिकताओं से मेल खाती है, तो एमटी न्यूरॉन्स किसी भी स्पष्ट विभाजन संकेत की अनुपस्थिति में भी अधिक मजबूती से सक्रिय होते हैं।
ए बंदर एन से रिकॉर्ड किए गए नमूनों के लिए बनावट संकेतों के बिना ग्रिड के लिए चयन संभावना वितरण। प्रत्येक सेल अधिकतम दो डेटा पॉइंट (ग्रिड मूवमेंट की प्रत्येक दिशा के लिए एक) में योगदान दे सकता है। यादृच्छिक (सफेद तीर) के ऊपर एक औसत सीपी मूल्य इंगित करता है कि कुल मिलाकर एमटी गतिविधि और धारणा के बीच एक महत्वपूर्ण संबंध है। बी किसी भी संभावित चयन पूर्वाग्रह के प्रभाव की जांच करने के लिए, हमने किसी भी उत्तेजना के लिए अलग से सीपी की गणना की जिसके लिए बंदरों ने कम से कम एक त्रुटि की। चयन संभावनाओं को सभी उत्तेजनाओं (बाएं) के लिए चयन अनुपात (प्रीफ़ / शून्य) और बनावट चिह्न कंट्रास्ट (दाएं, 120 व्यक्तिगत कोशिकाओं से डेटा) के पूर्ण मूल्यों के एक फ़ंक्शन के रूप में प्लॉट किया गया है। बाएं पैनल में ठोस रेखा और छायांकित क्षेत्र 20-बिंदु चलती औसत के औसत ± सेम का प्रतिनिधित्व करते हैं। असंतुलित चयन अनुपात वाले उत्तेजनाओं के लिए गणना की गई चयन संभावनाएँ, जैसे कि उच्च सिग्नल कंट्रास्ट वाले ग्रिड, अधिक भिन्न थे और संभावनाओं के आसपास क्लस्टर किए गए थे। दाएं पैनल में ग्रे-छायांकित क्षेत्र उच्च चयन संभावना की गणना में शामिल सुविधाओं के विपरीत पर जोर देता है। c एक बड़े विकल्प (ऑर्डिनेट) की संभावना को न्यूरॉन (एब्सिस्सा) की दहलीज के खिलाफ प्लॉट किया गया है। चयन की संभावना दहलीज के साथ महत्वपूर्ण रूप से नकारात्मक रूप से सहसंबंधित थी। df की परंपरा ac के समान है, लेकिन बंदर S से 157 एकल डेटा पर लागू होती है जब तक कि अन्यथा नोट न किया गया हो। g उच्चतम चयन संभावना (ऑर्डिनेट) को दो बंदरों में से प्रत्येक के लिए सामान्यीकृत पसंदीदा दिशा (एब्सिस्सा) के खिलाफ प्लॉट किया गया है। प्रत्येक MT सेल ने दो डेटा पॉइंट (जाली संरचना की प्रत्येक दिशा के लिए एक) का योगदान दिया। h प्रत्येक अंतर-रेखा कोण के लिए चयन संभावना के बड़े बॉक्स प्लॉट। ठोस रेखा मध्यिका को चिह्नित करती है, बॉक्स के निचले और ऊपरी किनारे क्रमशः 25वें और 75वें प्रतिशतक का प्रतिनिधित्व करते हैं, मूंछें इंटरक्वार्टराइल रेंज के 1.5 गुना तक विस्तारित होती हैं, और इस सीमा से परे आउटलेयर को नोट किया जाता है। बाएं (दाएं) पैनल में डेटा 120 (157) व्यक्तिगत N(S) बंदर कोशिकाओं से हैं। i चयन की उच्चतम संभावना (ऑर्डिनेट) को उत्तेजना की शुरुआत के समय (एब्सिस्सा) के खिलाफ प्लॉट किया गया है। पूरे परीक्षण के दौरान बड़े सीपी की गणना स्लाइडिंग आयतों (चौड़ाई 100 एमएस, चरण 10 एमएस) में की गई और फिर इकाइयों में औसत निकाला गया।
कुछ पिछले अध्ययनों ने बताया है कि CP बेसल दर वितरण में परीक्षणों की सापेक्ष संख्या पर निर्भर करता है, जिसका अर्थ है कि यह उपाय उन उत्तेजनाओं के लिए कम विश्वसनीय है जो प्रत्येक विकल्प के अनुपात में बड़े अंतर का कारण बनते हैं। हमारे डेटा में इस प्रभाव का परीक्षण करने के लिए, हमने सभी उत्तेजनाओं के लिए अलग-अलग CP की गणना की, चाहे संकेत बनावट के विपरीत कुछ भी हो, और बंदरों ने कम से कम एक गलत परीक्षण किया। CP को क्रमशः चित्र 6b और e (बाएं पैनल) में प्रत्येक जानवर के लिए चयन अनुपात (प्रीफ़/नल) के विरुद्ध प्लॉट किया गया है। मूविंग एवरेज को देखते हुए, यह स्पष्ट है कि CP चयन बाधाओं की एक विस्तृत श्रृंखला पर संभावना से ऊपर रहता है, केवल तभी घटता है जब बाधाएं 0.2 (0.8) से नीचे (ऊपर) गिरती (बढ़ती) हैं। जानवरों की मनोवैज्ञानिक विशेषताओं के आधार पर, हम उम्मीद करेंगे कि इस परिमाण के चयन गुणांक केवल उच्च-विपरीत बनावट संकेतों (सुसंगत या पारदर्शी) के साथ उत्तेजनाओं पर लागू होंगे (चित्र 2a, b में मनोवैज्ञानिक विशेषताओं के उदाहरण देखें)। यह निर्धारित करने के लिए कि क्या यह मामला था और क्या स्पष्ट विभाजन संकेतों वाले उत्तेजनाओं के लिए भी एक महत्वपूर्ण पीसी कायम रहा, हमने पीसी पर पूर्ण बनावट विपरीत मूल्यों के प्रभाव की जांच की (चित्र 6 बी, ई-दाएं)। जैसा कि अपेक्षित था, मध्यम (~ 20% विपरीत या कम) विभाजन संकेतों वाले उत्तेजनाओं के लिए संभावना की तुलना में सीपी काफी अधिक था।
