Nature.com ला भेट दिल्याबद्दल धन्यवाद.तुम्ही वापरत असलेल्या ब्राउझर आवृत्तीमध्ये मर्यादित CSS सपोर्ट आहे.सर्वोत्तम अनुभवासाठी, आम्ही शिफारस करतो की तुम्ही अद्ययावत ब्राउझर वापरा (किंवा इंटरनेट एक्सप्लोररमध्ये सुसंगतता मोड अक्षम करा).दरम्यान, सतत समर्थन सुनिश्चित करण्यासाठी, आम्ही साइटला शैली आणि JavaScript शिवाय रेंडर करू.
एकाच वेळी तीन स्लाइड दाखवणारे कॅरोसेल.एका वेळी तीन स्लाइड्समधून जाण्यासाठी मागील आणि पुढील बटणे वापरा किंवा एका वेळी तीन स्लाइड्समधून जाण्यासाठी शेवटी स्लाइडर बटणे वापरा.
उच्च-रिझोल्यूशन दृष्टीसाठी सूक्ष्म रेटिनल सॅम्पलिंग आणि ऑब्जेक्ट गुणधर्मांची पुनर्रचना करण्यासाठी एकत्रीकरण आवश्यक आहे.हे लक्षात घेणे महत्त्वाचे आहे की वेगवेगळ्या वस्तूंमधून स्थानिक नमुने मिसळताना, अचूकता गमावली जाते.म्हणून, विभाजन, स्वतंत्र प्रक्रियेसाठी प्रतिमेच्या क्षेत्रांचे समूहीकरण, आकलनासाठी महत्त्वपूर्ण आहे.मागील कामात, या प्रक्रियेचा अभ्यास करण्यासाठी बिस्टेबल जाळीच्या रचना, ज्यांना एक किंवा अधिक हलणारे पृष्ठभाग मानले जाऊ शकते, वापरले होते.येथे, आम्ही प्राइमेट व्हिज्युअल मार्गाच्या मध्यवर्ती क्षेत्रांमध्ये क्रियाकलाप आणि विभाजन निर्णयांमधील संबंधांचा अहवाल देतो.विशेषतः, आम्हाला आढळले की निवडकपणे दिशा देणारे मध्य टेम्पोरल न्यूरॉन्स बिस्टेबल ग्रेटिंग्सची धारणा विकृत करण्यासाठी वापरल्या जाणार्‍या टेक्सचर संकेतांसाठी संवेदनशील होते आणि चाचण्या आणि सतत उत्तेजनांच्या व्यक्तिपरक धारणा यांच्यात महत्त्वपूर्ण संबंध दर्शविला.हा परस्परसंबंध अनेक स्थानिक दिशानिर्देशांसह नमुन्यांमध्ये जागतिक हालचालींना सूचित करणाऱ्या युनिट्समध्ये जास्त आहे.अशा प्रकारे, आम्ही असा निष्कर्ष काढतो की इंटरमीडिएट टाइम डोमेनमध्ये जटिल दृश्यांना घटक वस्तू आणि पृष्ठभागांमध्ये विभक्त करण्यासाठी वापरलेले सिग्नल असतात.
दृष्टी केवळ एज ओरिएंटेशन आणि वेग यांसारख्या प्राथमिक प्रतिमा वैशिष्ट्यांच्या अचूक भेदभावावर अवलंबून नाही, तर त्याहूनही महत्त्वाचे म्हणजे ऑब्जेक्टचा आकार आणि प्रक्षेपक 1 सारख्या पर्यावरणीय गुणधर्मांची गणना करण्यासाठी या वैशिष्ट्यांच्या योग्य एकीकरणावर अवलंबून असते.तथापि, जेव्हा रेटिना प्रतिमा अनेक समान प्रशंसनीय वैशिष्ट्य गट 2, 3, 4 (Fig. 1a) चे समर्थन करतात तेव्हा समस्या उद्भवतात.उदाहरणार्थ, स्पीड सिग्नलचे दोन संच अगदी जवळ असतात, तेव्हा याचा अर्थ एक हलणारी वस्तू किंवा अनेक हलत्या वस्तू (Fig. 1b) म्हणून केला जाऊ शकतो.हे सेगमेंटेशनचे व्यक्तिनिष्ठ स्वरूप स्पष्ट करते, म्हणजे ती प्रतिमेची निश्चित मालमत्ता नाही, तर व्याख्या करण्याची प्रक्रिया आहे.सामान्य धारणेसाठी त्याचे स्पष्ट महत्त्व असूनही, इंद्रियविभाजनाच्या तंत्रिका आधाराबद्दलची आमची समज अपूर्ण राहते.
आकलनीय विभाजन समस्येचे कार्टून चित्रण.नेकर क्यूब (डावीकडे) मध्ये खोलीची निरीक्षकाची धारणा दोन संभाव्य स्पष्टीकरणांमध्ये (उजवीकडे) बदलते.याचे कारण असे की प्रतिमेमध्ये असे कोणतेही संकेत नाहीत जे मेंदूला आकृतीचे 3D अभिमुखता (उजवीकडील मोनोक्युलर ऑक्लुजन सिग्नलद्वारे प्रदान केलेले) अद्वितीयपणे निर्धारित करण्यास अनुमती देतात.b जेव्हा अवकाशीय समीपतेमध्ये एकाधिक गती सिग्नल सादर केले जातात, तेव्हा दृष्टी प्रणालीने स्थानिक नमुने एक किंवा अधिक वस्तूंचे आहेत की नाही हे निर्धारित करणे आवश्यक आहे.स्थानिक गती सिग्नलची अंतर्निहित संदिग्धता, म्हणजे ऑब्जेक्टच्या हालचालींचा क्रम समान स्थानिक गती निर्माण करू शकतो, परिणामी व्हिज्युअल इनपुटचे अनेक समान प्रशंसनीय अर्थ लावले जाऊ शकतात, म्हणजे येथे वेक्टर फील्ड एकाच पृष्ठभागाच्या सुसंगत गती किंवा आच्छादित पृष्ठभागांच्या पारदर्शक गतीमधून उद्भवू शकतात.c (डावीकडे) आमच्या टेक्सचर्ड ग्रिड उत्तेजनाचे उदाहरण.आयताकृती जाळी त्यांच्या दिशेला लंबवत वाहतात (“घटक दिशा” – पांढरे बाण) जाळीचा नमुना तयार करण्यासाठी एकमेकांना ओव्हरलॅप करतात.जाळीला दिशानिर्देशांची एकल, नियमित, जोडलेली हालचाल (लाल बाण) किंवा कंपाऊंड दिशांची पारदर्शक हालचाल म्हणून समजले जाऊ शकते.यादृच्छिक बिंदू टेक्सचर संकेतांच्या जोडणीमुळे जाळीची धारणा विकृत होते.(मध्यभागी) पिवळ्या रंगात ठळक केलेले क्षेत्र विस्तारित केले जाते आणि अनुक्रमे सुसंगत आणि पारदर्शक सिग्नलसाठी फ्रेमच्या मालिका म्हणून प्रदर्शित केले जाते.प्रत्येक प्रकरणात बिंदूची हालचाल हिरव्या आणि लाल बाणांनी दर्शविली जाते.(उजवीकडे) फ्रेमची संख्या विरुद्ध निवड बिंदूच्या स्थितीचा (x, y) आलेख.सुसंगत प्रकरणात, सर्व पोत एकाच दिशेने वाहून जातात.पारदर्शकतेच्या बाबतीत, पोत घटकाच्या दिशेने फिरते.d आमच्या मोशन सेगमेंटेशन टास्कचे कार्टून चित्रण.माकडांनी प्रत्येक चाचणीला एक लहान बिंदू निश्चित करून सुरुवात केली.थोड्या विलंबानंतर, MT RF च्या ठिकाणी विशिष्ट प्रकारचा जाळीचा नमुना (सुसंगतता/पारदर्शकता) आणि टेक्सचर सिग्नलचा आकार (उदा. कॉन्ट्रास्ट) दिसू लागला.प्रत्येक चाचणी दरम्यान, जाळी पॅटर्नच्या दोन संभाव्य दिशांपैकी एका दिशेने जाऊ शकते.उत्तेजन मागे घेतल्यानंतर, निवड लक्ष्य MT RF वर आणि खाली दिसू लागले.माकडांनी योग्य निवड लक्ष्यापर्यंत ग्रीडची त्यांची समज दर्शविली पाहिजे.
व्हिज्युअल हालचालींची प्रक्रिया चांगली वैशिष्ट्यीकृत आहे आणि अशा प्रकारे ज्ञानेंद्रियांच्या विभाजनाच्या न्यूरल सर्किट्सचा अभ्यास करण्यासाठी एक उत्कृष्ट मॉडेल प्रदान करते.अनेक संगणकीय अभ्यासांनी दोन-स्टेज मोशन प्रोसेसिंग मॉडेल्सच्या उपयुक्ततेची नोंद केली आहे ज्यामध्ये आवाज काढून टाकण्यासाठी आणि ऑब्जेक्ट वेग7,8 पुनर्संचयित करण्यासाठी उच्च-रिझोल्यूशन प्रारंभिक अंदाजानंतर स्थानिक नमुन्यांचे निवडक एकत्रीकरण केले जाते.हे लक्षात घेणे महत्त्वाचे आहे की व्हिजन सिस्टमने हे जोडणे केवळ सामान्य वस्तूंपासून स्थानिक नमुन्यांपुरते मर्यादित ठेवण्याची काळजी घेणे आवश्यक आहे.सायकोफिजिकल अभ्यासाने भौतिक घटकांचे वर्णन केले आहे जे स्थानिक गती सिग्नल कसे विभाजित केले जातात यावर प्रभाव पाडतात, परंतु शारीरिक प्रक्षेपण आणि न्यूरल कोडचे आकार खुले प्रश्न राहतात.असंख्य अहवाल असे सूचित करतात की प्राइमेट कॉर्टेक्सच्या टेम्पोरल (MT) प्रदेशातील अभिमुखता-निवडक पेशी न्यूरल सब्सट्रेट्ससाठी उमेदवार आहेत.
महत्त्वाचे म्हणजे, या आधीच्या प्रयोगांमध्ये, मज्जातंतूंच्या क्रियाकलापांमधील बदल व्हिज्युअल उत्तेजनांमधील शारीरिक बदलांशी संबंधित आहेत.तथापि, वर नमूद केल्याप्रमाणे, विभाजन ही मूलत: एक ज्ञानेंद्रिय प्रक्रिया आहे.म्हणून, त्याच्या न्यूरल सब्सट्रेटच्या अभ्यासासाठी न्यूरल क्रियाकलापांमधील बदलांना स्थिर उत्तेजनांच्या समजातील बदलांशी जोडणे आवश्यक आहे.म्हणून, आम्ही दोन माकडांना हे कळवण्यासाठी प्रशिक्षित केले की सुपरइम्पोज्ड ड्रिफ्टिंग आयताकृती ग्रेटिंग्सद्वारे तयार केलेला बिस्टेबल जाळीचा नमुना एकच पृष्ठभाग आहे की दोन स्वतंत्र पृष्ठभाग.न्यूरल अ‍ॅक्टिव्हिटी आणि सेगमेंटेशन निर्णय यांच्यातील संबंधांचा अभ्यास करण्यासाठी, जेव्हा माकडांनी हे कार्य केले तेव्हा आम्ही MT मध्ये एकच क्रियाकलाप रेकॉर्ड केला.
MT क्रियाकलाप आणि धारणा यांच्या अभ्यासामध्ये आम्हाला एक महत्त्वपूर्ण संबंध आढळला.हा सहसंबंध अस्तित्त्वात होता की उत्तेजकांमध्ये ओव्हर्ट सेगमेंटेशन संकेत आहेत.याव्यतिरिक्त, या प्रभावाची ताकद सेगमेंटेशन सिग्नलच्या संवेदनशीलतेशी, तसेच नमुना निर्देशांकाशी संबंधित आहे.नंतरचे घटक जटिल नमुन्यांमधील स्थानिक हालचालींऐवजी जागतिक स्तरावर किती प्रमाणात विकिरण करतात याचे प्रमाण ठरवते.जरी फॅशन दिग्दर्शनासाठी निवडकता हे MT चे परिभाषित वैशिष्ट्य म्हणून ओळखले गेले आहे, आणि फॅशन-निवडक पेशी त्या उत्तेजनांच्या मानवी समजाशी सुसंगत जटिल उत्तेजनांना ट्यूनिंग दर्शवतात, आमच्या सर्वोत्तम माहितीनुसार, नमुन्यांमधील परस्परसंबंधाचा हा पहिला पुरावा आहे.निर्देशांक आणि ज्ञानेंद्रियांचे विभाजन.
आम्ही दोन माकडांना ग्रिड उत्तेजके (सुसंगत किंवा पारदर्शक हालचाली) वाहण्याची त्यांची समज दर्शवण्यासाठी प्रशिक्षित केले.मानवी निरीक्षकांना या उत्तेजनांना अंदाजे समान वारंवारतेच्या सुसंगत किंवा पारदर्शक हालचाली समजतात.या चाचणीमध्ये योग्य उत्तर देण्यासाठी आणि ऑपरंट रिवॉर्डसाठी आधार सेट करण्यासाठी, आम्ही जाळी तयार करणाऱ्या घटकाच्या रास्टरला टेक्सचर करून विभाजन सिग्नल तयार केले (चित्र 1c, d).सुसंगत परिस्थितीत, सर्व पोत पॅटर्नच्या दिशेने फिरतात (चित्र 1c, "सुसंगत").पारदर्शक अवस्थेत, पोत जाळीच्या दिशेला लंब सरकते ज्यावर ती लावली जाते (चित्र 1c, “पारदर्शक”).आम्ही या टेक्सचर लेबलचा कॉन्ट्रास्ट बदलून कार्याची अडचण नियंत्रित करतो.क्यूड चाचण्यांमध्ये, टेक्सचर संकेतांशी संबंधित प्रतिसादांसाठी माकडांना पुरस्कृत केले गेले आणि टेक्सचर संकेतांशिवाय नमुने असलेल्या चाचण्यांमध्ये यादृच्छिकपणे (50/50 शक्यता) बक्षिसे देण्यात आली (शून्य टेक्सचर कॉन्ट्रास्ट स्थिती).