अभिविन्यास, गति और बेमेल पहचान कार्यों में, एमटी सीपी सबसे संवेदनशील न्यूरॉन्स में सबसे अधिक होता है, संभवतः क्योंकि ये न्यूरॉन्स सबसे अधिक सूचनात्मक संकेत ले जाते हैं30,32,33,34।इन निष्कर्षों के अनुरूप हमने चित्र के सबसे दाहिने पैनल में हाइलाइट किए गए बनावट संकेत विरोधाभासों में z-स्कोर वाली फायरिंग दरों से गणना की गई ग्रैंड सीपी के बीच एक मामूली लेकिन महत्वपूर्ण सहसंबंध देखा।6बी, ई, और न्यूरोनल थ्रेशोल्ड (चित्र 6सी, एफ; ज्यामितीय माध्य प्रतिगमन; बंदर एन: आर = -0.12, पी = 0.07 बंदर एस: आर = -0.18, पी < 10−3)। 6बी, ई, और न्यूरोनल थ्रेशोल्ड (चित्र 6सी, एफ; ज्यामितीय माध्य प्रतिगमन; बंदर एन: आर = -0.12, पी = 0.07 बंदर एस: आर = -0.18, पी < 10−3)।इन निष्कर्षों के अनुरूप, हमने चित्र 6b, e के सबसे दाहिने पैनल में हाइलाइट किए गए बनावट सिग्नल कंट्रास्ट से उत्तेजना आवृत्ति z-स्कोर से गणना की गई बड़ी सीपी और न्यूरोनल थ्रेशोल्ड (चित्र 6c, f; ज्यामितीय) के बीच एक मामूली लेकिन महत्वपूर्ण सहसंबंध देखा। ज्यामितीय माध्य प्रतिगमन;обезьяна N: r = -0,12, p = 0,07 обезьяна S: r = -0,18, p < 10-3). बंदर एन: आर = -0.12, पी = 0.07 बंदर एस: आर = -0.18, पी < 10-3)।与这些发现一致,我们观察到大CP 之间存在适度但显着的相关性,这是根据图6b、e和神经元阈值（图6c、f；几何平均回归；猴子N：r = -0.12，p = 0.07，S：r = -0.18，p < 10-3）。与 这些 发现 一致 , 我们 到 大 大 之间 存在 适度 但 显着 的 相关性 这 是 根据 图 6b 、 e 和 元 阈值 （图 图 6c 、 f ； 回归 ； 猴子 n ： r = -0.12 ， p = 0.07 猴子 S: r = -0.18，p < 10-3）。इन निष्कर्षों के अनुरूप, हमने बड़े सी.वी. के बीच एक मामूली लेकिन महत्वपूर्ण सहसंबंध देखा, जैसा कि चित्र 6बी,ई और न्यूरॉन थ्रेसहोल्ड (चित्र 6सी,एफ; ज्यामितीय माध्य प्रतिगमन; बंदर एन: आर = -0.12, पी = 0.07) में दिखाया गया है।Обезьяна S: г = -0,18, р < 10-3). बंदर एस: आर = -0.18, पी < 10-3)।इसलिए, सर्वाधिक सूचनात्मक इकाइयों से प्राप्त संकेत बंदरों में व्यक्तिपरक विभाजन निर्णयों के साथ अधिक सहप्रसरण दर्शाते हैं, जो अवधारणात्मक पूर्वाग्रह में जोड़े गए किसी भी बनावट संबंधी संकेतों की परवाह किए बिना महत्वपूर्ण है।
यह देखते हुए कि हमने पहले ग्रिड बनावट संकेतों के प्रति संवेदनशीलता और पसंदीदा न्यूरोनल अभिविन्यास के बीच एक संबंध स्थापित किया था, हमें आश्चर्य हुआ कि क्या CP और पसंदीदा अभिविन्यास (चित्र 6g) के बीच भी ऐसा ही संबंध है। यह संबंध बंदर S में केवल थोड़ा महत्वपूर्ण था (ANOVA; बंदर N: 1.03, p=0.46; बंदर S: F=1.73, p=0.04)। हमने किसी भी जानवर में जाली के बीच जाली कोणों के लिए CP में कोई अंतर नहीं देखा (चित्र 6h; ANOVA; बंदर N: F = 1.8, p = 0.11; बंदर S: F = 0.32, p = 0. 9)।
अंत में, पिछले शोध से पता चला है कि परीक्षण के दौरान CP में बदलाव होता है। कुछ अध्ययनों ने अपेक्षाकृत सुचारू चयन प्रभाव के बाद तेज वृद्धि की सूचना दी है,30 जबकि अन्य ने परीक्षण के दौरान चयन संकेत में स्थिर वृद्धि की सूचना दी है31। प्रत्येक बंदर के लिए, हमने 100 ms कोशिकाओं में शून्य बनावट विपरीतता (क्रमशः, पैटर्न अभिविन्यास के अनुसार) के साथ परीक्षणों में प्रत्येक इकाई के CP की गणना की, जो पूर्व-उत्तेजना की शुरुआत से लेकर औसत पूर्व-उत्तेजना ऑफसेट तक हर 20 ms पर कदम रखते हैं। दो बंदरों के लिए औसत CP गतिशीलता चित्र 6i में दिखाई गई है। दोनों मामलों में, उत्तेजना की शुरुआत के लगभग 500 ms बाद तक CP एक यादृच्छिक स्तर पर या उसके बहुत करीब रहा, जिसके बाद CP में तेजी से वृद्धि हुई।
संवेदनशीलता में बदलाव के अलावा, CP को सेल ट्यूनिंग विशेषताओं के कुछ गुणों से भी प्रभावित दिखाया गया है। उदाहरण के लिए, उका और डीएंजेलिस34 ने पाया कि दूरबीन बेमेल पहचान कार्य में CP डिवाइस के दूरबीन बेमेल ट्यूनिंग वक्र की समरूपता पर निर्भर करता है। इस मामले में, एक संबंधित प्रश्न यह है कि क्या पैटर्न दिशा चयनात्मक (PDS) कोशिकाएँ घटक दिशा चयनात्मक (CDS) कोशिकाओं की तुलना में अधिक संवेदनशील हैं। PDS कोशिकाएँ कई स्थानीय अभिविन्यास वाले पैटर्न के सामान्य अभिविन्यास को एनकोड करती हैं, जबकि CDS कोशिकाएँ दिशात्मक पैटर्न घटकों की गति पर प्रतिक्रिया करती हैं (चित्र 7a)।
मोड घटक ट्यूनिंग उत्तेजना और काल्पनिक ग्रेटिंग (बाएं) और ग्रेटिंग ओरिएंटेशन ट्यूनिंग वक्र (दाएं) का योजनाबद्ध प्रतिनिधित्व (सामग्री और विधियां देखें)। संक्षेप में, यदि कोई सेल पैटर्न की गति को संकेत देने के लिए ग्रिड घटकों में एकीकृत होता है, तो व्यक्तिगत ग्रिड और ग्रिड उत्तेजनाओं (अंतिम कॉलम, ठोस वक्र) के लिए समान ट्यूनिंग वक्र की अपेक्षा की जाएगी। इसके विपरीत, यदि सेल घटकों की दिशाओं को सिग्नल पैटर्न की गति में एकीकृत नहीं करता है, तो ग्रेटिंग गति की प्रत्येक दिशा में एक शिखर के साथ एक द्विपक्षीय ट्यूनिंग वक्र की अपेक्षा की जाएगी जो एक घटक को सेल की पसंदीदा दिशा (अंतिम कॉलम, धराशायी वक्र) में परिवर्तित करती है। . b (बाएं) वक्र चित्र 1 और 2 में दिखाए गए कोशिकाओं के लिए साइनसोइडल सरणी के ओरिएंटेशन को समायोजित करने के लिए। (दाएं) इन कोशिकाओं के ग्रिड को समायोजित करना। शीर्ष (नीचे) पैनल की कोशिकाओं को टेम्पलेट (घटक) कोशिकाओं के रूप में वर्गीकृत किया गया है। ध्यान दें कि पैटर्न घटकों के