दोन प्रातिनिधिक प्रयोगांमधील वर्तणूक डेटा आकृती 2a मध्ये दर्शविला आहे, आणि प्रतिसाद अनुक्रमे वर किंवा खाली सरकणार्‍या पॅटर्नसाठी टेक्सचर सिग्नल्सच्या कॉन्ट्रास्ट विरुद्ध सुसंगततेच्या निर्णयाचे प्रमाण म्हणून प्लॉट केले आहेत. एकंदरीत, सुसंगतता/पारदर्शकतेची माकडांची धारणा टेक्सचर क्यू (ANOVA; माकड N: दिशा – F = 0.58, p = 0.45, sign – F = 1248, p < 10, F = 1248, p < 10, F-2st−10, -2st−10; tramont = 1248, p <10, 1248, 1248, p <10, 1248, 1248, p <10. की S: दिशा - F = 0.41, p = 0.52, चिन्ह - F = 2876.7, p < 10−10, कॉन्ट्रास्ट - F = 36.5, p < 10−10). एकंदरीत, सुसंगतता/पारदर्शकतेची माकडांची धारणा टेक्सचर क्यू (ANOVA; माकड N: दिशा – F = 0.58, p = 0.45, चिन्ह – F = 1248, p < 10, F = 1248, p < 10, F2-10, F2-10, p < 10, 1248, 1248, p < 10, 1248, 1248, p < 10, 1248, 1248, 1248, p < 10, 1248, 1248, p < 10 = 1248). माकड S: दिशा – F = 0.41, p = 0.52, चिन्ह – F = 2876.7, p < 10−10, contrast – F = 36.5, p < 10−10). В целом на восприятие обезьянами когерентности/прозрачности достоверно влияли как знак (прозрачность, когерентность), так (прозрачность, когерентность) रिझनाका (ANOVA; обезьяна N: направление — F = 0,58, p = 0,45, знак — F = 1248, p < 10−10, контраст – F = 22,63, p < 10; −10, p = 0, p = 0,45; ,52, признак – F = 2876,7, p < 10−10, контраст – F = 36,5, р < 10-10). सर्वसाधारणपणे, माकडांच्या सुसंगतता/पारदर्शकतेची धारणा दोन्ही चिन्हे (पारदर्शकता, सुसंगतता) आणि मजकूर (ANOVA; माकड N: दिशा — F = 0.58, p = 0.45, चिन्ह — F = 1248, p < 10−10, tra2stmon = 3. 10−10, tra2stmon = 3). : दिशा - F = 0.41, p = 0.52, चिन्ह - F = 2876.7, p < 10 −10, कॉन्ट्रास्ट - F = 36.5, p < 10-10).总体而言,猴子对连贯性/透明度的感知受到纹理提示（ANOVA）的符幔对（透明老连度）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 = 22.6; 对比度– F = 22.6;向– F = 0.41, p = 0.52, 符号– F = 2876.7, p < 10−10, 对比度– F = 36.5，p < 10-10）.总体而言,猴子对连贯性/透明度的感知受到纹理提示（ANOVA）的符幔对（透明老连度）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 = 22.10; <1-10, <1-10; ).सर्वसाधारणपणे, माकड सुसंगतता/पारदर्शकतेची धारणा चिन्ह (पारदर्शकता, सुसंगतता) आणि टेक्सचर सिग्नल्स (ANOVA) च्या तीव्रता (कॉन्ट्रास्ट) द्वारे लक्षणीयरीत्या प्रभावित होते;обезьяна N: ориентация – F = 0,58, p = 0,45, знак – F = 1248, p < 10−10, Контрастность — F = 22,63, p < 10; माकड N: अभिमुखता – F = 0.58, p = 0.45, चिन्ह – F = 1248, p < 10−10, कॉन्ट्रास्ट – F = 22.63, p < 10; −10 Обезьяна S: Ориентация — F = 0,41, p = 0,52, Знак — F = 2876,7, p < 10−10, Контрастность — F = 36,5, p < 10-10). −10 मंकी एस: ओरिएंटेशन – F = 0.41, p = 0.52, चिन्ह - F = 2876.7, p < 10-10, कॉन्ट्रास्ट - F = 36.5, p < 10-10).माकडांची मनोवैज्ञानिक वैशिष्ट्ये वैशिष्ट्यीकृत करण्यासाठी प्रत्येक सत्रातील डेटामध्ये गॉसियन संचयी कार्ये फिट केली गेली.अंजीर वर.2b दोन्ही माकडांसाठी सर्व सत्रांमध्ये या मॉडेल्ससाठी कराराचे वितरण दर्शविते.एकंदरीत, माकडांनी अचूक आणि सातत्यपूर्णपणे कार्य पूर्ण केले आणि आम्ही एकत्रित गॉसियन मॉडेलमध्ये योग्य नसल्यामुळे दोन-माकड सत्रांपैकी 13% पेक्षा कमी नाकारले.
प्रातिनिधिक सत्रांमध्ये माकडांची वर्तणूक उदाहरणे (n ≥ 20 चाचण्या प्रति उत्तेजक स्थिती).डावीकडील (उजवीकडे) पॅनेलमध्ये, एका N(S) माकड सत्रातील डेटा सुसंगत निवड स्कोअर (ऑर्डिनेट) विरूद्ध टेक्सचर सिग्नल (अॅब्सिसा) च्या चिन्हाचा विरोधाभास म्हणून प्लॉट केला जातो.येथे असे गृहीत धरले जाते की पारदर्शक (सुसंगत) पोतमध्ये नकारात्मक (सकारात्मक) मूल्ये आहेत.चाचणीमध्ये पॅटर्नच्या हालचालीच्या दिशेनुसार (वर (90°) किंवा खाली (270°)) प्रतिसाद स्वतंत्रपणे तयार केले गेले.दोन्ही प्राण्यांसाठी, कार्यप्रदर्शन, प्रतिसादाला 50/50 कॉन्ट्रास्ट (PSE – सॉलिड बाण) ने विभाजित केले आहे की नाही किंवा कार्यप्रदर्शनाच्या विशिष्ट पातळीला (थ्रेशोल्ड – ओपन अॅरो) समर्थन देण्यासाठी आवश्यक टेक्सचरल कॉन्ट्रास्टचे प्रमाण या ड्रिफ्ट दिशानिर्देशांमध्ये आहे.b गॉसियन संचयी कार्याच्या R2 मूल्यांचा फिट केलेला हिस्टोग्राम.माकड S(N) डेटा डावीकडे (उजवीकडे) दर्शविला आहे.c (टॉप) ग्रिडसाठी मोजलेले PSE PSE च्या तुलनेत खाली सरकले (ऑर्डिनेट) प्लॉट केलेले ग्रिड (अॅब्सिसा) वर हलवले, प्रत्येक स्थितीसाठी PSE वितरण दर्शविणारे किनारे आणि प्रत्येक स्थितीसाठी सरासरी दर्शवणारे बाण.सर्व N(S) माकड सत्रांचा डेटा डावीकडे (उजवीकडे) स्तंभात दिलेला आहे.(तळाशी) PSE डेटा प्रमाणेच, परंतु फिट केलेल्या वैशिष्ट्य थ्रेशोल्डसाठी.PSE थ्रेशोल्ड किंवा फॅशन ट्रेंडमध्ये कोणतेही महत्त्वपूर्ण फरक नव्हते (मजकूर पहा).d PSE आणि उतार (ऑर्डिनेट) कोनीय पृथक्करण घटकाच्या सामान्यीकृत रास्टर अभिमुखतेवर अवलंबून प्लॉट केले जातात (“इंटग्रल ग्रेटिंग अँगल” – abscissa).खुली वर्तुळे ही माध्यमे आहेत, घन रेषा हे सर्वोत्कृष्ट समर्पक प्रतिगमन मॉडेल आहे आणि ठिपके असलेली रेषा ही रीग्रेशन मॉडेलसाठी 95% आत्मविश्वास मध्यांतर आहे.PSE आणि सामान्यीकृत एकीकरण कोन यांच्यात एक महत्त्वपूर्ण सहसंबंध आहे, परंतु उतार आणि सामान्यीकृत एकीकरण कोन नाही, हे सूचित करते की कोन घटक जाळींना वेगळे करते म्हणून सायकोमेट्रिक कार्य बदलते, परंतु तीक्ष्ण किंवा सपाट होत नाही.(माकड N, n = 32 सत्रे; मंकी S, n = 43 सत्रे).सर्व पॅनेलमध्ये, त्रुटी पट्ट्या सरासरीच्या मानक त्रुटीचे प्रतिनिधित्व करतात.हाहाहा.सुसंगतता, PSE व्यक्तिपरक समानता स्कोअर, सर्वसामान्य प्रमाण.मानकीकरण
वर नमूद केल्याप्रमाणे, दिलेल्या चाचणीमध्ये उत्तेजके वर किंवा खाली वाहताना, टेक्सचर संकेतांचा विरोधाभास आणि पॅटर्नच्या हालचालीची दिशा दोन्ही चाचण्यांमध्ये भिन्न असतात.हे सायकोफिजिकल 11 आणि न्यूरोनल 28 अनुकूली प्रभाव कमी करण्यासाठी केले जाते.पॅटर्न ओरिएंटेशन विरुद्ध बायस (व्यक्तिनिष्ठ समानता बिंदू किंवा PSE) (विल्कॉक्सन रँक बेरीज टेस्ट; मंकी N: z = 0.25, p = 0.8; मंकी S: z = 0.86, p = 0.39) किंवा फिट फंक्शन थ्रेशोल्ड (विल्कोक्सन, p = 0, 9 ची बेरीज = 0.8; की S: z = 0.49, p = 0.62) (Fig. 2c).याव्यतिरिक्त, कार्यप्रदर्शन थ्रेशोल्ड पातळी राखण्यासाठी आवश्यक असलेल्या टेक्सचर कॉन्ट्रास्टच्या डिग्रीमध्ये माकडांमध्ये कोणतेही महत्त्वपूर्ण फरक नव्हते (N माकड = 24.5% ± 3.9%, S माकड = 18.9% ± 1.9%; Wilcoxon रँक बेरीज , z = 1.01, p = 0.31).
प्रत्येक सत्रात, आम्ही घटक जाळीच्या अभिमुखता विभक्त करणारा इंटरलॅटिस कोन बदलला.सायकोफिजिकल अभ्यासातून असे दिसून आले आहे की जेव्हा हा कोन लहान असतो तेव्हा लोकांना सेल 10 कनेक्टेड असल्याचे समजण्याची अधिक शक्यता असते.जर माकडे त्यांच्या सुसंगतता/पारदर्शकतेबद्दलची समज विश्वसनीयपणे नोंदवत असतील, तर या निष्कर्षांच्या आधारे, एखाद्याला PSE, सुसंगतता आणि पारदर्शकता निवडींमधील एकसमान विभाजनाशी संबंधित पोत विरोधाभास, परस्परसंवादात वाढ होण्याची अपेक्षा असेल.जाळीचा कोन. हे खरेच होते (चित्र 2d; पॅटर्न दिशानिर्देशांवर कोलमडणे, क्रुस्कल–वॉलिस; माकड N: χ2 = 23.06, p < 10−3; माकड S: χ2 = 22.22, p < 10−3; सामान्यीकृत आंतर-ग्रेटिंग कोन, P <10 −7) आणि p. 0 = 0-9 की मधील सहसंबंध; माकड S: r = 0.76, p < 10−13). हे खरेच होते (चित्र 2d; पॅटर्न दिशानिर्देशांवर कोलमडणे, क्रुस्कल–वॉलिस; माकड N: χ2 = 23.06, p < 10−3; माकड S: χ2 = 22.22, p < 10−3; सामान्यीकृत आंतर-SE – 10−3; सामान्यीकृत इंटर-ग्रेटिंग कोन, P - 0 0 = 0 0, 10-9 की मधील सहसंबंध; माकड S: r = 0.76, p < 10−13). Это действительно имело место (рис. 2d; коллапс поперек направления паттерна, Крускал-Уоллис; обезьяна N: χ2 = p, 23; S = 23; 22,22, p < 10-3; корреляция между нормализованными угол решетки и PSE – обезьяна N: r = 0,67, p < 10-9, обезья, p <10-9, обезья, p = 010, <107). हे खरंच घडले (चित्र 2d; पॅटर्नच्या दिशेने कोसळणे, क्रुस्कल-वॉलिस; माकड N: χ2 = 23.06, p < 10–3; माकड S: χ2 = 22.22, p < 10–3; सामान्यीकृत जाळी कोन, p <10-70, p <1-monkey मधील परस्परसंबंध, <1-monkey = 0. माकड S: r = 0.76, p < 10-13).情况确实如此（图2डी ；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）.情况 确实 如此 （图 图 2D ； 方向 折叠 ， kruskal-wallis ； n ： ：2 = 23.06 ， p <10-3 Ｍ 2D. <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 < 10-7 0p <10-7. -13). Это действительно имело место (рис. 2d; кратность по оси моды, Крускал-Уоллис; обезьяна N: χ2 = 23,06, p < p < 10: 22, S = 23; 10-3; нормализованный межрешеточный угол). हे खरेच होते (चित्र 2d; मोड अक्षाच्या बाजूने दुमडणे, क्रुस्कल-वॉलिस; माकड N: χ2 = 23.06, p < 10-3; माकड S: χ2 = 22.22, p < 10-3; सामान्यीकृत इंटरलॅटिस कॉर्नर). PSE-обезьяна N: r = 0,67, p < 10–9, обезьяна S: r = 0,76, p < 10–13). PSE माकड N: r = 0.67, p < 10–9, माकड S: r = 0.76, p < 10–13).याउलट, इंटरलॅटिस एंगल बदलल्याने सायकोमेट्रिक फंक्शनच्या उतारावर कोणताही महत्त्वपूर्ण परिणाम झाला नाही (चित्र 2d; क्रॉस-मॉडल ओरिएंटेशन फोल्ड, क्रुस्कल-वॉलिस; माकड N: χ2 = 8.09, p = 0.23; माकड S χ2 = 3.187, सामान्य आंतरविभाजन आणि p = 3.107. lope – माकड N: r = -0.4, p = 0.2, माकड S: r = 0.03, p = 0.76).अशा प्रकारे, एखाद्या व्यक्तीच्या सायकोफिजिकल डेटानुसार, ग्रेटिंग्समधील कोन बदलण्याचा सरासरी परिणाम म्हणजे विस्थापन बिंदूंमधील बदल, आणि विभाजन सिग्नलच्या संवेदनशीलतेमध्ये वाढ किंवा घट नाही.