वर्गीकरण और सुसंगत/पारदर्शी सेल आंदोलन की प्राथमिकताओं के बीच कोई एक-से-एक पत्राचार नहीं है (चित्र 4 ए में इन कोशिकाओं के लिए बनावट जाली प्रतिक्रियाओं को देखें)। c N (बाएं) और S (दाएं) बंदरों में दर्ज सभी कोशिकाओं के लिए z-स्कोर घटक (भुजा) के आंशिक सहसंबंध गुणांक के विरुद्ध प्लॉट किए गए z-स्कोर मोड (ऑर्डिनेट) के आंशिक सहसंबंध का गुणांक। मोटी रेखाएं कोशिकाओं को वर्गीकृत करने के लिए उपयोग किए जाने वाले महत्व मानदंडों को इंगित करती हैं। d मोड इंडेक्स (Zp - Zc) (भुजा) बनाम उच्च चयन संभावना (ऑर्डिनेट) का प्लॉट। बाएं (दाएं) पैनल में डेटा बंदर N(S) को संदर्भित करता है। काले घेरे अनुमानित इकाइयों में डेटा को इंगित करते हैं। दोनों जानवरों में, उच्च चयन संभावना और पैटर्न इंडेक्स के बीच एक महत्वपूर्ण सहसंबंध था, जो कई घटक अभिविन्यास के साथ उत्तेजनाओं में सिग्नल पैटर्न अभिविन्यास वाली कोशिकाओं के लिए अधिक अवधारणात्मक सहसंबंध का सुझाव देता है।
इसलिए, एक अलग परीक्षण सेट में, हमने अपने नमूनों में न्यूरॉन्स को PDS या CDS (देखें विधियाँ) के रूप में वर्गीकृत करने के लिए साइनसॉइडल ग्रिड और ग्रिड के प्रति प्रतिक्रियाओं को मापा। जाली ट्यूनिंग वक्र, इस ट्यूनिंग डेटा से निर्मित टेम्पलेट घटक भविष्यवाणियाँ, और चित्र 1 और 3 में दिखाए गए कोशिकाओं के लिए जाली ट्यूनिंग वक्र। चित्र 3 और 4 और पूरक चित्र 3 चित्र 7b में दिखाए गए हैं। पैटर्न वितरण और घटक चयनात्मकता, साथ ही प्रत्येक श्रेणी में पसंदीदा सेल अभिविन्यास, क्रमशः चित्र 7c और पूरक चित्र 4 में प्रत्येक बंदर के लिए दिखाए गए हैं।
पैटर्न घटकों के सुधार पर CP की निर्भरता का आकलन करने के लिए, हमने सबसे पहले पैटर्न इंडेक्स 35 (PI) की गणना की, जिसके बड़े (छोटे) मान एक बड़े PDS (CDS) समान व्यवहार को इंगित करते हैं। उपरोक्त प्रदर्शन को देखते हुए कि: (i) न्यूरोनल संवेदनशीलता पसंदीदा सेल अभिविन्यास और उत्तेजना आंदोलन की दिशा के बीच अंतर के साथ बदलती है, और (ii) हमारे नमूने में न्यूरोनल संवेदनशीलता और चयन संभावना के बीच एक महत्वपूर्ण सहसंबंध है, हमने PI और कुल CP के बीच एक संबंध पाया जिसका अध्ययन प्रत्येक सेल की गति की "सर्वश्रेष्ठ" दिशा के लिए किया गया था (ऊपर देखें)। हमने पाया कि सीपी महत्वपूर्ण रूप से पीआई के साथ सहसंबंधित था (चित्र 7डी; ज्यामितीय माध्य प्रतिगमन; ग्रैंड सीपी बंदर एन: आर = 0.23, पी < 0.01; द्वि-स्थिर सीपी बंदर एन आर = 0.21, पी = 0.013; ग्रैंड सीपी बंदर एस: आर = 0.30, पी < 10-4; द्वि-स्थिर सीपी बंदर एस: आर = 0.29, पी < 10-3), यह दर्शाता है कि पीडीएस के रूप में वर्गीकृत कोशिकाओं ने सीडीएस और अवर्गीकृत कोशिकाओं की तुलना में अधिक विकल्प-संबंधी गतिविधि प्रदर्शित की। हमने पाया कि सीपी महत्वपूर्ण रूप से पीआई के साथ सहसंबंधित था (चित्र 7डी; ज्यामितीय माध्य प्रतिगमन; ग्रैंड सीपी बंदर एन: आर = 0.23, पी < 0.01; द्वि-स्थिर सीपी बंदर एन आर = 0.21, पी = 0.013; ग्रैंड सीपी बंदर एस: आर = 0.30, पी < 10-4; द्वि-स्थिर सीपी बंदर एस: आर = 0.29, पी < 10-3), यह दर्शाता है कि पीडीएस के रूप में वर्गीकृत कोशिकाओं ने सीडीएस और अवर्गीकृत कोशिकाओं की तुलना में अधिक विकल्प-संबंधी गतिविधि प्रदर्शित की। Мы обнаружили, что CP значительно коррелирует с PI (рис. 7d; регрессия среднего геометрического; большая обезьяна CP N: r = 0,23, p <0,01; бистабильная обезьяна CP N r = 0,21, p = 0,013; большая обезьяна सीपी एस: आर = 0,30, पी <10-4; CP обезьяны S: r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как PDS, проявляли большую активность, связанную с उदाहरण के लिए, सीडीएस और अन्य उपकरण। हमने पाया कि सीपी महत्वपूर्ण रूप से पीआई के साथ सहसंबद्ध था (चित्र 7डी; ज्यामितीय माध्य प्रतिगमन; महान बंदर सीपी एन: आर = 0.23, पी < 0.01; द्विस्थायी बंदर सीपी एन आर = 0.21, पी = 0.013; महान बंदर सीपी एस: आर = 0.30, पी < 10-4; बंदर एस द्विस्थायी सीपी: आर = 0.29, पी < 10-3), यह दर्शाता है कि पीडीएस के रूप में वर्गीकृत कोशिकाओं ने सीडीएस और अवर्गीकृत कोशिकाओं की तुलना में अधिक गतिविधि दिखाई, जो विकल्प से जुड़ी थी।CP PI 显着相关（图7d；几何平均回归；大CP 猴N:r = 0.23，p < 0.01；双稳态CP 猴N r = 0.21，p = 0.013；大CP 猴S： r = 0.30，p < 10-4；双稳态CP 猴S:r = 0.29，p < 10-3），表明分类为PDS的细胞比CDS मेरे पास एक अच्छा विकल्प है जिसे मैंने खरीदा है। CP PI 显着相关（图7d；几何平均回归；大CP猴N：r = 0.23，p < 0.01；双稳态CP 猴N r = 0.21，r，p = 0.21，पी3； 0.0 Мы обнаружили, что CP был значительно связан с PI (рис. 7d; регрессия среднего геометрического; большая обезьяна CP N: r = 0,23, p <0,01; अतिरिक्त सीपी एन आर = 0,21, पी = 0,013; большая обезьяна सीपी एस: आर = 0,013) 0,30, पी <10-4; हमने पाया कि सीपी महत्वपूर्ण रूप से पीआई से जुड़ा था (चित्र 7डी; ज्यामितीय माध्य प्रतिगमन; महान बंदर सीपी एन: आर = 0.23, पी < 0.01; द्विस्थिर बंदर सीपी एन आर = 0.21, पी = 0.013; महान बंदर सीपी एस: आर = 0.013) 0.30, पी < 10-4; CP обезьяны S: r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как पीडीएस, проявляли большую селекционную активность, чем клетки, классифицированные как सीडीएस और निःसंदेह। बंदर एस बिस्टेबल सीपी: आर = 0.29, पी < 10-3), यह दर्शाता है कि पीडीएस के रूप में वर्गीकृत कोशिकाओं ने सीडीएस और अवर्गीकृत के रूप में वर्गीकृत कोशिकाओं की तुलना में अधिक चयन गतिविधि का प्रदर्शन किया।क्योंकि पीआई और न्यूरॉन संवेदनशीलता दोनों सीपी के साथ सहसंबंधित हैं, इसलिए हमने एकाधिक प्रतिगमन विश्लेषण (पीआई और न्यूरॉन संवेदनशीलता को स्वतंत्र चर के रूप में और बड़े सीपी को आश्रित चर के रूप में) किया, ताकि दोनों उपायों के बीच किसी प्रभाव की संभावना को खारिज किया जा सके। दोनों आंशिक सहसंबंध गुणांक महत्वपूर्ण थे (बंदर N: सीमा बनाम CP: r = -0.13, p = 0.04, PI बनाम CP: r = 0.23, p < 0.01; बंदर S: सीमा बनाम CP: r = -0.16, p = 0.03, PI बनाम CP: 0.29, p < 10−3), यह दर्शाता है कि CP संवेदनशीलता के साथ बढ़ता है और एक स्वतंत्र तरीके से PI के साथ बढ़ता है। दोनों आंशिक सहसंबंध गुणांक महत्वपूर्ण थे (बंदर N: सीमा बनाम CP: r = -0.13, p = 0.04, PI बनाम CP: r = 0.23, p < 0.01; बंदर S: सीमा बनाम CP: r = -0.16, p = 0.03, PI बनाम CP: 0.29, p < 10−3), यह दर्शाता है कि CP संवेदनशीलता के साथ बढ़ता है और एक स्वतंत्र तरीके से PI के साथ बढ़ता है। Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, PI против CP: r = 0,23, p <0,01; обезьяна S: порог против CP: r = -0,16, पी = 0,03, पीआई बनाम सीपी: 0,29, पी <10-3), предполагая, что CP увеличивается с чувствительностью и независимым образом увеличивается с PI. दोनों आंशिक सहसंबंध गुणांक महत्वपूर्ण थे (बंदर N: सीमा बनाम CP: r=-0.13, p=0.04, PI बनाम CP: r=0.23, p<0.01; बंदर S: सीमा बनाम CP: r = -0.16, p = 0.03, PI बनाम CP: 0.29, p < 10-3), यह दर्शाता है कि CP संवेदनशीलता के साथ बढ़ता है और PI के साथ स्वतंत्र रूप से बढ़ता है।两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI 与CP：r = 0.23，p < 0.01；猴子S：阈值与CP：r = -0.16，p = 0.03，PI vs CP：0.29，p < 10-3），表明CP随灵敏度增加而增加,并且以独立方式随PI 增加。CP: r = -0.13，p = 0.04，PI = 0.03，PI vs CP：0.29，p < 10-3），表明CP Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, PI против CP: r = 0,23, p <0,01; обезьяна S: порог против CP: r = -0,16, पी = 0,03, पीआई против सीपी: 0,29, पी <10-3), что указывает на то, что CP увеличивалась с чувствительностью और увеличивалась с PI независимым образом. दोनों आंशिक सहसंबंध गुणांक महत्वपूर्ण थे (बंदर N: सीमा बनाम CP: r=-0.13, p=0.04, PI बनाम CP: r=0.23, p<0.01; बंदर S: सीमा बनाम CP: r = -0.16, p = 0.03, PI बनाम CP: 0.29, p < 10-3), यह दर्शाता है कि CP संवेदनशीलता के साथ बढ़ी और PI के साथ स्वतंत्र तरीके से बढ़ी।
हमने MT क्षेत्र में एक एकल गतिविधि दर्ज की, और बंदरों ने पैटर्न की अपनी धारणा की रिपोर्ट की जो सुसंगत या पारदर्शी आंदोलनों के रूप में दिखाई दे सकती है। पक्षपाती धारणाओं में जोड़े गए विभाजन संकेतों के लिए न्यूरॉन्स की संवेदनशीलता व्यापक रूप से भिन्न होती है और कम से कम आंशिक रूप से, इकाई के पसंदीदा अभिविन्यास और उत्तेजना आंदोलन की दिशा के बीच के संबंध से निर्धारित होती है। पूरी आबादी में, न्यूरोनल संवेदनशीलता मनोभौतिक संवेदनशीलता से काफी कम थी, हालांकि सबसे संवेदनशील इकाइयां विभाजन संकेतों के लिए व्यवहारिक संवेदनशीलता से मेल खाती थीं या उससे अधिक थीं। इसके अलावा, फायरिंग आवृत्ति और धारणा के बीच एक महत्वपूर्ण सहसंबंध है, जो यह सुझाव देता है कि MT सिग्नलिंग विभाजन में एक भूमिका निभाता है। पसंदीदा अभिविन्यास वाली कोशिकाओं ने जाली विभाजन संकेतों में अंतर के प्रति अपनी संवेदनशीलता को अनुकूलित किया और कई स्थानीय अभिविन्यासों के साथ उत्तेजनाओं में वैश्विक आंदोलन को संकेत देने की प्रवृत्ति थी, जो उच्चतम अवधारणात्मक सहसंबंध को प्रदर्शित करता है। यहां हम पिछले काम के साथ इन परिणामों की तुलना करने से पहले कुछ संभावित समस्याओं पर विचार करते हैं।