शेवटी, शून्य टेक्सचर कॉन्ट्रास्ट असलेल्या चाचण्यांमध्ये 0.5 च्या संभाव्यतेसह पुरस्कार यादृच्छिकपणे नियुक्त केले जातात.जर सर्व माकडांना या अनोख्या यादृच्छिकतेची जाणीव असेल आणि ते शून्य टेक्सचर कॉन्ट्रास्ट आणि क्यू स्टिम्युली यांच्यातील फरक ओळखण्यास सक्षम असतील तर ते दोन प्रकारच्या चाचण्यांसाठी भिन्न धोरणे विकसित करू शकतील.दोन निरीक्षणे जोरदारपणे सूचित करतात की असे नाही.प्रथम, जाळीचा कोन बदलल्याने क्यू आणि शून्य टेक्सचर कॉन्ट्रास्ट स्कोअर (चित्र 2d आणि पूरक अंजीर 1) वर गुणात्मक समान प्रभाव पडला.दुसरे, दोन्ही माकडांसाठी, बिस्टेबल चाचणी निवड ही सर्वात अलीकडील (मागील) बक्षीस निवडीची पुनरावृत्ती होण्याची शक्यता नाही (द्विपद चाचणी, N माकडे: 0.52, z = 0.74, p = 0.22; S माकडे: 0.51 , r = 0.9, p = 0.18).
शेवटी, आमच्या विभागणी कार्यात माकडांचे वर्तन चांगले उत्तेजन नियंत्रणाखाली होते.टेक्सचर संकेतांच्या चिन्हावर आणि आकारावर आकलनात्मक निर्णयांचे अवलंबन, तसेच जाळीच्या कोनासह PSE मधील बदल, सूचित करतात की माकडांनी मोटर सुसंगतता/पारदर्शकतेची व्यक्तिपरक धारणा नोंदवली आहे.शेवटी, शून्य टेक्सचर कॉन्ट्रास्ट ट्रायल्समधील माकडांच्या प्रतिसादांवर मागील चाचण्यांच्या बक्षीस इतिहासाचा परिणाम झाला नाही आणि इंटर-रास्टर कोनीय बदलांमुळे लक्षणीयरित्या प्रभावित झाले.हे सूचित करते की माकडे या महत्त्वाच्या स्थितीत जाळीच्या पृष्ठभागाच्या कॉन्फिगरेशनबद्दल त्यांच्या व्यक्तिनिष्ठ धारणाची तक्रार करत राहतात.
वर नमूद केल्याप्रमाणे, टेक्सचर कॉन्ट्रास्टचे नकारात्मक ते सकारात्मककडे संक्रमण पारदर्शक ते सुसंगत उत्तेजकांच्या आकलनीय संक्रमणासारखे आहे.सर्वसाधारणपणे, दिलेल्या सेलसाठी, MT प्रतिसाद वाढतो किंवा कमी होतो कारण टेक्सचर कॉन्ट्रास्ट नकारात्मक ते सकारात्मक मध्ये बदलतो आणि या प्रभावाची दिशा सामान्यतः पॅटर्न/घटकांच्या हालचालीच्या दिशेवर अवलंबून असते.उदाहरणार्थ, दोन प्रातिनिधिक MT पेशींचे दिशात्मक ट्यूनिंग वक्र कमी किंवा उच्च कॉन्ट्रास्ट सुसंगत किंवा पारदर्शक टेक्सचर सिग्नल असलेल्या ग्रेटिंग्सच्या या सेलच्या प्रतिसादांसह आकृती 3 मध्ये दर्शविले आहेत.आम्ही या ग्रिड प्रतिसादांचे अधिक चांगल्या प्रकारे परिमाण करण्याचा प्रयत्न केला आहे, जो आमच्या माकडांच्या सायकोफिजियोलॉजिकल कामगिरीशी संबंधित असू शकतो.
एकल साइनसॉइडल अॅरेला प्रतिसाद म्हणून प्रतिनिधी माकड MT सेल S च्या दिशात्मक ट्यूनिंग वक्रचा ध्रुवीय प्लॉट.कोन जाळीच्या हालचालीची दिशा दर्शवतो, विशालता उत्सर्जितता दर्शवते आणि पसंतीची सेल दिशा जाळीच्या पॅटर्नच्या दिशेने घटकांपैकी एका घटकाच्या दिशेने सुमारे 90° (वर) ने ओव्हरलॅप होते.b प्रतिसाद ग्रिडचा साप्ताहिक उत्तेजक-वेळ हिस्टोग्राम (PSTH), a मध्ये दर्शविलेल्या सेलसाठी टेम्पलेटच्या दिशेने 90° (डावीकडे योजनाबद्धपणे दर्शविलेले) ने हलविले.प्रतिसाद टेक्सचर हिंट प्रकार (अनुक्रमे एकसंध/पारदर्शक - मधले/उजवे पॅनेल) आणि मिशेलसन कॉन्ट्रास्ट (PSTH कलर हिंट) द्वारे क्रमवारी लावले जातात.प्रत्येक प्रकारच्या लो-कॉन्ट्रास्ट आणि हाय-कॉन्ट्रास्ट टेक्सचर सिग्नलसाठी फक्त योग्य प्रयत्न दाखवले जातात.पेशींनी पारदर्शक टेक्सचर संकेतांसह ऊर्ध्वगामी जाळीच्या नमुन्यांना चांगला प्रतिसाद दिला आणि या नमुन्यांना प्रतिसाद वाढत्या टेक्सचर कॉन्ट्रास्टसह वाढला.c, d हे a आणि b प्रमाणेच नियम आहेत, परंतु माकड S व्यतिरिक्त इतर MT पेशींसाठी, त्यांचे पसंतीचे अभिमुखता जवळजवळ खाली वाहणार्‍या ग्रिडला ओव्हरलॅप करते.युनिट सुसंगत टेक्सचर संकेतांसह डाउनवर्ड ड्रिफ्टिंग ग्रेटिंगला प्राधान्य देते आणि या पॅटर्नला प्रतिसाद वाढत्या टेक्सचर कॉन्ट्रास्टसह वाढतो.सर्व पॅनेलमध्ये, छायांकित क्षेत्र सरासरीच्या मानक त्रुटीचे प्रतिनिधित्व करते.प्रवक्ते.स्पाइक्स, सेकंद.दुसरा
आमच्या टेक्सचर सिग्नल्स आणि MT क्रियाकलापांद्वारे दर्शविल्यानुसार जाळीच्या पृष्ठभागाच्या कॉन्फिगरेशन (सुसंगत किंवा पारदर्शक) यांच्यातील संबंध एक्सप्लोर करण्यासाठी, आम्ही प्रथम सुसंगत हालचाली (सकारात्मक उतार) किंवा पारदर्शक हालचाली (नकारात्मक उतार) रीग्रेशनद्वारे सेलमधील परस्परसंबंध मागे घेतला.कॉन्ट्रास्टच्या तुलनेत साइन रिस्पॉन्स रेटद्वारे सेल वर्गीकृत करण्यासाठी दिले जाते (प्रत्येक मोड दिशानिर्देशासाठी स्वतंत्रपणे).आकृती 3 मधील समान उदाहरण सेलमधील या जाळीच्या ट्यूनिंग वक्रांची उदाहरणे आकृती 4a मध्ये दर्शविली आहेत.वर्गीकरणानंतर, टेक्सचर सिग्नल्सच्या मॉड्युलेशनसाठी प्रत्येक सेलची संवेदनशीलता मोजण्यासाठी आम्ही रिसीव्हर परफॉर्मन्स अॅनालिसिस (आरओसी) वापरला (पद्धती पहा).न्यूरॉन्सच्या सायकोफिजिकल संवेदनशीलतेची थेट जाळीच्या पोतांशी तुलना करण्यासाठी अशा प्रकारे मिळवलेल्या न्यूरोमेट्रिक फंक्शन्सची थेट त्याच सत्रातील माकडांच्या सायकोफिजिकल वैशिष्ट्यांशी तुलना केली जाऊ शकते.आम्ही नमुन्यातील सर्व युनिट्ससाठी दोन सिग्नल शोध विश्लेषणे केली, पॅटर्नच्या प्रत्येक दिशेने (पुन्हा, वर किंवा खाली) स्वतंत्र न्यूरोमेट्रिक वैशिष्ट्यांची गणना केली.हे लक्षात घेणे महत्त्वाचे आहे की, या विश्लेषणासाठी, आम्ही फक्त चाचण्यांचा समावेश केला आहे ज्यामध्ये (i) उत्तेजनामध्ये एक टेक्सचर क्यू आहे आणि (ii) माकडांनी त्या क्यू (म्हणजे "योग्य" चाचण्या) नुसार प्रतिसाद दिला.
ग्रेटिंग्स वर (डावीकडे) किंवा खाली (उजवीकडे) सरकत असलेल्या जाळीसाठी अनुक्रमे टेक्सचर साइन कॉन्ट्रास्ट विरुद्ध फायर रेट प्लॉट केले जातात, घन रेषा सर्वोत्तम फिट रेषीय प्रतिगमन दर्शवते आणि वरच्या (तळ) पंक्तीमधील डेटा अंजीरमध्ये दर्शविलेल्या डेटामधून घेतला जातो.तांदूळ.3a सेल, b (Fig. 3c, d).रीग्रेशन स्लोप वैशिष्‍ट्ये प्रत्‍येक सेल/लॅटिस ओरिएंटेशन कॉम्बिनेशनला (n ≥ 20 ट्रायल्स प्रति उत्तेजक स्थिती) पसंतीचे टेक्‍चर संकेत (सुसंगत/पारदर्शक) नियुक्त करण्‍यासाठी वापरली गेली.एरर बार सरासरीचे मानक विचलन दर्शवतात.ba मध्ये दर्शविलेल्या युनिट्सच्या न्यूरोमेट्रिक फंक्शन्सचे वर्णन त्याच सत्रादरम्यान एकत्रित केलेल्या सायकोमेट्रिक फंक्शन्ससह केले जाते.आता, प्रत्येक वैशिष्ट्यासाठी, आम्‍ही टेक्‍स्‍चरच्‍या साइन कॉन्ट्रास्‍टची टक्केवारी म्‍हणून पसंतीची टूलटिप निवड (ऑर्डिनेट) (मजकूर पहा) प्लॉट करतो.टेक्सचर कॉन्ट्रास्ट बदलला आहे जेणेकरून पसंतीच्या टूलटिप्स सकारात्मक आणि रिक्त टूलटिप नकारात्मक आहेत.वरच्या (खाली) ड्रिफ्टिंग ग्रिड्समधील डेटा डावीकडे (उजवीकडे) पॅनेलमध्ये, वरच्या (खालच्या) पंक्तींमध्ये दर्शविला जातो - Fig. 3a,b (Fig. 3c,d) मध्ये दर्शविलेल्या सेलमधील डेटा.न्यूरोमेट्रिक आणि सायकोमेट्रिक थ्रेशोल्ड (N/P) चे गुणोत्तर प्रत्येक पॅनेलमध्ये दर्शविले आहेत.प्रवक्ते.स्पाइक्स, सेकंद.सेकंद, निर्देशिका.दिशा, प्रांत प्राधान्य, psi.सायकोमेट्री, न्यूरोलॉजी.