पशु मॉडल में द्विस्थिर उत्तेजनाओं का उपयोग करने वाले शोध में एक बड़ी समस्या यह है कि व्यवहारिक प्रतिक्रियाएँ रुचि के आयाम पर आधारित नहीं हो सकती हैं। उदाहरण के लिए, हमारे बंदर जाली सुसंगतता की अपनी धारणा से स्वतंत्र रूप से बनावट अभिविन्यास की अपनी धारणा की रिपोर्ट कर सकते हैं। डेटा के दो पहलू बताते हैं कि ऐसा नहीं है। सबसे पहले, पिछली रिपोर्टों के अनुसार, अलग करने वाले सरणी घटकों के सापेक्ष अभिविन्यास कोण को बदलने से सुसंगत धारणा की संभावना व्यवस्थित रूप से बदल गई। दूसरे, औसतन, प्रभाव उन पैटर्नों के लिए समान है जिनमें बनावट संकेत होते हैं या नहीं होते हैं। एक साथ लिया गया, ये अवलोकन बताते हैं कि बंदर की प्रतिक्रियाएँ लगातार जुड़ाव/पारदर्शिता की उनकी धारणा को दर्शाती हैं।
एक और संभावित समस्या यह है कि हमने विशिष्ट स्थिति के लिए ग्रेटिंग गति मापदंडों को अनुकूलित नहीं किया है। न्यूरोनल और साइकोफिजिकल संवेदनशीलता की तुलना करने वाले कई पिछले कार्यों में, प्रत्येक पंजीकृत इकाई के लिए उत्तेजनाओं को व्यक्तिगत रूप से चुना गया था [31, 32, 34, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45]। यहाँ हमने प्रत्येक कोशिका के अभिविन्यास के समायोजन की परवाह किए बिना जाली पैटर्न की गति की समान दो दिशाओं का उपयोग किया है। इस डिज़ाइन ने हमें यह अध्ययन करने की अनुमति दी कि जाली आंदोलन और पसंदीदा अभिविन्यास के बीच ओवरलैप के साथ संवेदनशीलता कैसे बदल गई, हालाँकि, यह यह निर्धारित करने के लिए एक प्राथमिक आधार प्रदान नहीं करता है कि कोशिकाएँ सुसंगत या पारदर्शी जाली पसंद करती हैं या नहीं। इसलिए, हम प्रत्येक कोशिका की बनावट वाले जाल की प्रतिक्रिया का उपयोग करते हुए, जाल आंदोलन की प्रत्येक श्रेणी को वरीयता और शून्य लेबल देने के लिए अनुभवजन्य मानदंडों पर भरोसा करते हैं। हालाँकि यह असंभव है, लेकिन यह हमारे संवेदनशीलता विश्लेषण और CP सिग्नल का पता लगाने के परिणामों को व्यवस्थित रूप से तिरछा कर सकता है, संभावित रूप से किसी भी उपाय का अधिक अनुमान लगा सकता है। हालाँकि, नीचे चर्चा किये गए विश्लेषण और आंकड़ों के कई पहलू बताते हैं कि मामला ऐसा नहीं है।
सबसे पहले, उत्तेजनाओं को पसंदीदा (शून्य) नाम देने से जो अधिक (कम) गतिविधि उत्पन्न करते हैं, इन प्रतिक्रिया वितरण की विशिष्टता को प्रभावित नहीं करते हैं। इसके बजाय, यह केवल यह सुनिश्चित करता है कि न्यूरोमेट्रिक और साइकोमेट्रिक फ़ंक्शन में एक ही संकेत है, इसलिए उनकी सीधे तुलना की जा सकती है। दूसरा, CP की गणना करने के लिए उपयोग की जाने वाली प्रतिक्रियाएँ (बनावट वाले ग्रेटिंग के लिए "गलत" परीक्षण और बनावट कंट्रास्ट के बिना ग्रेटिंग के लिए सभी परीक्षण) प्रतिगमन विश्लेषण में शामिल नहीं थे जो यह निर्धारित करता था कि प्रत्येक कोशिका कनेक्टेड या पारदर्शी खेलों को "पसंद" करती है या नहीं। यह सुनिश्चित करता है कि चयन प्रभाव पसंदीदा/अमान्य पदनामों के प्रति पक्षपाती नहीं हैं, जिसके परिणामस्वरूप एक महत्वपूर्ण चयन संभावना है।
न्यूज़ॉम और उनके सहकर्मियों के अध्ययन [36, 39, 46, 47] ने सबसे पहले गति की दिशा के अनुमानित अनुमान में MT की भूमिका निर्धारित की। बाद की रिपोर्टों ने गहराई34,44,48,49,50,51 और गति32,52, ठीक अभिविन्यास33 और आंदोलन से 3D संरचना की धारणा31,53,54 (3D संधारणीय वन) में MT भागीदारी पर डेटा एकत्र किया है। हम इन परिणामों को दो महत्वपूर्ण तरीकों से आगे बढ़ाते हैं। सबसे पहले, हम सबूत देते हैं कि MT प्रतिक्रियाएँ विज़ुओमोटर संकेतों के अवधारणात्मक विभाजन में योगदान करती हैं। दूसरा, हमने MT मोड अभिविन्यास चयनात्मकता और इस चयन संकेत के बीच एक संबंध देखा।
संकल्पनात्मक रूप से, वर्तमान परिणाम 3-डी एसएफएम पर किए गए कार्य के सबसे अधिक समान हैं, क्योंकि दोनों ही जटिल द्विस्थिर धारणा हैं जिसमें गति और गहराई क्रम शामिल हैं। डोड एट अल.31 ने द्विस्थिर 3डी एसएफएम सिलेंडर के घूर्णी अभिविन्यास की रिपोर्ट करने वाले बंदर कार्य में एक बड़ी चयन संभावना (0.67) पाई। हमने द्विस्थिर ग्रिड उत्तेजनाओं (दोनों बंदरों के लिए लगभग 0.55) के लिए बहुत छोटा चयन प्रभाव पाया। चूंकि सीपी का आकलन चयन गुणांक पर निर्भर करता है, इसलिए विभिन्न कार्यों में विभिन्न परिस्थितियों में प्राप्त सीपी की व्याख्या करना मुश्किल है। हालांकि, हमने जो चयन प्रभाव का परिमाण देखा वह शून्य और कम बनावट कंट्रास्ट ग्रेटिंग के लिए समान था,
बाद के मामले में धारणा के साथ एमटी फायरिंग दर में मामूली बदलाव 3-डी एसएफएम उत्तेजना और बिस्टेबल ग्रिड संरचनाओं द्वारा प्रेरित तीव्र और गुणात्मक रूप से अलग अवधारणात्मक स्थितियों की तुलना में हैरान करने वाले लगते हैं। एक संभावना यह है कि हमने उत्तेजना की पूरी अवधि में फायरिंग दर की गणना करके चयन प्रभाव को कम करके आंका। 31 3-डी एसएफएम के मामले के विपरीत, जहां परीक्षणों में एमटी गतिविधि में अंतर लगभग 250 एमएस में विकसित हुआ और फिर परीक्षणों के दौरान लगातार बढ़ता गया, चयन संकेतों की अस्थायी गतिशीलता का हमारा विश्लेषण (दोनों बंदरों में उत्तेजना शुरू होने के 500 एमएस बाद देखें)। इसके अलावा, इस अवधि के दौरान तेज वृद्धि के बाद, हमने परीक्षण के शेष समय में सीपी में उतार-चढ़ाव देखा। हूप और रुबिन55 रिपोर्ट करते हैं कि लंबे परीक्षणों के दौरान बिस्टेबल आयताकार सरणियों की मानवीय धारणा अक्सर बदल जाती है। हालांकि हमारी उत्तेजनाएं केवल 1.5 सेकंड के लिए प्रस्तुत की गई थीं, हमारे बंदरों की धारणा परीक्षण के दौरान सुसंगतता से पारदर्शिता में भी भिन्न हो सकती थी (उनकी प्रतिक्रियाएं संकेत चयन पर उनकी अंतिम धारणा को दर्शाती थीं।) इसलिए, हमारे कार्य का प्रतिक्रिया समय संस्करण, या योजना जिसमें बंदर लगातार अपनी धारणा की रिपोर्ट कर सकते हैं, का एक बड़ा चयन प्रभाव होने की उम्मीद है। कम्प्यूटेशनल मॉडल, सहसंबद्ध परिवर्तनशीलता के स्तरों के बजाय, विभिन्न पूलिंग रणनीतियाँ, पृष्ठीय मीडिया-सुपीरियर टेम्पोरल न्यूरॉन्स में सीपीयू को बेहतर ढंग से समझा सकती हैं। शीट परिवर्तन अभिविन्यास पहचान कार्य (MSTd)। MT में हमने जो छोटा चयन प्रभाव देखा, वह संभवतः सुसंगतता या पारदर्शिता की धारणा बनाने के लिए कई कम-सूचनात्मक न्यूरॉन्स के व्यापक एकत्रीकरण को दर्शाता है। किसी भी मामले में जहाँ स्थानीय गति संकेतों को एक या दो वस्तुओं (द्वि-स्थिर ग्रेटिंग) या सामान्य वस्तुओं की अलग-अलग सतहों (3-डी SFM) में समूहीकृत किया जाना था, स्वतंत्र साक्ष्य कि MT प्रतिक्रियाएँ अवधारणात्मक निर्णयों से महत्वपूर्ण रूप से जुड़ी हुई थीं, वहाँ मज़बूत MT प्रतिक्रियाएँ थीं। दृश्य गति सूचना का उपयोग करके जटिल छवियों को बहु-ऑब्जेक्ट दृश्यों में विभाजित करने में भूमिका निभाने का प्रस्ताव है।
जैसा कि ऊपर बताया गया है, हम एमटी पैटर्न सेलुलर गतिविधि और धारणा के बीच संबंध की रिपोर्ट करने वाले पहले व्यक्ति थे। मोवशोन और सहकर्मियों द्वारा मूल दो-चरण मॉडल में तैयार किए गए अनुसार, मोड इकाई एमटी का आउटपुट चरण है। हालांकि, हाल के कार्यों से पता चला है कि मोड और घटक कोशिकाएं एक सातत्य के विभिन्न सिरों का प्रतिनिधित्व करती हैं और ग्रहणशील क्षेत्र की संरचना में पैरामीट्रिक अंतर मोड घटकों के ट्यूनिंग स्पेक्ट्रम के लिए जिम्मेदार हैं। इसलिए, हमने सीपी और पीआई के बीच एक महत्वपूर्ण सहसंबंध पाया, जो कि गहराई पहचान कार्य में दूरबीन बेमेल समायोजन समरूपता और सीपी के बीच संबंध या ठीक अभिविन्यास भेदभाव कार्य में अभिविन्यास सेटिंग कॉन्फ़िगरेशन के बीच संबंध के समान है। दस्तावेजों और सीपी 33 के बीच संबंध। वांग और मोवशोन62 ने एमटी अभिविन्यास चयनात्मकता के साथ बड़ी संख्या में कोशिकाओं का विश्लेषण किया और पाया कि इसलिए, एमटी गतिविधि और व्यक्तिपरक धारणा के बीच संबंधों के भविष्य के अध्ययन के लिए, यह निर्धारित करना महत्वपूर्ण होगा कि क्या पैटर्न सूचकांक अन्य कार्य और उत्तेजना चयन संकेतों के साथ समान रूप से सहसंबंधित है, या क्या यह संबंध अवधारणात्मक विभाजन के मामले तक ही सीमित है।
इसी तरह, निएनबॉर्ग और कमिंग 42 ने पाया कि हालांकि वी2 में दूरबीन बेमेल के लिए चयनात्मक निकट और दूर की कोशिकाएँ गहराई भेदभाव कार्य में समान रूप से संवेदनशील थीं, केवल निकट-पसंद करने वाली कोशिका आबादी ने महत्वपूर्ण सीपी प्रदर्शित किया। हालांकि, दूर के अंतरों को प्राथमिकता से तौलने के लिए बंदरों को फिर से प्रशिक्षित करने से अधिक पसंदीदा पिंजरों में महत्वपूर्ण सीपी का परिणाम हुआ। अन्य अध्ययनों ने यह भी बताया है कि प्रशिक्षण इतिहास अवधारणात्मक सहसंबंधों34,40,63 या MT गतिविधि और अंतर भेदभाव48 के बीच एक कारण संबंध पर निर्भर करता है। CP और शासन दिशा चयनात्मकता के बीच हमने जो संबंध देखा, वह संभवतः उस विशिष्ट रणनीति को दर्शाता है जिसका उपयोग बंदरों ने हमारी समस्या को हल करने के लिए किया था, न कि दृश्य-मोटर धारणा में मोड चयन संकेतों की विशिष्ट भूमिका को। भविष्य के काम में, यह निर्धारित करना महत्वपूर्ण होगा कि सीखने के इतिहास का यह निर्धारित करने पर महत्वपूर्ण प्रभाव पड़ता है कि विभाजन निर्णय लेने के लिए कौन से MT संकेतों को प्राथमिकता से और लचीले ढंग से तौला जाता है।