लॅटिस ट्युनिंग वक्र आणि दोन प्रतिनिधी एमटी पेशींचे न्यूरोमेट्रिक फंक्शन्स आणि त्यांच्याशी संबंधित सायकोमेट्रिक फंक्शन्स, या प्रतिसादांसह एकत्रित, अनुक्रमे आकृती 4a,b च्या वरच्या आणि खालच्या पॅनेलमध्ये दर्शविले आहेत.या पेशी साधारणपणे नीरस वाढ किंवा घट दर्शवतात कारण टेक्सचरचा इशारा पारदर्शक ते सुसंगत होतो.याव्यतिरिक्त, या बंधनाची दिशा आणि ताकद जाळीच्या गतीच्या दिशेवर अवलंबून असते.शेवटी, या पेशींच्या प्रतिसादांवरून मोजलेली न्यूरोमेट्रिक फंक्शन्स युनिडायरेक्शनल ग्रिड चळवळीच्या सायकोफिजिकल गुणधर्मांशी फक्त संपर्क साधतात (परंतु तरीही त्यांच्याशी संबंधित नाहीत).दोन्ही न्यूरोमेट्रिक आणि सायकोमेट्रिक फंक्शन्स थ्रेशोल्डसह सारांशित केले गेले होते, म्हणजे योग्यरित्या निवडलेल्या कॉन्ट्रास्टच्या सुमारे 84% शी संबंधित (फिट केलेल्या संचयी कार्याच्या सरासरी + 1 sd शी संबंधित).संपूर्ण नमुन्यात, N/P गुणोत्तर, न्यूरोमेट्रिक थ्रेशोल्डचे सायकोमेट्रिक थ्रेशोल्डचे गुणोत्तर, माकड N मध्ये सरासरी 12.4 ± 1.2 आणि माकड S मध्ये 15.9 ± 1.8, आणि जाळी किमान एका दिशेने जाण्यासाठी, फक्त ~ 16% (18%) वर.%) माकड N (माकड S) (Fig. 5a) पासून एकके.आकृतीमध्ये दर्शविलेल्या सेल उदाहरणावरून.आकृती 3 आणि 4 मध्ये पाहिल्याप्रमाणे, न्यूरॉन्सची संवेदनशीलता सेलच्या पसंतीच्या अभिमुखता आणि प्रयोगांमध्ये वापरल्या जाणार्‍या जाळीच्या हालचालीची दिशा यांच्यातील संबंधांमुळे प्रभावित होऊ शकते.विशेषतः, आकृती 3a,c मधील अभिमुखता समायोजन वक्र सिंगल साइनसॉइडल अॅरेच्या न्यूरॉन ओरिएंटेशन सेटिंग आणि आमच्या टेक्सचर अॅरेमधील पारदर्शक/सुसंगत गतीची संवेदनशीलता यांच्यातील संबंध प्रदर्शित करतात. हे दोन्ही माकडांसाठी होते (ANOVA; 10° रिझोल्यूशनसह बिन केलेले सापेक्ष प्राधान्य दिशानिर्देश; माकड N: F = 2.12, p < 0.01; माकड S: F = 2.01, p < 0.01). हे दोन्ही माकडांसाठी होते (ANOVA; 10° रिझोल्यूशनसह बिन केलेले सापेक्ष प्राधान्य दिशानिर्देश; माकड N: F = 2.12, p < 0.01; माकड S: F = 2.01, p < 0.01). Это имело место для обеих обезьян (ANOVA; относительные предпочтительные направления объединены в группы с; 12, पी <0,01; обезьяна S: F = 2,01, p <0,01). हे दोन्ही माकडांसाठी होते (ANOVA; 10° रेझोल्यूशनवर गटबद्ध सापेक्ष प्राधान्य दिशानिर्देश; माकड N: F=2.12, p<0.01; माकड S: F=2.01, p<0.01) .两只猴子都是这种情况（方差分析；以10° 分辨率合并的相对首选方的相对首选方向；猴猴子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 2 相对 相对 方向 （方差०.०१. Это имело место для обеих обезьян (ANOVA; относительная предпочтительная ориентация объединена при разрешении, FN 10°, <p02z; обезьяна S: F = 2,01, p <0,01). हे दोन्ही माकडांसाठी होते (ANOVA; 10° रेझोल्यूशनवर सापेक्ष पसंतीचे अभिमुखता; माकड N: F=2.12, p<0.01; माकड S: F=2.01, p<0.01).न्यूरॉन संवेदनशीलता (Fig. 5a) मध्ये मोठ्या प्रमाणात परिवर्तनशीलता लक्षात घेता, सापेक्ष पसंतीच्या अभिमुखतेवर न्यूरॉन संवेदनशीलतेचे अवलंबित्व दृश्यमान करण्यासाठी, आम्ही प्रथम ग्रिड नमुना (म्हणजे दिशा) च्या हालचालीसाठी "सर्वोत्तम" ओरिएंटेशनसाठी प्रत्येक सेलच्या पसंतीचे अभिमुखता सामान्य केले.ज्यामध्ये जाळी पसंतीचे सेल ओरिएंटेशन आणि ग्रेटिंग पॅटर्नच्या अभिमुखता दरम्यान सर्वात लहान कोन बनवते).आम्हाला आढळले की न्यूरॉन्सचे सापेक्ष थ्रेशोल्ड ("सर्वात वाईट" जाळी अभिमुखता/"सर्वोत्तम" जाळी अभिमुखतेसाठी थ्रेशोल्ड) या सामान्यीकृत पसंतीच्या अभिमुखतेसह भिन्न आहेत, या थ्रेशोल्ड गुणोत्तरातील शिखरे पॅटर्न किंवा घटक अभिमुखता (आकृती 5b) च्या आसपास आहेत.)). प्लेड पॅटर्न किंवा घटक दिशानिर्देशांपैकी एकाच्या दिशेने प्रत्येक नमुन्यातील एककांमध्ये प्राधान्य दिलेल्या दिशानिर्देशांच्या वितरणामध्ये हा परिणाम स्पष्ट केला जाऊ शकत नाही (Fig. 5c; Rayleigh test; monkey N: z = 8.33, p < 10−3, सर्कुलर मीन = 190.13 deg deg ± 0. 7. 0 = 9; 8. mon = 9. 5) आणि प्लेड इंटर-ग्रेटिंग कोनांमध्ये सुसंगत होते (पूरक चित्र 2). प्लेड पॅटर्न किंवा घटक दिशानिर्देशांपैकी एकाच्या दिशेने प्रत्येक नमुन्यातील एककांमध्ये प्राधान्य दिलेल्या दिशानिर्देशांच्या वितरणामध्ये हा परिणाम स्पष्ट केला जाऊ शकत नाही (Fig. 5c; Rayleigh test; monkey N: z = 8.33, p < 10−3 , सर्कुलर मीन = 190.13 deg = 0. 0. monkey = 0.9; 45) आणि प्लेड इंटर-ग्रेटिंग कोनांमध्ये सुसंगत होते (पूरक चित्र 2). Этот эффект нельзя было объяснить смещением распределения предпочтительных направлений в единицах в каждой выбочагунчах выбочением ых направлений или направлений компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,33, p < 10-3). हा परिणाम प्रत्येक नमुन्यातील एककांमधील पसंतीच्या दिशानिर्देशांच्या वितरणात बदल करून एका तपासलेल्या दिशानिर्देश किंवा घटक दिशानिर्देशांद्वारे स्पष्ट केले जाऊ शकत नाही (चित्र 5c; रेले चाचणी; माकड N: z = 8.33, p < 10–3)., गोलाकार मध्य = 190.13 अंश ± 9.83 अंश;माकड S: z = 0.79, p = 0.45) आणि प्लेड ग्रिडच्या सर्व कोपऱ्यांसाठी समान होते (पूरक आकृती 2).- ；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： 度；猴子S： = 4.50p 05且子间光栅角上是一致的（补充图2）.मी释 （图 图 图 瑞利 测试 ； 猴子 n ： z = 8.33 ， p <10-3 ， 平均值 平均值 圢圢圢圢圢圢圆圽形 圆形 圆形 圆形 圆形 圆形z Этот эффект не может быть объяснен тем, что распределение предпочтительных ориентаций в клетках в каждом образокетукет. туры решетки, либо в сторону одной из ориентаций компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,33, p < 10–33). हा परिणाम या वस्तुस्थितीद्वारे स्पष्ट केला जाऊ शकत नाही की प्रत्येक नमुन्यातील पेशींमध्ये प्राधान्यीकृत अभिमुखतेचे वितरण एकतर जाळीच्या संरचनेकडे किंवा घटक अभिमुखतेपैकी एकाकडे (Fig. 5c; Rayleigh's test; monkey N: z = 8.33, p < 10–3) पक्षपाती आहे., परिपत्रक सरासरी) = 190.13 अंश ± 9.83 अंश;माकड S: z = 0.79, p = 0.45) आणि ग्रिडमधील जाळीच्या कोनांमध्ये समान होते (पूरक चित्र 2).अशा प्रकारे, टेक्सचर ग्रिड्ससाठी न्यूरॉन्सची संवेदनशीलता, कमीतकमी अंशतः, एमटी ट्यूनिंगच्या मूलभूत गुणधर्मांवर अवलंबून असते.
डावीकडील पॅनेल N/P गुणोत्तर (न्यूरॉन/सायकोफिजियोलॉजिकल थ्रेशोल्ड) चे वितरण दर्शविते;प्रत्येक सेल दोन डेटा पॉइंट प्रदान करतो, प्रत्येक दिशेसाठी एक ज्यामध्ये नमुना हलतो.उजव्या पॅनेलमध्ये नमुन्यातील सर्व युनिट्ससाठी सायकोफिजिकल थ्रेशोल्ड (ऑर्डिनेट) विरुद्ध न्यूरोनल थ्रेशोल्ड (अॅब्सिसा) प्लॉट केले जातात.वरच्या (खाली) पंक्तीमधील डेटा माकड N (S) कडून आहे.b सामान्यीकृत थ्रेशोल्ड गुणोत्तर इष्टतम जाळी अभिमुखता आणि पसंतीचे सेल अभिमुखता यांच्यातील फरकाच्या विशालतेच्या विरूद्ध प्लॉट केले जातात."सर्वोत्तम" दिशा ही जाळीच्या संरचनेची दिशा (एकल साइनसॉइडल जाळीने मोजली जाणारी) पसंतीच्या सेलच्या दिशेच्या सर्वात जवळची म्हणून परिभाषित केली जाते.डेटा प्रथम सामान्यीकृत प्राधान्य अभिमुखता (10° डब्बे) द्वारे बिन केला गेला, नंतर थ्रेशोल्ड गुणोत्तर कमाल मूल्यापर्यंत सामान्य केले गेले आणि प्रत्येक बिनमध्ये सरासरी केले गेले.जाळीच्या घटकांच्या अभिमुखतेपेक्षा किंचित मोठ्या किंवा लहान पसंतीच्या अभिमुखता असलेल्या पेशींमध्ये जाळीच्या पॅटर्नच्या अभिमुखतेच्या संवेदनशीलतेमध्ये सर्वात मोठा फरक होता.c प्रत्येक माकडामध्ये रेकॉर्ड केलेल्या सर्व MT युनिट्सच्या पसंतीच्या अभिमुखता वितरणाचा गुलाबी हिस्टोग्राम.
शेवटी, MT चा प्रतिसाद शेगडी हालचालीच्या दिशेने आणि आमच्या विभाजन सिग्नल (पोत) च्या तपशीलांनुसार सुधारित केला जातो.न्यूरोनल आणि सायकोफिजिकल संवेदनशीलतेच्या तुलनेत असे दिसून आले की, सर्वसाधारणपणे, एमटी युनिट्स माकडांपेक्षा विरोधाभासी टेक्सचर सिग्नलसाठी खूपच कमी संवेदनशील होते.तथापि, युनिटच्या पसंतीच्या अभिमुखता आणि ग्रिड हालचालीची दिशा यांच्यातील फरकानुसार न्यूरॉनची संवेदनशीलता बदलली.सर्वात संवेदनशील पेशींना ओरिएंटेशनल प्राधान्ये असतात ज्यात जवळजवळ जाळीच्या पॅटर्न किंवा घटक अभिमुखतेपैकी एक समाविष्ट होते आणि आमच्या नमुन्यांचा एक छोटा उपसंच कॉन्ट्रास्ट फरकांबद्दल माकडांच्या समजापेक्षा संवेदनशील किंवा अधिक संवेदनशील होता.या अधिक संवेदनशील युनिट्समधील सिग्नल माकडांमधील समजाशी अधिक जवळून संबंधित आहेत की नाही हे निर्धारित करण्यासाठी, आम्ही समज आणि न्यूरोनल प्रतिसाद यांच्यातील परस्परसंबंध तपासले.
न्यूरल क्रियाकलाप आणि वर्तन यांच्यातील संबंध प्रस्थापित करण्याचा एक महत्त्वाचा टप्पा म्हणजे न्यूरॉन्स आणि सतत उत्तेजनांना वर्तणुकीशी संबंधित प्रतिसाद यांच्यातील परस्परसंबंध स्थापित करणे.न्यूरल प्रतिसादांना सेगमेंटेशन निर्णयांशी जोडण्यासाठी, एक उत्तेजन तयार करणे महत्वाचे आहे जे समान असूनही, वेगवेगळ्या चाचण्यांमध्ये वेगळ्या पद्धतीने समजले जाते.सध्याच्या अभ्यासात, हे स्पष्टपणे शून्य टेक्सचर कॉन्ट्रास्ट ग्रेटिंगद्वारे दर्शविले जाते.जरी आम्ही यावर जोर देत असलो तरी, प्राण्यांच्या सायकोमेट्रिक फंक्शन्सच्या आधारावर, किमान (~20% पेक्षा कमी) टेक्सचरल कॉन्ट्रास्ट असलेल्या जाळी सहसा सुसंगत किंवा पारदर्शक मानल्या जातात.
MT प्रतिसाद ग्रहणात्मक अहवालांशी किती प्रमाणात संबंधित आहेत हे मोजण्यासाठी, आम्ही आमच्या ग्रिड डेटाचे निवड संभाव्यता (CP) विश्लेषण केले (3 पहा).थोडक्यात, CP हे एक नॉन-पॅरामेट्रिक, नॉन-स्टँडर्ड माप आहे जे स्पाइक प्रतिसाद आणि ग्रहणात्मक निर्णय30 यांच्यातील संबंधांचे प्रमाण ठरवते.शून्य टेक्‍चरल कॉन्ट्रास्टसह ग्रिड वापरून चाचण्यांपुरते विश्लेषण मर्यादित करून आणि सत्रे ज्यामध्ये माकडांनी या चाचण्यांच्या प्रत्येक प्रकारासाठी किमान पाच निवडी केल्या, आम्ही ग्रिड हालचालीच्या प्रत्येक दिशेसाठी स्वतंत्रपणे SR ची गणना केली. संपूर्ण माकडांमध्ये, आम्‍ही योगायोगाने अपेक्षेपेक्षा लक्षणीय CP मूल्य पाहिले (Fig. 6a, d; माकड N: मीन CP: 0.54, 95% CI: (0.53, 0.56), CP = 0.5, t = 0.5, p = 6 च्या विरुद्ध द्विपक्षीय टी-चाचणी; 95% CI: (0.54, 0.57), द्विपक्षीय टी-टेस्ट, t = 9.4, p < 10−13). संपूर्ण माकडांमध्ये, आम्‍ही योगायोगाने अपेक्षेपेक्षा लक्षणीय CP मूल्य पाहिले (Fig. 6a, d; माकड N: मीन CP: 0.54, 95% CI: (0.53, 0.56), CP = 0.5, t = 0.5, p = 6 च्या विरुद्ध द्विपक्षीय टी-चाचणी; 95% CI: (0.54, 0.57), द्विपक्षीय टी-टेस्ट, t = 9.4, p < 10−13) .माकडांमध्ये, आम्‍ही यादृच्छिकपणे अपेक्षेपेक्षा लक्षणीयरीत्या सरासरी CP पाहिले (Fig. 6a, d; माकड N: मीन CP: 0.54, 95% CI: (0.53, 0.56), टू-टेलेड टी-टेस्ट वि. शून्य मूल्ये).CP = 0,5, t = 6,7, p < 10-9; CP = 0.5, t = 6.7, p < 10–9; обезьяна S: среднее CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = 9,4, p < 10–13) . माकड S: सरासरी CP: 0.55, 95% CI: (0.54, 0.57), दोन-पुच्छ टी-टेस्ट, t = 9.4, p < 10–13).在猴子中，我们观察到平均CP 值显着大于我们偶然预期的值（图6a,d；猴子N：5%图6a，d；猴子N：5% .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: (0.59, 茹t = 0.54, 双7), .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 （坑 图 图 值 （图 图 图： 0.54，95% Ci ： 0.53，0.56）, 空值 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) У обезьян мы наблюдали средние значения CP, значительно превышающие то, что мы могли бы ожидать случаейно (рис., NCP; 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, Дв5д, 05д, 05 (%), усторонний t-критерий, t = 9,4, p < 10- 13) . माकडांमध्‍ये, आम्‍ही योगायोगाने अपेक्षित असल्‍यापेक्षा अधिक CP मूल्ये पाहिली (Fig. 6a, d; माकड N: मीन CP: 0.54, 95% CI: (0.53, 0.56), टू-टेल्ड टी-टेस्ट CP वि. शून्य = 0.5, t = p <6.19, monkey: 5 = 6.9, S5. म्‍हणजे. 5% CI: (0.54, 0.57), दोन-पुच्छ t- निकष, t = 9.4, p < 10-13).अशा प्रकारे, एमटी न्यूरॉन्स कोणत्याही स्पष्ट विभाजन संकेतांच्या अनुपस्थितीत देखील अधिक जोरदारपणे आग करतात, जेव्हा जाळीच्या गतीबद्दल प्राण्यांची धारणा सेलच्या प्राधान्यांशी जुळते.
माकड N पासून रेकॉर्ड केलेल्या नमुन्यांसाठी टेक्सचर सिग्नलशिवाय ग्रिडसाठी निवड संभाव्यता वितरण. प्रत्येक सेल दोन डेटा पॉइंट्सपर्यंत योगदान देऊ शकतो (ग्रिड हालचालीच्या प्रत्येक दिशेने एक).यादृच्छिक (पांढरे बाण) वरील सरासरी CP मूल्य सूचित करते की एकूणच MT क्रियाकलाप आणि धारणा यांच्यात महत्त्वपूर्ण संबंध आहे.b कोणत्याही संभाव्य निवड पूर्वाग्रहाच्या प्रभावाचे परीक्षण करण्यासाठी, आम्ही कोणत्याही उत्तेजनासाठी CP ची स्वतंत्रपणे गणना केली ज्यासाठी माकडांनी किमान एक त्रुटी केली.निवड संभाव्यता सर्व उत्तेजनांसाठी (डावीकडे) निवड गुणोत्तर (प्रीफ/नल) आणि टेक्सचर मार्क कॉन्ट्रास्टची परिपूर्ण मूल्ये (उजवीकडे, 120 वैयक्तिक पेशींमधील डेटा) च्या कार्य म्हणून प्लॉट केली जातात.डाव्या पॅनेलमधील घन रेषा आणि छायांकित क्षेत्र 20-पॉइंट मूव्हिंग एव्हरेजच्या सरासरी ± सेमचे प्रतिनिधित्व करतात.असंतुलित निवड गुणोत्तरांसह उत्तेजनांसाठी गणना केलेल्या निवड संभाव्यता, जसे की उच्च सिग्नल कॉन्ट्रास्टसह ग्रिड, अधिक भिन्न होते आणि संभाव्यतेभोवती क्लस्टर केले गेले होते.उजव्या पॅनेलमधील राखाडी-छायांकित क्षेत्र उच्च निवड संभाव्यतेच्या गणनेमध्ये समाविष्ट केलेल्या वैशिष्ट्यांच्या कॉन्ट्रास्टवर जोर देते.c मोठ्या निवडीची संभाव्यता (ऑर्डिनेट) न्यूरॉन (अॅब्सिसा) च्या उंबरठ्यावर प्लॉट केली जाते.निवडीची संभाव्यता थ्रेशोल्डशी लक्षणीयपणे नकारात्मकरित्या संबंधित होती.कन्व्हेन्शन df ac प्रमाणेच आहे परंतु अन्यथा लक्षात घेतल्याशिवाय मंकी S कडील 157 सिंगल डेटावर लागू होते.g सर्वोच्च निवड संभाव्यता (ऑर्डिनेट) दोन माकडांपैकी प्रत्येकासाठी सामान्यीकृत प्राधान्य दिशा (अॅब्सिसा) विरुद्ध प्लॉट केली जाते.प्रत्येक MT सेलने दोन डेटा पॉइंट्सचे योगदान दिले (जाळीच्या संरचनेच्या प्रत्येक दिशेने एक).h प्रत्येक इंटर-रास्टर कोनासाठी निवड संभाव्यतेचे मोठे बॉक्स प्लॉट.घन रेखा मध्यक चिन्हांकित करते, बॉक्सच्या खालच्या आणि वरच्या कडा अनुक्रमे 25 व्या आणि 75 व्या पर्सेंटाइलचे प्रतिनिधित्व करतात, व्हिस्कर्स इंटरक्वार्टाइल श्रेणीच्या 1.5 पट वाढवले ​​जातात आणि या मर्यादेच्या पलीकडे आउटलियर्स नोंदवले जातात.डावीकडील (उजवीकडे) पॅनेलमधील डेटा 120 (157) वैयक्तिक N(S) माकड पेशींचा आहे.i उत्तेजक (अॅब्सिसा) सुरू होण्याच्या वेळेच्या विरूद्ध निवडीची (ऑर्डिनेट) उच्च संभाव्यता प्लॉट केली जाते.मोठ्या CP ची संपूर्ण चाचणी दरम्यान सरकत्या आयतामध्ये (रुंदी 100 ms, स्टेप 10 ms) गणना केली गेली आणि नंतर एककांवर सरासरी काढली गेली.
मागील काही अभ्यासांनी असे नोंदवले आहे की CP हे बेसल रेट वितरणातील चाचण्यांच्या सापेक्ष संख्येवर अवलंबून असते, याचा अर्थ प्रत्येक निवडीच्या प्रमाणात मोठ्या प्रमाणात फरक निर्माण करणाऱ्या उत्तेजनांसाठी हा उपाय कमी विश्वासार्ह आहे.आमच्या डेटामध्ये या प्रभावाची चाचणी घेण्यासाठी, आम्ही चिन्हाच्या टेक्सचर कॉन्ट्रास्टकडे दुर्लक्ष करून, सर्व उत्तेजनांसाठी स्वतंत्रपणे CP ची गणना केली आणि माकडांनी किमान एक खोटी चाचणी केली.CP हे अनुक्रमे आकृती 6b आणि e (डाव्या पॅनेल) मधील प्रत्येक प्राण्यासाठी निवड गुणोत्तर (pref/null) विरुद्ध प्लॉट केलेले आहे.मूव्हिंग अॅव्हरेज पाहता, हे स्पष्ट आहे की CP निवड शक्यतांच्या विस्तृत श्रेणीवर संभाव्यतेच्या वर राहते, जेव्हा शक्यता 0.2 (0.8) च्या खाली (वाढ) येते तेव्हाच घटते.प्राण्यांच्या सायकोमेट्रिक वैशिष्ट्यांवर आधारित, आम्ही या परिमाणाचे निवड गुणांक केवळ उच्च-कॉन्ट्रास्ट टेक्सचर संकेतांसह (सुसंगत किंवा पारदर्शक) उत्तेजनांवर लागू होण्याची अपेक्षा करू (चित्र 2a, b मधील सायकोमेट्रिक वैशिष्ट्यांची उदाहरणे पहा).हे असे होते की नाही हे निर्धारित करण्यासाठी आणि स्पष्ट विभाजन सिग्नलसह उत्तेजकतेसाठी देखील महत्त्वपूर्ण पीसी टिकून राहतो की नाही हे निर्धारित करण्यासाठी, आम्ही पीसी (चित्र 6b, ई-उजवे) वर परिपूर्ण टेक्सचरल कॉन्ट्रास्ट मूल्यांचे परिणाम तपासले.अपेक्षेप्रमाणे, CP मध्यम (~20% कॉन्ट्रास्ट किंवा कमी) सेगमेंटेशन संकेत असलेल्या उत्तेजनांच्या संभाव्यतेपेक्षा लक्षणीयरीत्या जास्त होते.
अभिमुखता, वेग आणि जुळत नसलेल्या ओळख कार्यांमध्ये, सर्वात संवेदनशील न्यूरॉन्समध्ये MT CP सर्वात जास्त असतो, कदाचित कारण या न्यूरॉन्समध्ये सर्वात माहितीपूर्ण सिग्नल 30,32,33,34 असतात.या निष्कर्षांशी सुसंगत आम्‍ही ग्रँड सीपीमध्‍ये एक माफक परंतु महत्त्वपूर्ण सहसंबंध पाहिला, जे अंजीरच्या उजवीकडील पॅनेलमध्‍ये हायलाइट केलेल्या टेक्‍चर क्यू कॉन्ट्रास्‍टमध्‍ये झेड-स्कोअर फायरिंग रेटवरून मोजले गेले.6b, e, आणि न्यूरोनल थ्रेशोल्ड (Fig. 6c, f; भौमितिक मध्य प्रतिगमन; माकड N: r = −0.12, p = 0.07 माकड S: r = −0.18, p < 10−3). 6b, e, आणि न्यूरोनल थ्रेशोल्ड (Fig. 6c, f; भौमितिक मध्य प्रतिगमन; माकड N: r = −0.12, p = 0.07 माकड S: r = −0.18, p < 10−3).या निष्कर्षांशी सुसंगत, आम्ही अंजीर 6b, e, आणि न्यूरोनल थ्रेशोल्ड (Fig. 6c, f; भूमितीय) च्या उजव्या पॅनेलमध्ये हायलाइट केलेल्या टेक्सचर सिग्नल विरोधाभासांमधून उत्तेजित वारंवारता z-स्कोअरमधून गणना केलेल्या मोठ्या CP दरम्यान एक माफक परंतु महत्त्वपूर्ण सहसंबंध पाहिला.भौमितिक सरासरी प्रतिगमन;обезьяна N: r = -0,12, p = 0,07 обезьяна S: r = -0,18, p < 10-3). माकड N: r = -0.12, p = 0.07 माकड S: r = -0.18, p < 10-3).हे图6c、f；几何平均回归；猴子N：r = -0.12，p = 0.07 猴子S：r = -0.18，p < 10-3）.与 这些 发现 一致 ， 我们 到 大 之间 存在 适度 但 显着 的 相关 性 这 湛 湛 6 到元 阈值 （图 图 6c 、 f ； 回归 ； 猴子 n ： r = -0.12 ， p = 0.07 猴子S：r = -0.18，）））） 。 3 p <1या निष्कर्षांशी सुसंगत, आम्ही आकृती 6b,e आणि न्यूरॉन थ्रेशोल्ड (आकृती 6c,f; भौमितिक मध्य प्रतिगमन; माकड N: r = -0.12, p = 0.07) मध्ये दर्शविल्याप्रमाणे मोठ्या CVs दरम्यान एक माफक परंतु महत्त्वपूर्ण सहसंबंध पाहिला.Обезьяна S: г = -0,18, р < 10-3). माकड S: r = -0.18, p < 10-3).म्हणूनच, सर्वात माहितीपूर्ण युनिट्समधील संकेत माकडांमध्ये व्यक्तिनिष्ठ विभाजन निर्णयांसह अधिक सहविभाजन दर्शवितात, जे बोधात्मक पूर्वाग्रहात जोडलेल्या कोणत्याही मजकूर संकेतांची पर्वा न करता महत्त्वपूर्ण आहे.
आम्ही पूर्वी ग्रिड टेक्सचर सिग्नल्सची संवेदनशीलता आणि पसंतीचे न्यूरोनल ओरिएंटेशन यांच्यात संबंध प्रस्थापित केला होता हे लक्षात घेता, आम्हाला आश्चर्य वाटले की CP आणि पसंतीचे अभिमुखता (चित्र 6g) यांच्यात समान संबंध आहे का.हा संबंध माकड S (ANOVA; माकड N: 1.03, p=0.46; माकड S: F=1.73, p=0.04) मध्ये थोडासा महत्त्वाचा होता.आम्ही कोणत्याही प्राण्यातील जाळींमधील जाळीच्या कोनांसाठी CP मध्ये फरक पाहिला नाही (चित्र 6h; ANOVA; माकड N: F = 1.8, p = 0.11; माकड S: F = 0.32, p = 0. 9).
अखेरीस, मागील कार्याने दर्शविले आहे की संपूर्ण चाचणी दरम्यान सीपी बदलते.काही अभ्यासांमध्ये तीक्ष्ण वाढ नोंदवली गेली आहे ज्यानंतर तुलनेने गुळगुळीत निवड प्रभाव, 30 तर इतरांनी चाचणी दरम्यान निवड सिग्नलमध्ये स्थिर वाढ नोंदवली आहे31.प्रत्येक माकडासाठी, आम्‍ही प्री-स्टिम्युलस स्टार्ट टू म्‍हणजे प्री-स्टिम्युलस ऑफसेट पोस्‍ट करण्‍यापासून दर 20 ms नंतर 100 ms सेलमध्‍ये शून्य टेक्‍चरल कॉन्ट्रास्ट (अनुक्रमे, पॅटर्न ओरिएंटेशननुसार) चाचण्यांमध्‍ये प्रत्‍येक युनिटचे CP मोजले.दोन माकडांसाठी सरासरी CP डायनॅमिक्स चित्र 6i मध्ये दाखवले आहे.दोन्ही प्रकरणांमध्ये, CP उत्तेजित होण्याच्या सुरुवातीपासून जवळजवळ 500 ms पर्यंत यादृच्छिक पातळीवर किंवा त्याच्या अगदी जवळ राहिला, ज्यानंतर CP झपाट्याने वाढला.
संवेदनशीलता बदलण्याव्यतिरिक्त, CP देखील सेल ट्यूनिंग वैशिष्ट्यांच्या विशिष्ट गुणांमुळे प्रभावित झाल्याचे दर्शविले गेले आहे.उदाहरणार्थ, Uka आणि DeAngelis34 ला आढळले की दुर्बिणीत जुळत नसलेल्या ओळखीच्या कार्यातील CP हे उपकरणाच्या द्विनेत्री जुळत नसलेल्या ट्यूनिंग वक्रच्या सममितीवर अवलंबून असते.या प्रकरणात, नमुना दिशा निवडक (PDS) पेशी घटक दिशा निवडक (CDS) पेशींपेक्षा अधिक संवेदनशील आहेत का, हा संबंधित प्रश्न आहे.PDS पेशी अनेक स्थानिक अभिमुखता असलेल्या पॅटर्नचे सामान्य अभिमुखता एन्कोड करतात, तर CDS पेशी दिशात्मक नमुना घटकांच्या हालचालींना प्रतिसाद देतात (चित्र 7a).