स्टोनर और सहकर्मियों14,23 ने सबसे पहले रिपोर्ट की कि ओवरलैपिंग ग्रिड क्षेत्रों की चमक को बदलने से मानव पर्यवेक्षक रिपोर्ट की सुसंगतता और पारदर्शिता और मैकाक MT न्यूरॉन्स में दिशात्मक समायोजन पर पूर्वानुमानित रूप से प्रभाव पड़ा। लेखकों ने पाया कि जब ओवरलैपिंग क्षेत्रों की चमक भौतिक रूप से पारदर्शिता से मेल खाती है, तो पर्यवेक्षकों ने अधिक पारदर्शी धारणा की सूचना दी, जबकि MT न्यूरॉन्स ने रेखापुंज घटकों की गति का संकेत दिया। इसके विपरीत, जब ओवरलैपिंग चमक और पारदर्शी ओवरलैप शारीरिक रूप से असंगत होते हैं, तो पर्यवेक्षक सुसंगत आंदोलन को समझता है, और MT न्यूरॉन्स पैटर्न की वैश्विक गति का संकेत देते हैं। इस प्रकार, ये अध्ययन दिखाते हैं कि दृश्य उत्तेजनाओं में भौतिक परिवर्तन जो विश्वसनीय रूप से विभाजन रिपोर्ट को प्रभावित करते हैं, वे MT उत्तेजना में पूर्वानुमानित परिवर्तन भी प्रेरित करते हैं। इस क्षेत्र में हाल के काम ने पता लगाया है कि कौन से MT सिग्नल जटिल उत्तेजनाओं की अवधारणात्मक उपस्थिति को ट्रैक करते हैं18,24,64। उदाहरण के लिए, MT न्यूरॉन्स के एक उपसमूह को एक यादृच्छिक बिंदु गति मानचित्र (RDK) के लिए द्विध्रुवीय ट्यूनिंग प्रदर्शित करने के लिए दिखाया गया है, जिसमें दो दिशाएँ हैं जो एकतरफा RDK की तुलना में कम दूरी पर हैं। सेलुलर ट्यूनिंग की बैंडविड्थ 19, 25. पर्यवेक्षक हमेशा पहले पैटर्न को पारदर्शी गति के रूप में देखते हैं, भले ही अधिकांश MT न्यूरॉन्स इन उत्तेजनाओं के जवाब में एकतरफा अनुकूलन प्रदर्शित करते हैं, और सभी MT कोशिकाओं का एक सरल औसत एकतरफा जनसंख्या प्रतिक्रिया देता है। इस प्रकार, द्विविध ट्यूनिंग प्रदर्शित करने वाली कोशिकाओं का एक उपसमूह इस धारणा के लिए तंत्रिका सब्सट्रेट बना सकता है। दिलचस्प बात यह है कि मार्मोसेट्स में, यह आबादी पारंपरिक ग्रिड और ग्रिड उत्तेजनाओं का उपयोग करके परीक्षण किए जाने पर PDS कोशिकाओं से मेल खाती है।
हमारे नतीजे उपरोक्त से एक कदम आगे जाते हैं, जो अवधारणात्मक विभाजन में एमटी की भूमिका स्थापित करने के लिए महत्वपूर्ण हैं। वास्तव में, विभाजन एक व्यक्तिपरक घटना है। कई पॉलीस्टेबल दृश्य प्रदर्शन एक से अधिक तरीकों से लगातार उत्तेजनाओं को व्यवस्थित और व्याख्या करने के लिए दृश्य प्रणाली की क्षमता को दर्शाते हैं। हमारे अध्ययन में एक साथ तंत्रिका प्रतिक्रियाओं और अवधारणात्मक रिपोर्टों को इकट्ठा करने से हमें एमटी फायरिंग दर और निरंतर उत्तेजना की अवधारणात्मक व्याख्याओं के बीच सहसंबंध का पता लगाने की अनुमति मिली। इस संबंध को प्रदर्शित करने के बाद, हम स्वीकार करते हैं कि कार्य-कारण की दिशा स्थापित नहीं हुई है, अर्थात, यह निर्धारित करने के लिए आगे के प्रयोगों की आवश्यकता है कि हमारे द्वारा देखे गए अवधारणात्मक विभाजन का संकेत, जैसा कि कुछ लोग तर्क देते हैं [65, 66, 67], स्वचालित है या नहीं। एम.टी.डी.71, जो एम.टी. के मुख्य कॉर्टिकल लक्ष्यों में से एक है, में पैटर्न-चयनात्मक कोशिकाओं के बड़े अनुपात की रिपोर्ट से पता चलता है कि एम.टी. और एम.एस.टी.डी. की एक साथ रिकॉर्डिंग को शामिल करने के लिए इन प्रयोगों का विस्तार करना, धारणा के तंत्रिका तंत्र को और अधिक समझने की दिशा में एक अच्छा पहला कदम होगा।
घटक और मोड अभिविन्यास चयनात्मकता का दो-चरण मॉडल और मशीन अनुवाद में विकल्प-संबंधित गतिविधि पर टॉप-डाउन फ़ीडबैक का संभावित प्रभाव। यहाँ, MT चरण में मोड दिशा चयनात्मकता (PDS - "P") (i) विशिष्ट मोड वेगों के अनुरूप दिशा चयनात्मक इनपुट डेटा के एक बड़े नमूने और (ii) मजबूत ट्यूनिंग दमन द्वारा बनाई गई है। MT ("C") चरण के दिशात्मक रूप से चयनात्मक (CDS) घटक में इनपुट दिशा में एक संकीर्ण नमूना सीमा होती है और इसमें बहुत अधिक ट्यूनिंग दमन नहीं होता है। अनट्यून अवरोधन दोनों आबादी पर नियंत्रण देता है। रंगीन तीर पसंदीदा डिवाइस अभिविन्यास को इंगित करते हैं। स्पष्टता के लिए, V1-MT कनेक्शन का केवल एक सबसेट और एक घटक मोड और अभिविन्यास चयन बॉक्स दिखाया गया है। हमारे फीड-फ़ॉरवर्ड (FF) परिणामों की व्याख्या करने के संदर्भ में, PDS कोशिकाओं में व्यापक इनपुट सेटिंग और मजबूत ट्यूनिंग अवरोधन (लाल रंग में हाइलाइट किया गया) ने कई आंदोलन पैटर्न के जवाब में गतिविधि में बड़े अंतर को प्रेरित किया। हमारी विभाजन समस्या में, यह समूह निर्णय श्रृंखलाओं को चलाता है और धारणा को विकृत करता है। इसके विपरीत, फीडबैक (एफबी) के मामले में, संवेदी डेटा और संज्ञानात्मक पूर्वाग्रहों द्वारा अपस्ट्रीम सर्किट में अवधारणात्मक निर्णय उत्पन्न होते हैं, और पीडीएस कोशिकाओं (मोटी रेखाओं) पर डाउनस्ट्रीम एफबी का अधिक प्रभाव चयन सिग्नल उत्पन्न करता है। बी सीडीएस और पीडीएस उपकरणों के वैकल्पिक मॉडल का योजनाबद्ध प्रतिनिधित्व। यहां एमटी में पीडीएस सिग्नल न केवल वी1 के प्रत्यक्ष इनपुट द्वारा, बल्कि वी1-वी2-एमटी पथ के अप्रत्यक्ष इनपुट द्वारा भी उत्पन्न होते हैं। मॉडल के अप्रत्यक्ष पथों को बनावट सीमाओं (ग्रिड ओवरलैपिंग क्षेत्रों) को चयनात्मकता देने के लिए समायोजित किया जाता है। एमटी परत सीडीएस मॉड्यूल प्रत्यक्ष और अप्रत्यक्ष इनपुट का भारित योग करता है और आउटपुट को पीडीएस मॉड्यूल में भेजता है। पीडीएस प्रतिस्पर्धी अवरोध द्वारा विनियमित होता है। फिर से, केवल वे कनेक्शन दिखाए गए हैं जो मॉडल की बुनियादी वास्तुकला को खींचने के लिए आवश्यक हैं वैकल्पिक रूप से, पीडीएस कोशिकाओं में अधिक सीपी अभी भी पीडीएस कोशिकाओं से एफबी लगाव की ताकत या दक्षता में पूर्वाग्रह का परिणाम हो सकता है। साक्ष्य दो- और तीन-चरण एमटी पीडीएस मॉडल और सीपी एफएफ और एफबी व्याख्याओं का समर्थन करते हैं।