मोड घटक ट्यूनिंग प्रेरणा आणि काल्पनिक जाळी (डावीकडे) आणि जाळीच्या अभिमुखता ट्यूनिंग वक्र (उजवीकडे) यांचे योजनाबद्ध प्रतिनिधित्व (सामग्री आणि पद्धती पहा).थोडक्यात, जर सेल पॅटर्नच्या हालचालीचे संकेत देण्यासाठी ग्रिड घटकांमध्ये समाकलित झाला, तर वैयक्तिक ग्रिड आणि ग्रिड उत्तेजनांसाठी (अंतिम स्तंभ, घन वक्र) समान ट्यूनिंग वक्र अपेक्षित आहे.याउलट, जर सेल घटकांच्या दिशानिर्देशांना सिग्नल पॅटर्नच्या गतीमध्ये समाकलित करत नसेल, तर एखाद्याला ग्रेटिंग मोशनच्या प्रत्येक दिशेने शिखरासह द्विपक्षीय ट्युनिंग वक्र अपेक्षित आहे जे एका घटकाचे सेलच्या पसंतीच्या दिशेने (अंतिम स्तंभ, डॅश केलेले वक्र) भाषांतर करते..आकृती 1 आणि 2. 3 आणि 4 मध्ये दर्शविलेल्या पेशींसाठी साइनसॉइडल अॅरेचे अभिमुखता समायोजित करण्यासाठी b (डावीकडे) वक्र (शीर्ष पंक्ती - अंजीर 3a, b आणि 4a,b (शीर्ष) मधील पेशी; तळ पॅनेल - Fig. 3c, d आणि 4a, b (तळाशी) चे पेशी.(मध्यम) जाळीच्या ट्यूनिंग प्रोफाइलवरून मोजलेले नमुना आणि घटक अंदाज.(उजवीकडे) या पेशींचे ग्रिड समायोजित करणे.वरच्या (तळाशी) पॅनेलचे सेल टेम्पलेट (घटक) पेशी म्हणून वर्गीकृत केले आहेत.लक्षात घ्या की पॅटर्न घटकांचे वर्गीकरण आणि सुसंगत/पारदर्शक सेल हालचालीसाठी प्राधान्ये यांच्यात कोणताही एक-टू-वन पत्रव्यवहार नाही (चित्र 4a मध्ये या पेशींसाठी टेक्सचर जाळी प्रतिसाद पहा).c N (डावीकडे) आणि S (उजवीकडे) माकडांमध्ये नोंदवलेल्या सर्व पेशींसाठी z-स्कोअर घटक (अॅब्सिसा) च्या आंशिक सहसंबंध गुणांकाच्या विरूद्ध प्लॉट केलेले z-स्कोअर मोड (ऑर्डिनेट) च्या आंशिक सहसंबंधाचे गुणांक.जाड रेषा पेशींचे वर्गीकरण करण्यासाठी वापरलेले महत्त्व निकष दर्शवतात.d उच्च निवड संभाव्यतेचा प्लॉट (ऑर्डिनेट) विरुद्ध मोड इंडेक्स (Zp – Zc) (abscissa).डाव्या (उजवीकडे) पॅनेलमधील डेटा माकड N(S) चा संदर्भ देते.काळी वर्तुळे अंदाजे एककांमध्ये डेटा दर्शवतात.दोन्ही प्राण्यांमध्ये, उच्च निवड संभाव्यता आणि पॅटर्न इंडेक्स यांच्यात एक महत्त्वपूर्ण सहसंबंध होता, जो एकाधिक घटक अभिमुखतेसह उत्तेजनामध्ये सिग्नल पॅटर्न अभिमुखता असलेल्या पेशींसाठी एक मोठा आकलनीय सहसंबंध सूचित करतो.
म्हणून, एका वेगळ्या चाचणी संचामध्ये, आम्ही आमच्या नमुन्यांमधील न्यूरॉन्सचे PDS किंवा CDS (पद्धती पहा) म्हणून वर्गीकरण करण्यासाठी साइनसॉइडल ग्रिड आणि ग्रिड्सचे प्रतिसाद मोजले.लॅटिस ट्युनिंग वक्र, या ट्यूनिंग डेटावरून तयार केलेले टेम्प्लेट घटक अंदाज आणि आकृती 1 आणि 3 मध्ये दर्शविलेल्या सेलसाठी लॅटिस ट्युनिंग वक्र. आकृती 3 आणि 4 आणि पूरक आकृती 3 आकृती 7b मध्ये दर्शविल्या आहेत.आकृती 7c आणि पूरक अंजीर मध्ये प्रत्येक माकडासाठी नमुना वितरण आणि घटक निवडकता, तसेच प्रत्येक श्रेणीतील प्राधान्यकृत सेल अभिमुखता दर्शविली आहे.अनुक्रमे 4.
नमुना घटकांच्या दुरुस्तीवर CP च्या अवलंबित्वाचे मूल्यांकन करण्यासाठी, आम्ही प्रथम पॅटर्न इंडेक्स 35 (PI) ची गणना केली, ज्याची मोठी (लहान) मूल्ये मोठ्या PDS (CDS) समान वर्तन दर्शवतात.वरील प्रात्यक्षिक दिलेले आहे की: (i) पसंतीच्या सेल अभिमुखता आणि उत्तेजक हालचालीची दिशा यामधील फरकानुसार न्यूरोनल संवेदनशीलता बदलते आणि (ii) आमच्या नमुन्यात न्यूरोनल संवेदनशीलता आणि निवड संभाव्यता यांच्यात महत्त्वपूर्ण संबंध आहे, आम्हाला PI आणि एकूण CP यांच्यातील संबंध आढळला आहे. आम्‍हाला आढळले की CP चा PI (Fig. 7d; भौमितिक सरासरी प्रतिगमन; ग्रँड CP माकड N: r = 0.23, p < 0.01; द्वि-स्थिर CP माकड N r = 0.21, p = 0.013; grand CP माकड S. − 0. 0.013; भव्य CP माकड S: < CP = 0. 0. 0.013; भव्य CP मांकी S: < CP = 0. 0.013; : r = 0.29, p < 10−3), हे दर्शविते की PDS म्हणून वर्गीकृत पेशी CDS आणि अवर्गीकृत पेशींपेक्षा जास्त पसंती-संबंधित क्रियाकलाप प्रदर्शित करतात. आम्‍हाला आढळले की CP चा PI (Fig. 7d; भौमितिक सरासरी प्रतिगमन; ग्रँड CP माकड N: r = 0.23, p < 0.01; द्वि-स्थिर CP माकड N r = 0.21, p = 0.013; grand CP माकड S. − 0. 0.013; भव्य CP माकड S: < CP = 0. 0. 0.013; भव्य CP मांकी S: < CP = 0. 0.013; : r = 0.29, p < 10−3), हे दर्शविते की PDS म्हणून वर्गीकृत पेशी CDS आणि अवर्गीकृत पेशींपेक्षा जास्त पसंती-संबंधित क्रियाकलाप प्रदर्शित करतात. Мы обнаружили, что CP значительно коррелирует с PI (рис. 7d; регрессия среднего геометрического; большая обезьяна, большая обезьяна, б02; <p0r: , б3 CP: ная обезьяна CP N r = 0,21, p = 0,013; большая обезьяна CP S: r = 0,30, p < 10-4; бистабильный CP обезьяны S: r = 0,21, p = 0,013; , что клетки, классифицированные как PDS, проявляли большую активность, связанную с выбором, чем CDS и некласифицированные и некласифицированные. आम्हाला आढळले की CP चा PI (आकृती 7d; भौमितिक सरासरी प्रतिगमन; ग्रेट माकड CP N: r = 0.23, p < 0.01; bistable monkey CP N r = 0.21, p = 0.013; ग्रेट माकड CP S: r = 0.013; ग्रेट माकड CP S: r = 0. CP = 0. 013; CP = 0. 013; 0.29, p < 10-3), हे दर्शविते की PDS म्हणून वर्गीकृत पेशींनी CDS आणि अवर्गीकृत पेशींपेक्षा निवडीशी संबंधित अधिक क्रियाकलाप दर्शविला.我们发现CP 与PI 显着相关（图7d；几何平均回归；大CP 猴N：r = 0.23，p < 0.01；持CP = 0.01； CP = 0.01 .013；大CP 猴S： r = 0.30，p < 10-4；双稳态CP 猴S：r = 0.29，p < 10-3），表戎分类为PDS猞表戎明分的熱園S猞PDS胞表现出更大的选择相关活性. CP 与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1；双稳态CP 猴01 = 2.0p. .0 Мы обнаружили, что CP был значительно связан с PI (рис. 7d; регрессия среднего геометрического; большая обез: был, большая обезительно связан; ильная обезьяна CP N r = 0,21, p = 0,013; большая обезьяна CP S: r = 0,013) 0,30, p < 10-4; आम्हाला आढळले की CP हे PI (आकृती 7d; भौमितिक मध्य प्रतिगमन; महान माकड CP N: r = 0.23, p < 0.01; bistable CP N r = 0.21, p = 0.013; ग्रेट माकड CP S: r = 0.013; <0.010) бистабильный CP обезьяны S: r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как PDS, проявляцированные как PDS, проявляцированные как PDS сть, чем клетки, классифицированные как CDS आणि неклассифицированные. monkey S bistable CP: r = 0.29, p < 10-3), हे दर्शविते की PDS म्हणून वर्गीकृत पेशी CDS म्हणून वर्गीकृत आणि अवर्गीकृत पेशींपेक्षा जास्त निवड क्रियाकलाप प्रदर्शित करतात.PI आणि न्यूरॉन संवेदनशीलता दोन्ही CP शी परस्परसंबंधित असल्यामुळे, परिणामाची शक्यता निर्माण करणार्‍या दोन उपायांमधील परस्परसंबंध नाकारण्यासाठी आम्ही एकाधिक प्रतिगमन विश्लेषणे (स्वतंत्र व्हेरिएबल्स म्हणून PI आणि न्यूरॉन संवेदनशीलता आणि अवलंबून व्हेरिएबल म्हणून मोठ्या CP सह) केली.. दोन्ही आंशिक सहसंबंध गुणांक लक्षणीय होते (माकड N: थ्रेशोल्ड वि. CP: r = −0.13, p = 0.04, PI वि. CP: r = 0.23, p < 0.01; माकड S: थ्रेशोल्ड वि. CP: r = −0.16, p. 0.16, p: r = −0.16, p = 0.3, CP = 0.16, p < 0.01; −3), सूचित करते की CP संवेदनशीलतेसह वाढते आणि स्वतंत्र पद्धतीने PI सह वाढते. दोन्ही आंशिक सहसंबंध गुणांक लक्षणीय होते (माकड N: थ्रेशोल्ड वि. CP: r = −0.13, p = 0.04, PI वि. CP: r = 0.23, p < 0.01; माकड S: थ्रेशोल्ड वि. CP: r = −0.16, p. 0.16, p: r = −0.16, p = 0.3, CP = 0.16, p < 0.01; −3), सूचित करते की CP संवेदनशीलतेसह वाढते आणि स्वतंत्र पद्धतीने PI सह वाढते. Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, PI против, p = 0,04, PI против, 02,0r CP: порог против CP: r = -0,16, p = 0,03, PI vs CP: 0,29, p < 10-3), предполагая, что CP увеличивается с чувствительнельновстьуся ивается с PI. दोन्ही आंशिक सहसंबंध गुणांक लक्षणीय होते (माकड N: थ्रेशोल्ड वि. CP: r=-0.13, p=0.04, PI वि. CP: r=0.23, p<0.01; माकड S: थ्रेशोल्ड वि. CP: r = -0.16, p = 0.16, p = 0.13, PI = 0.13, PI = 0.13, p = 0.13, माकड की CP संवेदनशीलतेसह वाढते आणि PI सह स्वतंत्रपणे वाढते.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.CP：r = 0.23，p <0.CP丘1帴瀚：r = -0.16, p = 0.03, PI वि CP： 0.29, p < 10-3）, 表明CP 随灵敏度增加而增加，并且以独珫頚并且以独珫。两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI = 0.03，PI vs CP：0.29，p <1-0.29，p <1-3CP Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, PI против, p = 0,04, PI против, 02,0r CP: порог против CP: r = -0,16, p = 0,03 , PI против CP: 0,29, p < 10-3), что указывает на то, что CP увеличивалась с чувеличивась с чувеличивалась с чувеличивасть с чувеличивалась независимым образом. दोन्ही आंशिक सहसंबंध गुणांक लक्षणीय होते (माकड N: थ्रेशोल्ड वि. CP: r=-0.13, p=0.04, PI वि. CP: r=0.23, p<0.01; माकड S: थ्रेशोल्ड वि. CP: r = -0.16, p = 0.13, PI = 0.13, PI = 0.13, p = 0.13, p. CP ची संवेदनशीलता वाढली आणि PI सह स्वतंत्रपणे वाढली.
आम्ही एमटी क्षेत्रामध्ये एकच क्रियाकलाप रेकॉर्ड केला आणि माकडांनी नमुन्यांची त्यांची धारणा नोंदवली जी सुसंगत किंवा पारदर्शक हालचाली म्हणून दिसू शकते.पक्षपाती धारणांमध्ये जोडलेल्या विभाजन संकेतांबद्दल न्यूरॉन्सची संवेदनशीलता मोठ्या प्रमाणात बदलते आणि कमीत कमी अंशतः युनिटच्या पसंतीच्या अभिमुखता आणि उत्तेजनाच्या हालचालीची दिशा यांच्यातील संबंधांवरून निश्चित केली जाते.संपूर्ण लोकसंख्येमध्ये, न्यूरोनल संवेदनशीलता सायकोफिजिकल सेन्सिटिव्हिटीपेक्षा लक्षणीयरीत्या कमी होती, जरी सर्वात संवेदनशील युनिट्स सेगमेंटेशन सिग्नलशी वर्तणुकीशी संवेदनशीलता जुळली किंवा ओलांडली.याव्यतिरिक्त, फायरिंग फ्रिक्वेन्सी आणि समज यांच्यात एक महत्त्वपूर्ण सहविभाजन आहे, हे सूचित करते की MT सिग्नलिंग विभाजनामध्ये भूमिका बजावते.प्राधान्यकृत अभिमुखता असलेल्या पेशींनी जाळीच्या विभाजन सिग्नलमधील फरकांबद्दल त्यांची संवेदनशीलता ऑप्टिमाइझ केली आणि उच्च संवेदनात्मक सहसंबंध प्रदर्शित करून, एकाधिक स्थानिक अभिमुखतेसह उत्तेजनांमध्ये जागतिक हालचालींचे संकेत दिले.मागील कामाशी या परिणामांची तुलना करण्यापूर्वी येथे आम्ही काही संभाव्य समस्यांचा विचार करू.
प्राण्यांच्या मॉडेल्समध्ये बिस्टेबल स्टिम्युली वापरून संशोधनातील एक प्रमुख समस्या ही आहे की वर्तनात्मक प्रतिसाद स्वारस्याच्या परिमाणावर आधारित नसू शकतात.उदाहरणार्थ, आमची माकडे जाळीच्या सुसंगततेच्या त्यांच्या समजुतीपासून स्वतंत्रपणे पोत अभिमुखतेची त्यांची धारणा कळवू शकतात.डेटाचे दोन पैलू सूचित करतात की असे नाही.प्रथम, मागील अहवालांच्या अनुषंगाने, विभक्त अॅरे घटकांचे सापेक्ष अभिमुखता कोन बदलल्याने सुसंगत समज होण्याची शक्यता पद्धतशीरपणे बदलली.दुसरे म्हणजे, सरासरी, प्रभाव अशा नमुन्यांसाठी समान असतो ज्यात टेक्सचर सिग्नल असतात किंवा नसतात.एकत्रितपणे घेतल्यास, ही निरीक्षणे सूचित करतात की माकड प्रतिसाद त्यांच्या जोडणी/पारदर्शकतेची धारणा सातत्याने प्रतिबिंबित करतात.
दुसरी संभाव्य समस्या अशी आहे की आम्ही विशिष्ट परिस्थितीसाठी ग्रेटिंग मोशन पॅरामीटर्स ऑप्टिमाइझ केलेले नाहीत.न्यूरोनल आणि सायकोफिजिकल संवेदनशीलतेची तुलना करणार्‍या अनेक मागील कामांमध्ये, प्रत्येक नोंदणीकृत युनिट [31, 32, 34, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45] साठी वैयक्तिकरित्या उत्तेजनांची निवड केली गेली.येथे आम्ही प्रत्येक सेलच्या अभिमुखतेच्या समायोजनाकडे दुर्लक्ष करून जाळीच्या पॅटर्नच्या हालचालीच्या समान दोन दिशा वापरल्या आहेत.या डिझाईनने आम्हाला जाळीच्या हालचाली आणि पसंतीचे अभिमुखता यांच्यातील ओव्हरलॅपसह संवेदनशीलता कशी बदलली याचा अभ्यास करण्यास अनुमती दिली, तथापि, पेशी सुसंगत किंवा पारदर्शक जाळींना प्राधान्य देतात की नाही हे निर्धारित करण्यासाठी ते प्राधान्य देत नाही.म्हणून, जाळीच्या हालचालीच्या प्रत्येक श्रेणीला प्राधान्य आणि शून्य लेबले नियुक्त करण्यासाठी, टेक्सचर जाळीला प्रत्येक सेलचा प्रतिसाद वापरून, आम्ही प्रायोगिक निकषांवर अवलंबून असतो.संभव नसले तरी, हे आमच्या संवेदनशीलता विश्लेषणाचे आणि CP सिग्नल शोधण्याचे परिणाम पद्धतशीरपणे तिरस्कार करू शकते, संभाव्यत: कोणत्याही उपायांचा अतिरेक करत आहे.तथापि, खाली चर्चा केलेले विश्लेषण आणि डेटाचे अनेक पैलू असे सूचित करतात की असे नाही.
प्रथम, अधिक (कमी) क्रियाकलाप प्राप्त करणार्‍या उत्तेजनांना प्राधान्यकृत (शून्य) नावे नियुक्त केल्याने या प्रतिसाद वितरणाच्या भिन्नतेवर परिणाम होत नाही.त्याऐवजी, हे केवळ हे सुनिश्चित करते की न्यूरोमेट्रिक आणि सायकोमेट्रिक फंक्शन्समध्ये समान चिन्हे आहेत, म्हणून त्यांची थेट तुलना केली जाऊ शकते.दुसरे, CP ची गणना करण्यासाठी वापरलेले प्रतिसाद (टेक्श्चर ग्रेटिंगसाठी "चुकीचे" चाचण्या आणि टेक्सचर कॉन्ट्रास्टशिवाय ग्रेटिंगसाठी सर्व चाचण्या) प्रतिगमन विश्लेषणामध्ये समाविष्ट केले गेले नाहीत जे प्रत्येक सेल कनेक्टेड किंवा पारदर्शक खेळांना "प्राधान्य" देते की नाही हे निर्धारित करते.हे सुनिश्चित करते की निवड प्रभाव प्राधान्यकृत/अवैध पदनामांकडे पक्षपाती नसतात, परिणामी निवडीची संभाव्यता लक्षणीय असते.
न्यूजम आणि त्यांच्या सहकाऱ्यांचा अभ्यास [३६, ३९, ४६, ४७] गतीच्या दिशेच्या अंदाजे अंदाजात एमटीची भूमिका निश्चित करणारे पहिले होते.त्यानंतरच्या अहवालांमध्ये ३४,४४,४८,४९,५०,५१ आणि गती ३२,५२, सूक्ष्म अभिमुखता ३३ आणि हालचाली ३१,५३,५४ (३डी शाश्वत जंगले) पासून थ्रीडी संरचनेची धारणा यावरील डेटा संकलित केला आहे.राज्य करणे).आम्ही हे परिणाम दोन महत्त्वाच्या मार्गांनी वाढवतो.प्रथम, आम्ही पुरावे प्रदान करतो की MT प्रतिसाद व्हिज्युओमोटर सिग्नल्सच्या धारणात्मक विभाजनास हातभार लावतात.दुसरे, आम्ही एमटी मोड ओरिएंटेशन निवडकता आणि या निवड सिग्नलमधील संबंध पाहिला.
वैचारिकदृष्ट्या, सध्याचे परिणाम 3-D SFM वरील कार्यासारखेच आहेत, कारण दोन्ही जटिल बिस्टेबल धारणा आहेत ज्यात हालचाल आणि खोलीचा क्रम समाविष्ट आहे.Dodd et al.31 ला बिस्टेबल 3D SFM सिलेंडरच्या रोटेशनल ओरिएंटेशनचा अहवाल देणार्‍या माकड टास्कमध्ये एक मोठी निवड संभाव्यता (0.67) आढळली.आम्हाला बिस्टेबल ग्रिड उत्तेजनांसाठी (दोन्ही माकडांसाठी सुमारे 0.55) एक खूपच लहान निवड प्रभाव आढळला.सीपीचे मूल्यमापन निवड गुणांकावर अवलंबून असल्याने, वेगवेगळ्या कार्यांमध्ये वेगवेगळ्या परिस्थितीत मिळालेल्या सीपीचा अर्थ लावणे कठीण आहे.तथापि, आम्ही पाहिलेल्या निवड प्रभावाची परिमाण शून्य आणि कमी टेक्सचर कॉन्ट्रास्ट ग्रेटिंगसाठी समान होते आणि जेव्हा आम्ही पॉवर वाढवण्यासाठी कमी/नो टेक्सचर कॉन्ट्रास्ट उत्तेजना एकत्र केली तेव्हा देखील.म्हणून, CP मधील हा फरक डेटासेटमधील निवड दरांमधील फरकांमुळे असण्याची शक्यता नाही.
MT फायरिंग रेटमधील माफक बदल जे नंतरच्या प्रकरणात समजूतदार आहेत ते 3-D SFM उत्तेजित होणे आणि बिस्टेबल ग्रिड स्ट्रक्चर्स द्वारे प्रेरित तीव्र आणि गुणात्मक दृष्ट्या भिन्न धारणा स्थितींच्या तुलनेत गोंधळात टाकणारे आहेत.एक शक्यता अशी आहे की उत्तेजकाच्या संपूर्ण कालावधीत गोळीबार दराची गणना करून आम्ही निवड प्रभावाला कमी लेखले आहे.31 3-D SFM च्या बाबतीत, जेथे MT क्रियाकलापातील फरक चाचण्यांमध्ये सुमारे 250 ms विकसित झाला आणि नंतर संपूर्ण चाचण्यांमध्ये सतत वाढला, निवड सिग्नलच्या तात्पुरत्या गतिशीलतेचे आमचे विश्लेषण (दोन्ही माकडांमध्ये उत्तेजना सुरू झाल्यानंतर 500 ms पहा. शिवाय, या कालावधीत CP च्या वाढीच्या कालावधी दरम्यान, CP च्या दरम्यान वाढ झाली आहे. चाचणी. Hupe आणि Rubin55 अहवाल देतात की दीर्घ चाचण्यांदरम्यान बिस्टेबल आयताकृती अॅरेची मानवी धारणा अनेकदा बदलते. जरी आमची उत्तेजकता केवळ 1.5 सेकंदांसाठी सादर केली गेली असली, तरी आमच्या माकडांची समज चाचणी दरम्यान सुसंगततेपासून पारदर्शकतेपर्यंत बदलू शकते (त्यांच्या प्रतिसादांनी क्यू निवडीच्या वेळी त्यांची अंतिम धारणा प्रतिबिंबित केली.) म्हणून, आमच्या अपेक्षित कार्य, प्रतिक्रियेची वेळ किंवा प्रतिक्रियेच्या वेळेची योजना कोणती आहे. एक मोठा निवड प्रभाव आहे. शेवटची शक्यता अशी आहे की दोन कार्यांमध्ये MT सिग्नल वेगळ्या पद्धतीने वाचले जातात. जरी असे मानले जात होते की CPU सिग्नल सेन्सरी डिकोडिंग आणि परस्परसंबंधित आवाजामुळे होतात, 56 Gu आणि सहकारी 57 यांना असे आढळून आले की संगणकीय मॉडेल्समध्ये भिन्न पूलिंग धोरणे, CPU च्या पातळीपेक्षा अधिक चांगल्या प्रकारे स्पष्ट करतात. .शीट बदल अभिमुखता ओळख कार्य (MSTd).आम्ही MT मध्ये पाहिलेला लहान निवड प्रभाव कदाचित सुसंगतता किंवा पारदर्शकतेची धारणा निर्माण करण्यासाठी अनेक कमी-माहितीपूर्ण न्यूरॉन्सचे विस्तृत एकत्रीकरण प्रतिबिंबित करतो.कोणत्याही परिस्थितीत जेथे स्थानिक गतीचे संकेत एक किंवा दोन वस्तूंमध्ये (बिस्टेबल ग्रेटिंग्स) किंवा सामान्य वस्तूंच्या विभक्त पृष्ठभागांमध्ये (3-D SFM) गटबद्ध केले जातील, MT प्रतिसाद लक्षणीयपणे ग्रहणात्मक निर्णयांशी संबंधित असल्याचा स्वतंत्र पुरावा, तेथे मजबूत MT प्रतिसाद होते.व्हिज्युअल मोशन माहितीचा वापर करून जटिल प्रतिमांचे मल्टी-ऑब्जेक्ट सीनमध्ये विभाजन करण्यात भूमिका बजावण्याचा प्रस्ताव आहे.
वर नमूद केल्याप्रमाणे, MT पॅटर्न सेल्युलर अ‍ॅक्टिव्हिटी आणि समज यांच्यातील संबंधाची तक्रार करणारे आम्ही पहिले होतो.मूव्हशॉन आणि सहकाऱ्यांनी मूळ द्वि-स्टेज मॉडेलमध्ये तयार केल्याप्रमाणे, मोड युनिट हे एमटीचे आउटपुट स्टेज आहे.तथापि, अलीकडील कार्याने दर्शविले आहे की मोड आणि घटक पेशी एका निरंतरतेच्या वेगवेगळ्या टोकांचे प्रतिनिधित्व करतात आणि रिसेप्टिव्ह फील्डच्या संरचनेतील पॅरामेट्रिक फरक मोड घटकांच्या ट्यूनिंग स्पेक्ट्रमसाठी जबाबदार आहेत.म्हणून, आम्हाला CP आणि PI यांच्यातील एक महत्त्वपूर्ण सहसंबंध आढळला, जो दुर्बिणीतील विसंगत समायोजन सममिती आणि खोली ओळख कार्यातील CP किंवा सूक्ष्म अभिमुखता भेदभाव कार्यामध्ये अभिमुखता सेटिंग कॉन्फिगरेशनमधील संबंधांसारखा आहे.कागदपत्रे आणि CP 33 मधील संबंध.वांग आणि Movshon62 ने MT अभिमुखता निवडकतेसह मोठ्या संख्येने पेशींचे विश्लेषण केले आणि असे आढळले की, सरासरी, मोड इंडेक्स अनेक ट्युनिंग गुणधर्मांशी संबंधित आहे, असे सूचित करते की MT लोकसंख्येवरून वाचता येण्याजोग्या इतर अनेक प्रकारच्या सिग्नलमध्ये मोड निवडकता अस्तित्वात आहे..म्हणून, MT क्रियाकलाप आणि व्यक्तिपरक धारणा यांच्यातील संबंधांच्या भविष्यातील अभ्यासासाठी, पॅटर्न इंडेक्स इतर कार्य आणि उत्तेजक निवड संकेतांशी समानतेने संबंधित आहे की नाही हे निर्धारित करणे महत्वाचे आहे किंवा हे संबंध ग्रहणात्मक विभाजनाच्या बाबतीत विशिष्ट आहे का.
त्याचप्रमाणे, Nienborg आणि Cumming 42 ला आढळले की जरी V2 मध्ये दुर्बिणीच्या जुळणीसाठी निवडलेल्या जवळच्या आणि दूरच्या पेशी खोलीच्या भेदभावाच्या कार्यात तितक्याच संवेदनशील होत्या, परंतु केवळ जवळच्या-प्राधान्य असलेल्या सेल लोकसंख्येने लक्षणीय CP प्रदर्शित केले.तथापि, माकडांना प्राधान्याने वजन दूरच्या फरकांसाठी पुन्हा प्रशिक्षण दिल्याने अधिक पसंतीच्या पिंजऱ्यांमध्ये लक्षणीय सीपी प्राप्त झाले.इतर अभ्यासांनी असेही नोंदवले आहे की प्रशिक्षण इतिहास 34,40,63 संवेदनात्मक सहसंबंधांवर किंवा MT क्रियाकलाप आणि विभेदक भेदभाव यांच्यातील कार्यकारण संबंधांवर अवलंबून असतो.आम्ही CP आणि पथ्ये दिशा निवडकता यांच्यातील संबंध पाहिलेले असण्याची शक्यता माकडांनी आमच्या समस्येचे निराकरण करण्यासाठी वापरलेली विशिष्ट रणनीती प्रतिबिंबित करते, आणि दृश्य-मोटर आकलनामध्ये मोड निवड सिग्नलची विशिष्ट भूमिका नाही.भविष्यातील कामात, विभाजनाचा निर्णय घेण्यासाठी कोणते MT सिग्नल प्राधान्याने आणि लवचिकपणे भारित केले जातात हे निर्धारित करण्यावर शिक्षण इतिहासाचा महत्त्वपूर्ण प्रभाव आहे की नाही हे निर्धारित करणे महत्त्वाचे असेल.