अध्ययन की वस्तु के रूप में दो वयस्क मैकाक (मैकाका मुल्टा), एक नर और एक मादा (क्रमशः 7 और 5 वर्ष की आयु), जिनका वजन 4.5 से 9.0 किलोग्राम था, का उपयोग किया गया। सभी बाँझ सर्जरी प्रयोगों से पहले, जानवरों को MT क्षेत्र के पास ऊर्ध्वाधर इलेक्ट्रोड के लिए एक कस्टम-निर्मित रिकॉर्डिंग कक्ष, एक स्टेनलेस स्टील हेडरेस्ट स्टैंड (क्रिस्ट इंस्ट्रूमेंट्स, हैगरस्टाउन, एमडी), और एक मापी गई स्क्लेरल सर्च कॉइल के साथ आंख की स्थिति के साथ प्रत्यारोपित किया गया था। (कूनर वायर, सैन डिएगो, कैलिफोर्निया)। सभी प्रोटोकॉल यूनाइटेड स्टेट्स डिपार्टमेंट ऑफ एग्रीकल्चर (USDA) के नियमों और नेशनल इंस्टीट्यूट ऑफ हेल्थ (NIH) के प्रयोगशाला पशुओं की मानवीय देखभाल और उपयोग के लिए दिशानिर्देशों का अनुपालन करते हैं और शिकागो विश्वविद्यालय की संस्थागत पशु देखभाल और उपयोग समिति (IAUKC) द्वारा अनुमोदित किए गए हैं।
सभी दृश्य उत्तेजनाओं को काले या भूरे रंग की पृष्ठभूमि के खिलाफ एक गोल छिद्र में प्रस्तुत किया गया था। रिकॉर्डिंग के दौरान, इस छेद की स्थिति और व्यास को इलेक्ट्रोड टिप पर न्यूरॉन्स के शास्त्रीय ग्रहणशील क्षेत्र के अनुसार समायोजित किया गया था। हमने दृश्य उत्तेजनाओं की दो व्यापक श्रेणियों का उपयोग किया: साइकोमेट्रिक उत्तेजनाएँ और ट्यूनिंग उत्तेजनाएँ।
साइकोमेट्रिक उत्तेजना एक झंझरी पैटर्न (20 सीडी/एम2, 50% कंट्रास्ट, 50% ड्यूटी साइकिल, 5 डिग्री/सेकंड) है जो दो आयताकार झंझरी को उनकी दिशा के लंबवत दिशा में प्रवाहित करके बनाया गया है (चित्र 1बी)। यह पहले दिखाया गया है कि मानव पर्यवेक्षक इन ग्रिड पैटर्न को द्विस्थिर उत्तेजनाओं के रूप में देखते हैं, कभी-कभी एक ही दिशा में चलते हुए एकल पैटर्न के रूप में (सुसंगत गति) और कभी-कभी दो अलग-अलग सतहों के रूप में अलग-अलग दिशाओं में चलते हुए (पारदर्शी गति)। जाली पैटर्न के घटक, सममित रूप से उन्मुख - जाली के बीच का कोण 95° से 130° तक है (सेट से लिया गया: 95°, 100°, 105°, 115°, 120°, 125°, 130° °, पूरे सत्र के दौरान 115° पर अलगाव कोण न्यूरॉन्स संरक्षित नहीं थे, लेकिन हम यहां मनोभौतिक डेटा शामिल करते हैं) - लगभग 90° या 270° (पैटर्न अभिविन्यास)। प्रत्येक सत्र में, इंटरलैटिस जाली के केवल एक कोने का उपयोग किया गया था; प्रत्येक सत्र के दौरान, प्रत्येक परीक्षण के लिए पैटर्न का उन्मुखीकरण दो संभावनाओं से यादृच्छिक रूप से चुना गया था।
ग्रिड की धारणा को स्पष्ट करने और कार्रवाई के लिए पुरस्कार के लिए एक अनुभवजन्य आधार प्रदान करने के लिए, हम प्रत्येक ग्रिड घटक के लाइट बार चरण 72 में यादृच्छिक बिंदु बनावट पेश करते हैं। यह पिक्सेल के एक यादृच्छिक रूप से चयनित उपसमूह की चमक को (एक निश्चित राशि से) बढ़ाकर या घटाकर प्राप्त किया जाता है (चित्र 1c)। बनावट की गति की दिशा एक मजबूत संकेत देती है जो पर्यवेक्षक की धारणा को सुसंगत या पारदर्शी गति की ओर ले जाती है (चित्र 1c)। सुसंगत स्थितियों के तहत, सभी बनावट, चाहे बनावट जाली के किस घटक को कवर करती हो, पैटर्न की दिशा में अनुवादित होती हैं (चित्र 1c, सुसंगत)। पारदर्शी अवस्था में, बनावट उस ग्रेटिंग की दिशा के लंबवत चलती है जिसे वह कवर करती है (चित्र 1c, पारदर्शी) (पूरक मूवी 1)। कार्य की जटिलता को नियंत्रित करने के लिए, अधिकांश सत्रों में इस बनावट चिह्न के लिए माइकलसन कंट्रास्ट (Lmax-Lmin/Lmax+Lmin) (-80, -40, -20, -10, -5, 0, 5) के सेट से भिन्न था। , 10, 20, 40, 80)। कंट्रास्ट को एक रेखापुंज की सापेक्ष चमक के रूप में परिभाषित किया जाता है (इसलिए 80% का कंट्रास्ट मान 36 या 6 सीडी/एम2 की बनावट के परिणामस्वरूप होगा)। बंदर एन में 6 सत्रों और बंदर एस में 5 सत्रों के लिए, हमने संकीर्ण बनावट कंट्रास्ट श्रेणियों (-30, -20, -15, -10, -5, 0, 5, 10, 15, 20, 30) का इस्तेमाल किया, जहां मनोभौतिक विशेषताएं पूर्ण-श्रेणी कंट्रास्ट के समान पैटर्न का पालन करती हैं
ट्यूनिंग उत्तेजनाएं साइनसॉइडल ग्रिड (कंट्रास्ट 50%, 1 चक्र/डिग्री, 5 डिग्री/सेकंड) हैं जो 16 समान दूरी वाली दिशाओं में से एक में चलती हैं, या साइनसॉइडल ग्रिड इन दिशाओं में चलती हैं (दो विपरीत 135 डिग्री कोणों से मिलकर एक दूसरे के ऊपर साइनसॉइडल ग्रेटिंग लगाए जाते हैं)।