स्टोनर आणि सहकारी 14,23 हे नोंदवणारे पहिले होते की ओव्हरलॅपिंग ग्रिड क्षेत्रांची चमक बदलल्याने मानवी निरीक्षकांच्या अहवालांची सुसंगतता आणि पारदर्शकता आणि मॅकॅक एमटी न्यूरॉन्समधील दिशात्मक समायोजनांवर परिणाम होतो.लेखकांना असे आढळून आले की जेव्हा आच्छादित क्षेत्रांची चमक भौतिकरित्या पारदर्शकतेशी जुळते तेव्हा निरीक्षकांनी अधिक पारदर्शक धारणा नोंदवली, तर एमटी न्यूरॉन्सने रास्टर घटकांच्या हालचालीचे संकेत दिले.याउलट, जेव्हा आच्छादित चमक आणि पारदर्शक ओव्हरलॅप शारीरिकदृष्ट्या विसंगत असतात, तेव्हा निरीक्षकाला सुसंगत हालचाल जाणवते आणि MT न्यूरॉन्स पॅटर्नच्या जागतिक हालचालीचे संकेत देतात.अशाप्रकारे, या अभ्यासातून असे दिसून येते की व्हिज्युअल उत्तेजनांमध्ये शारीरिक बदल जे सेगमेंटेशन रिपोर्ट्सवर विश्वासार्हपणे प्रभाव टाकतात ते देखील एमटी उत्तेजनामध्ये अंदाजे बदल घडवून आणतात.या क्षेत्रातील अलीकडील कार्याचा शोध लावला आहे की कोणते MT सिग्नल 18,24,64 जटिल उत्तेजकांच्या आकलनीय स्वरूपाचा मागोवा घेतात.उदाहरणार्थ, MT न्यूरॉन्सचा एक उपसंच एका यादृच्छिक बिंदू मोशन मॅप (RDK) मध्ये बिमोडल ट्यूनिंग प्रदर्शित करण्यासाठी दर्शविला गेला आहे ज्यात दोन दिशानिर्देश आहेत जे एक दिशात्मक RDK पेक्षा कमी अंतरावर आहेत.सेल्युलर ट्यूनिंगची बँडविड्थ 19, 25 .निरिक्षक नेहमी पहिल्या पॅटर्नला पारदर्शक हालचाल म्हणून पाहतात, जरी बहुतेक MT न्यूरॉन्स या उत्तेजनांच्या प्रतिसादात एकसमान रूपांतर प्रदर्शित करतात आणि सर्व MT पेशींची साधी सरासरी एकसमान लोकसंख्येला प्रतिसाद देते.अशाप्रकारे, बिमोडल ट्यूनिंग प्रदर्शित करणार्‍या पेशींचा उपसंच या समजासाठी न्यूरल सब्सट्रेट तयार करू शकतो.विशेष म्हणजे, मार्मोसेटमध्ये, पारंपारिक ग्रिड आणि ग्रिड उत्तेजनांचा वापर करून चाचणी केली असता ही लोकसंख्या PDS पेशींशी जुळते.
आमचे परिणाम वरील पेक्षा एक पाऊल पुढे जातात, जे ग्रहणात्मक विभाजनामध्ये MT ची भूमिका स्थापित करण्यासाठी महत्त्वपूर्ण आहेत.खरं तर, विभाजन ही एक व्यक्तिनिष्ठ घटना आहे.अनेक पॉलीस्टेबल व्हिज्युअल डिस्प्ले एकापेक्षा जास्त प्रकारे सतत उत्तेजनांचे आयोजन आणि व्याख्या करण्याची व्हिज्युअल सिस्टमची क्षमता स्पष्ट करतात.एकाच वेळी आमच्या अभ्यासातील न्यूरल प्रतिसाद आणि आकलनीय अहवाल एकत्रित केल्याने आम्हाला एमटी फायरिंग रेट आणि स्थिर उत्तेजनाच्या आकलनीय व्याख्या यांच्यातील सहविभाजन शोधता आले.या संबंधाचे प्रदर्शन केल्यावर, आम्ही मान्य करतो की कार्यकारणभावाची दिशा स्थापित केलेली नाही, म्हणजेच, काही जणांच्या म्हणण्याप्रमाणे [६५, ६६, ६७], आपल्याद्वारे पाळलेले इंद्रियविभाजनाचे सिग्नल स्वयंचलित आहे की नाही हे निर्धारित करण्यासाठी आणखी प्रयोग आवश्यक आहेत.ही प्रक्रिया पुन्हा उच्च क्षेत्र 68, 69, 70 (चित्र 8) पासून संवेदी कॉर्टेक्समध्ये परत येणारे उतरत्या सिग्नल दर्शवते.MSTd71 मधील नमुना-निवडक पेशींच्या मोठ्या प्रमाणाचे अहवाल, MT च्या मुख्य कॉर्टिकल लक्ष्यांपैकी एक, असे सुचविते की MT आणि MSTd च्या एकाचवेळी रेकॉर्डिंग समाविष्ट करण्यासाठी या प्रयोगांचा विस्तार करणे हे समजण्याच्या तंत्रिका तंत्र अधिक समजून घेण्याच्या दिशेने एक चांगले पहिले पाऊल असेल.विभाजन
घटक आणि मोड ओरिएंटेशन सिलेक्टिव्हिटीचे दोन-स्टेज मॉडेल आणि मशीन भाषांतरातील निवड-संबंधित क्रियाकलापांवर टॉप-डाउन फीडबॅकचा संभाव्य प्रभाव.येथे, एमटी स्टेपमधील मोड डायरेक्शन सिलेक्टिव्हिटी (PDS – “P”) (i) विशिष्ट मोड वेगाशी सुसंगत दिशा निवडक इनपुट डेटाचा एक मोठा नमुना आणि (ii) मजबूत ट्यूनिंग सप्रेशन द्वारे तयार केले जाते.मअसुरक्षित प्रतिबंधामुळे दोन्ही लोकसंख्येवर नियंत्रण मिळते.रंगीत बाण प्राधान्यकृत उपकरण अभिमुखता दर्शवतात.स्पष्टतेसाठी, फक्त V1-MT कनेक्शनचा एक उपसंच आणि एक घटक मोड आणि अभिमुखता निवड बॉक्स दर्शविला आहे.आमच्या फीड-फॉरवर्ड (FF) परिणामांचा अर्थ लावण्याच्या संदर्भात, PDS पेशींमध्ये विस्तृत इनपुट सेटिंग आणि मजबूत ट्यूनिंग प्रतिबंध (लाल रंगात हायलाइट केलेले) अनेक हालचालींच्या नमुन्यांच्या प्रतिसादात क्रियाकलापांमध्ये मोठ्या फरकांना प्रेरित केले.आमच्या विभाजनाच्या समस्येमध्ये, हा गट निर्णय साखळी चालवितो आणि समज विकृत करतो.याउलट, फीडबॅक (FB) च्या बाबतीत, संवेदनात्मक डेटा आणि संज्ञानात्मक पूर्वाग्रहांद्वारे अपस्ट्रीम सर्किट्समध्ये धारणात्मक निर्णय व्युत्पन्न केले जातात आणि PDS पेशींवर (जाड रेषा) डाउनस्ट्रीम एफबीचा अधिक प्रभाव निवड सिग्नल व्युत्पन्न करतो.b CDS आणि PDS उपकरणांच्या पर्यायी मॉडेल्सचे योजनाबद्ध प्रतिनिधित्व.येथे MT मधील PDS सिग्नल केवळ V1 च्या थेट इनपुटद्वारेच नाही तर V1-V2-MT मार्गाच्या अप्रत्यक्ष इनपुटद्वारे देखील तयार केले जातात.टेक्सचर सीमांना (ग्रिड ओव्हरलॅपिंग क्षेत्रे) निवडकता देण्यासाठी मॉडेलचे अप्रत्यक्ष मार्ग समायोजित केले जातात.एमटी लेयर सीडीएस मॉड्यूल प्रत्यक्ष आणि अप्रत्यक्ष इनपुटची भारित बेरीज करते आणि पीडीएस मॉड्यूलला आउटपुट पाठवते.PDS स्पर्धात्मक प्रतिबंधाद्वारे नियंत्रित केले जाते.पुन्हा, फक्त ते कनेक्शन दर्शविले आहेत जे मॉडेलचे मूळ आर्किटेक्चर काढण्यासाठी आवश्यक आहेत.येथे, a मध्ये प्रस्तावित केलेल्या पेक्षा भिन्न FF यंत्रणा PDS ला सेल्युलर जाळीच्या प्रतिसादात अधिक परिवर्तनशीलता आणू शकते, ज्यामुळे पुन्हा निर्णय नमुन्यांमध्ये पूर्वाग्रह होऊ शकतो.वैकल्पिकरित्या, PDS पेशींमध्ये जास्त CP अजूनही PDS पेशींशी FB संलग्नक शक्ती किंवा कार्यक्षमतेमध्ये पूर्वाग्रहाचा परिणाम असू शकतो.पुरावे दोन- आणि तीन-टप्प्याचे MT PDS मॉडेल आणि CP FF आणि FB व्याख्यांना समर्थन देतात.
दोन प्रौढ मकाक (मकाका मुलता), एक नर आणि एक मादी (अनुक्रमे 7 आणि 5 वर्षे वयाचे), 4.5 ते 9.0 किलो वजनाचे, अभ्यासासाठी वापरले गेले.सर्व निर्जंतुकीकरण शस्त्रक्रियेच्या प्रयोगांपूर्वी, MT क्षेत्राकडे जाणाऱ्या उभ्या इलेक्ट्रोडसाठी सानुकूल-निर्मित रेकॉर्डिंग चेंबर, स्टेनलेस स्टील हेडरेस्ट स्टँड (क्रिस्ट इन्स्ट्रुमेंट्स, हेगरस्टाउन, MD) आणि मोजलेल्या स्क्लेरल शोध कॉइलसह डोळ्यांच्या स्थितीसह प्राण्यांचे रोपण केले गेले.(कुनर वायर, सॅन दिएगो, कॅलिफोर्निया).सर्व प्रोटोकॉल युनायटेड स्टेट्स डिपार्टमेंट ऑफ अॅग्रीकल्चर (USDA) नियमांचे पालन करतात आणि नॅशनल इन्स्टिट्यूट ऑफ हेल्थ (NIH) च्या मानवीय काळजी आणि प्रयोगशाळेतील प्राण्यांच्या वापरासाठी मार्गदर्शक तत्त्वांचे पालन करतात आणि शिकागो विद्यापीठाच्या संस्थात्मक प्राणी काळजी आणि वापर समितीने (IAUKC) मंजूर केले आहेत.
सर्व व्हिज्युअल उत्तेजना काळ्या किंवा राखाडी पार्श्वभूमीच्या विरूद्ध गोल छिद्रात सादर केल्या गेल्या.रेकॉर्डिंग दरम्यान, इलेक्ट्रोडच्या टोकावरील न्यूरॉन्सच्या शास्त्रीय ग्रहणक्षम क्षेत्रानुसार या छिद्राची स्थिती आणि व्यास समायोजित केले गेले.आम्ही व्हिज्युअल उत्तेजनांच्या दोन विस्तृत श्रेणी वापरल्या: सायकोमेट्रिक उत्तेजना आणि ट्यूनिंग उत्तेजना.
सायकोमेट्रिक स्टिम्युलस हा एक जाळीचा नमुना (20 cd/m2, 50% कॉन्ट्रास्ट, 50% ड्युटी सायकल, 5 अंश/सेकंद) त्यांच्या दिशेला लंब असलेल्या दिशेने वाहणाऱ्या दोन आयताकृती ग्रेटिंग्सला सुपरइम्पोज करून तयार केला जातो (चित्र 1b).यापूर्वी असे दर्शविले गेले आहे की मानवी निरीक्षकांना हे ग्रिड नमुने बिस्टेबल उत्तेजना म्हणून समजतात, काहीवेळा एकाच दिशेने (सुसंगत हालचाल) हलणारे एकच पॅटर्न म्हणून आणि काहीवेळा वेगवेगळ्या दिशेने फिरणारे दोन वेगळे पृष्ठभाग (पारदर्शक हालचाल) म्हणून.जाळीच्या पॅटर्नचे घटक, सममितीय रीतीने ओरिएंट केलेले - जाळींमधील कोन 95° ते 130° पर्यंत आहे (संचातून काढलेले: 95°, 100°, 105°, 115°, 120°, 125°, 130° °, संपूर्ण सत्रात आम्ही 1° पृथक्करण पूर्व 1 ° 1 पेक्षा जास्त 1° पृथक्करण केले नाही. येथे डेटा) - अंदाजे 90° किंवा 270° (नमुना अभिमुखता).प्रत्येक सत्रात, इंटरलॅटिस जाळीचा फक्त एक कोपरा वापरला गेला;प्रत्येक सत्रादरम्यान, प्रत्येक चाचणीसाठी पॅटर्नचे अभिमुखता यादृच्छिकपणे दोन शक्यतांमधून निवडले गेले.
ग्रिडची समज अस्पष्ट करण्यासाठी आणि कृतीसाठी बक्षीस देण्यासाठी एक अनुभवजन्य आधार प्रदान करण्यासाठी, आम्ही प्रत्येक ग्रिड घटकाच्या लाइट बार चरण 72 मध्ये यादृच्छिक बिंदू पोत सादर करतो.यादृच्छिकपणे निवडलेल्या पिक्सेलच्या उपसमूहाची चमक वाढवून किंवा कमी करून (निश्चित रकमेद्वारे) हे साध्य केले जाते (चित्र 1c).टेक्सचर हालचालीची दिशा एक मजबूत सिग्नल देते जी निरीक्षकाची धारणा सुसंगत किंवा पारदर्शक हालचालींकडे वळवते (चित्र 1c).सुसंगत परिस्थितीत, सर्व पोत, टेक्सचरच्या जाळीच्या कव्हरचा कोणता घटक असला तरीही, पॅटर्नच्या दिशेने अनुवादित केले जातात (चित्र 1c, सुसंगत).पारदर्शक अवस्थेत, पोत ते झाकलेल्या जाळीच्या दिशेला लंब सरकते (चित्र 1c, पारदर्शक) (पूरक चित्रपट 1).कार्याची जटिलता नियंत्रित करण्यासाठी, बहुतेक सत्रांमध्ये या टेक्सचर मार्कसाठी मिशेलसन कॉन्ट्रास्ट (Lmax-Lmin/Lmax+Lmin) (-80, -40, -20, -10, -5, 0, 5) च्या संचापेक्षा भिन्न असतो., 10, 20, 40, 80).कॉन्ट्रास्टची व्याख्या रास्टरची सापेक्ष ब्राइटनेस म्हणून केली जाते (म्हणून 80% च्या कॉन्ट्रास्ट मूल्याचा परिणाम 36 किंवा 6 cd/m2 च्या टेक्सचरमध्ये होईल).माकड N मधील 6 सत्रांसाठी आणि माकड S मधील 5 सत्रांसाठी, आम्ही संकीर्ण टेक्सचरल कॉन्ट्रास्ट रेंज (-30, -20, -15, -10, -5, 0, 5, 10, 15, 20, 30) वापरल्या, जिथे सायकोफिजिकल वैशिष्ट्ये समान पॅटर्नचे अनुसरण करतात, पूर्ण-श्रेणी कॉन्ट्रास्ट शिवाय.
ट्यूनिंग स्टिम्युली म्हणजे सायनसॉइडल ग्रिड्स (कॉन्ट्रास्ट 50%, 1 सायकल/डिग्री, 5 डिग्री/सेकंद) 16 पैकी एका दिशेने फिरणारे, किंवा सायनसॉइडल ग्रिड्स या दिशांमध्ये फिरतात (प्रत्येक वरच्या वरच्या वरच्या 135° कोनांचे दोन विरुद्ध 135° कोन असतात).पॅटर्नच्या त्याच दिशेने.