Nature.com ကိုလာရောက်လည်ပတ်တဲ့အတွက် ကျေးဇူးတင်ပါတယ်။ သင်အသုံးပြုနေသောဘရောက်ဆာဗားရှင်းတွင် CSS ပံ့ပိုးမှုအကန့်အသတ်ရှိသည်။ အကောင်းဆုံးအတွေ့အကြုံအတွက်၊ အပ်ဒိတ်လုပ်ထားသောဘရောက်ဆာ (သို့မဟုတ် Internet Explorer တွင် လိုက်ဖက်ညီသောမုဒ်ကိုပိတ်ပါ) ကိုအသုံးပြုရန် ကျွန်ုပ်တို့အကြံပြုအပ်ပါသည်။ ဤအတောအတွင်း၊ ဆက်လက်ပံ့ပိုးမှုသေချာစေရန်၊ ပုံစံများနှင့် JavaScript မပါဘဲ ဝဘ်ဆိုက်ကို တင်ဆက်ပါမည်။
ဆလိုက်သုံးခုကို တစ်ပြိုင်နက်ပြသသည့် အဝိုင်းလေး။ တစ်ကြိမ်လျှင် ဆလိုက်သုံးခုကို ရွှေ့ရန် ယခင်နှင့် နောက်ခလုတ်များကို အသုံးပြုပါ သို့မဟုတ် တစ်ကြိမ်လျှင် ဆလိုက်သုံးခုကို ရွှေ့ရန် အဆုံးရှိ ဆလိုက်ခလုတ်များကို အသုံးပြုပါ။
ကြည်လင်ပြတ်သားသော အမြင်အာရုံသည် အရာဝတ္ထုဂုဏ်သတ္တိများကို ပြန်လည်တည်ဆောက်ရန်အတွက် ကောင်းမွန်သောမြင်လွှာနမူနာနှင့် ပေါင်းစပ်မှု လိုအပ်သည်။ မတူညီသော အရာဝတ္ထုများမှ ဒေသနမူနာများကို ရောနှောသောအခါ တိကျမှု ပျောက်ဆုံးသွားသည်ကို သတိပြုရန် အရေးကြီးပါသည်။ ထို့ကြောင့်၊ အပိုင်းခွဲခြင်း၊ သီးခြားလုပ်ဆောင်ခြင်းအတွက် ရုပ်ပုံတစ်ခု၏ ဧရိယာများကို အုပ်စုခွဲခြင်းသည် ခံယူချက်အတွက် အရေးကြီးပါသည်။ ယခင်အလုပ်တွင်၊ တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသောရွေ့လျားနေသောမျက်နှာပြင်များအဖြစ်ယူဆနိုင်သော bistable ရာဇမတ်ကွက်ဖွဲ့စည်းပုံများကို ဤလုပ်ငန်းစဉ်ကိုလေ့လာရန်အသုံးပြုခဲ့သည်။ ဤတွင်၊ ကျွန်ုပ်တို့သည် primate အမြင်အာရုံလမ်းကြောင်း၏ အလယ်အလတ်ဒေသများရှိ လှုပ်ရှားမှုနှင့် ခွဲထွက်ခြင်းဆိုင်ရာ စီရင်ဆုံးဖြတ်မှုများအကြား ဆက်စပ်မှုကို အစီရင်ခံပါသည်။ အထူးသဖြင့်၊ အလယ်အလတ် ယာယီအာရုံကြောများကို အာရုံစူးစိုက်မှုအား ဦးစားပေးသည့် bistable gratings များ၏ ခံယူချက်အား ပုံပျက်စေရန် အသုံးပြုသည့် texture cues များသည် အထိခိုက်မခံဘဲ စမ်းသပ်မှုများနှင့် မြဲမြံသော လှုံ့ဆော်မှုဆိုင်ရာ သဘောတရားဆိုင်ရာ ခံယူချက်ကြားတွင် သိသာထင်ရှားသော ဆက်စပ်မှုကို ပြသသည်ကို ကျွန်ုပ်တို့ တွေ့ရှိရပါသည်။ ဤဆက်စပ်ဆက်နွယ်မှုသည် ဒေသဆိုင်ရာလမ်းညွှန်ချက်များစွာဖြင့် ကမ္ဘာလုံးဆိုင်ရာလှုပ်ရှားမှုကို အချက်ပြသည့် ယူနစ်များတွင် ပိုကြီးသည်။ ထို့ကြောင့်၊ အလယ်အလတ်အချိန်ဒိုမိန်းတွင် ရှုပ်ထွေးသောမြင်ကွင်းများကို ပေါင်းစပ်အရာဝတ္ထုများနှင့် မျက်နှာပြင်များအဖြစ် ခွဲခြားရန်အသုံးပြုသည့် အချက်ပြမှုများပါရှိသည်ကို ကျွန်ုပ်တို့ကောက်ချက်ချပါသည်။
ရူပါရုံသည် အစွန်းအထင်းနှင့် အမြန်နှုန်းကဲ့သို့သော အခြေခံရုပ်ပုံသွင်ပြင်လက္ခဏာများကို တိကျစွာခွဲခြားဆက်ဆံခြင်းအပေါ်တွင်သာမက၊ အရာဝတ္ထုပုံသဏ္ဍာန်နှင့် လမ်းကြောင်း ၁ ကဲ့သို့သော ပတ်ဝန်းကျင်ဂုဏ်သတ္တိများကို တွက်ချက်ရန် ဤဝိသေသလက္ခဏာများ၏ မှန်ကန်သောပေါင်းစပ်မှုအပေါ်တွင် ပို၍အရေးကြီးပါသည်။ သို့သော်၊ မြင်လွှာပုံများသည် အညီအမျှ ဖြစ်နိုင်ချေရှိသော အင်္ဂါရပ်အုပ်စု 2၊ 3၊ 4 (ပုံ. 1a) အများအပြားကို ပံ့ပိုးပေးသောအခါ ပြဿနာများ ဖြစ်ပေါ်လာပါသည်။ ဥပမာအားဖြင့်၊ မြန်နှုန်းအချက်ပြမှု နှစ်စုံသည် အလွန်နီးကပ်သောအခါ၊ ၎င်းကို ရွေ့လျားနေသော အရာတစ်ခု သို့မဟုတ် ရွေ့လျားနေသော အရာများစွာ (ပုံ-၁ခ) အဖြစ် ကျိုးကြောင်းဆီလျော်စွာ အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်ပါသည်။ ၎င်းသည် ရုပ်ပုံ၏ ပုံသေပိုင်ဆိုင်မှုမဟုတ်သော်လည်း အဓိပ္ပါယ်ပြန်ဆိုခြင်းလုပ်ငန်းစဉ်တစ်ခုဖြစ်သည်။ ပုံမှန်ခံယူချက်အတွက် သိသာထင်ရှားသော အရေးပါသော်လည်း၊ အာရုံခံစားမှုပိုင်းခွဲခြင်း၏ အာရုံကြောအခြေခံကို ကျွန်ုပ်တို့၏နားလည်မှုသည် အကောင်းဆုံးတွင် မပြည့်စုံသေးပါ။
ခံယူချက်ဆိုင်ရာ အပိုင်းခွဲခြင်းပြဿနာ ကာတွန်းသရုပ်ဖော်ပုံ။ Necker cube (ဘယ်ဘက်) ရှိ အတိမ်အနက်ကို အကဲခတ်သူတစ်ဦး၏ ခံယူချက်သည် ဖြစ်နိုင်ချေရှိသော ရှင်းပြချက်နှစ်ခု (ညာဘက်) အကြား လှည့်ပတ်နေသည်။ အဘယ်ကြောင့်ဆိုသော် ဦးနှောက်သည် ပုံ၏ 3D orientation (ညာဘက်ရှိ monocular occlusion signal မှပံ့ပိုးပေးသည်) ကို ထူးခြားစွာဆုံးဖြတ်ရန် ရုပ်ပုံတွင် အချက်ပြမှုများမရှိသောကြောင့်ဖြစ်သည်။ b အများအပြားရွေ့လျားမှုအချက်ပြမှုများကို spatial proximity တွင်ပြသသောအခါ၊ ဒေသဆိုင်ရာနမူနာများသည် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော အရာဝတ္ထုများမှဖြစ်မဖြစ် ရူပါရုံစနစ်က ဆုံးဖြတ်ရမည်ဖြစ်သည်။ ဒေသဆိုင်ရာ ရွေ့လျားမှု အချက်ပြမှုများ၏ မွေးရာပါ မရှင်းလင်းမှုများ၊ ဆိုလိုသည်မှာ အရာဝတ္ထု ရွေ့လျားမှုများ၏ အစီအစဥ်သည် တူညီသော ဒေသဆိုင်ရာ ရွေ့လျားမှုကို ဖြစ်ပေါ်စေနိုင်ပြီး၊ ဆိုလိုသည်မှာ ဤနေရာတွင် ကွက်လပ်များသည် မျက်နှာပြင်တစ်ခုတည်း၏ ပေါင်းစပ်ရွေ့လျားမှု သို့မဟုတ် ထပ်နေသော မျက်နှာပြင်များ၏ ပွင့်လင်းမြင်သာသော ရွေ့လျားမှုမှ ဖြစ်ပေါ်လာနိုင်သည်။ c (ဘယ်ဘက်) ကျွန်ုပ်တို့၏ဖွဲ့စည်းပုံဇယားကွက်နှိုးဆွမှု ဥပမာ။ စတုဂံဆန်ခါများသည် ၎င်းတို့၏ဦးတည်ချက်ဆီသို့ (“အစိတ်အပိုင်းလမ်းညွှန်များ” – အဖြူရောင်မြှားများ) သည် ဆန်ခါပုံစံတစ်ခုအဖြစ် တစ်ခုနှင့်တစ်ခု ထပ်နေပါသည်။ ရာဇမတ်ကွက်ကို တစ်ခုတည်း၊ ပုံမှန်၊ ချိတ်ဆက်ထားသော လမ်းကြောင်းများ၏ ရွေ့လျားမှု (အနီရောင်မြှားများ) သို့မဟုတ် ဒြပ်ပေါင်းလမ်းညွှန်များ၏ ပွင့်လင်းမြင်သာသော ရွေ့လျားမှုအဖြစ် ထင်မြင်နိုင်သည်။ ကျပန်းပွိုင့်ပုံစံ သင်္ကေတများ ပေါင်းထည့်ခြင်းဖြင့် ရာဇမတ်ကွက်များ၏ ခံယူချက်သည် ပုံပျက်နေသည်။ (အလယ်) အဝါရောင်ဖြင့် မီးမောင်းထိုးပြထားသည့် ဧရိယာကို ပေါင်းစပ်ပြီး ဖောက်ထွင်းမြင်နိုင်သော အချက်ပြမှုများအတွက် ဘောင်များအဖြစ် ချဲ့ထွင်ထားသည်။ ကိစ္စတစ်ခုစီတွင် အစက်၏ရွေ့လျားမှုကို အစိမ်းရောင်နှင့် အနီရောင်မြှားများဖြင့် ကိုယ်စားပြုသည်။ (ညာဘက်) ရွေးချယ်မှုအမှတ်၏ အနေအထား (x၊ y) ၏ ဂရပ်ဖစ်သည် ဖရိမ်အရေအတွက်နှင့် ယှဉ်သည်။ ပေါင်းစပ်ကိစ္စတွင်၊ အသွင်အပြင်အားလုံးသည် တူညီသော ဦးတည်ရာသို့ ရွေ့လျားနေသည်။ ပွင့်လင်းမြင်သာမှုကိစ္စတွင်၊ texture သည် အစိတ်အပိုင်း၏ ဦးတည်ရာသို့ ရွေ့လျားသည်။ d ကျွန်ုပ်တို့၏ လှုပ်ရှားမှု အပိုင်းခွဲခြင်းဆိုင်ရာ ကာတွန်းသရုပ်ဖော်ပုံ။ မျောက်များသည် အစက်ငယ်တစ်ခုကို ပြုပြင်ခြင်းဖြင့် စမ်းသပ်မှုတစ်ခုစီကို စတင်ခဲ့သည်။ ခဏနှောင့်နှေးပြီးနောက်၊ MT RF ၏တည်နေရာတွင် အချို့သောဆန်ခါပုံစံ (အစပ်/မြင်သာမှု) နှင့် texture signal size (ဥပမာ ဆန့်ကျင်ဘက်) ပေါ်လာသည်။ စမ်းသပ်မှုတစ်ခုစီတွင်၊ ဆန်ခါသည် ပုံစံ၏ ဖြစ်နိုင်ခြေရှိသော လမ်းကြောင်းနှစ်ခုအနက်မှ တစ်ခုသို့ လွင့်သွားနိုင်သည်။ လှုံ့ဆော်မှုရုပ်သိမ်းပြီးနောက်၊ ရွေးချယ်ရေးပစ်မှတ်များသည် MT RF ၏အထက်နှင့်အောက်တွင် ပေါ်လာသည်။ မျောက်များသည် သင့်လျော်သောရွေးချယ်မှုပစ်မှတ်သို့ saccades တွင်သူတို့၏ခံယူချက်ကိုညွှန်ပြရမည်ဖြစ်သည်။
အမြင်အာရုံလှုပ်ရှားမှုများကို လုပ်ဆောင်ခြင်းသည် ကောင်းမွန်သောသွင်ပြင်လက္ခဏာဖြစ်ပြီး ထို့ကြောင့် အာရုံခံဆားကစ်များကို လေ့လာခြင်းအတွက် အကောင်းဆုံးပုံစံကို ပေးဆောင်သည်။ ကွန်ပြူတာလေ့လာမှုများစွာသည် ဆူညံသံများကိုဖယ်ရှားပြီး အရာဝတ္ထုအလျင်ကိုပြန်လည်ရယူရန်အတွက် ဆူညံသံများကိုဖယ်ရှားရန်နှင့် အရာဝတ္ထုအလျင်ကိုပြန်လည်ရယူရန်အတွက် မြင့်မားသောအရည်အသွေး ကနဦးခန့်မှန်းချက်အား ဒေသဆိုင်ရာနမူနာများကိုရွေးချယ်ပေါင်းစပ်ခြင်းဖြင့် နောက်တွင် အဆင့်နှစ်ဆင့်ရွေ့လျားမှုလုပ်ဆောင်ခြင်းပုံစံများကို မှတ်သားထားသည်။ အမြင်အာရုံစနစ်များသည် ဤအစုအဝေးကို သာမန်အရာဝတ္ထုများမှ ဒေသနမူနာများကိုသာ ကန့်သတ်ထားရန် အရေးကြီးကြောင်း မှတ်သားထားရန် အရေးကြီးပါသည်။ စိတ်ပိုင်းဆိုင်ရာ လေ့လာမှုများက ဒေသဆိုင်ရာ ရွေ့လျားမှု အချက်ပြမှုများကို အပိုင်းပိုင်းခွဲထားပုံအပေါ် သြဇာသက်ရောက်သည့် ရုပ်ပိုင်းဆိုင်ရာ အကြောင်းရင်းများကို ဖော်ပြခဲ့သော်လည်း ခန္ဓာဗေဒဆိုင်ရာ လမ်းကြောင်းများနှင့် အာရုံကြောကုဒ်များ၏ ပုံသဏ္ဍာန်သည် မေးခွန်းထုတ်စရာများ ရှိနေဆဲဖြစ်သည်။ primate Cortex ၏ temporal (MT) ဧရိယာရှိ orientation-selective cells များသည် အာရုံကြောအလွှာအတွက် ကိုယ်စားလှယ်လောင်းများဖြစ်ကြောင်း အစီရင်ခံစာအများအပြားက အကြံပြုထားသည်။
အရေးကြီးသည်မှာ၊ ဤယခင်စမ်းသပ်မှုများတွင်၊ အာရုံကြောလှုပ်ရှားမှုပြောင်းလဲမှုများသည် အမြင်အာရုံလှုံ့ဆော်မှုဆိုင်ရာ ရုပ်ပိုင်းဆိုင်ရာပြောင်းလဲမှုများနှင့် ဆက်နွယ်နေပါသည်။ သို့ရာတွင်၊ အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း အပိုင်းခွဲခြင်းသည် အခြေခံအားဖြင့် သိမြင်နိုင်သော လုပ်ငန်းစဉ်တစ်ခုဖြစ်သည်။ ထို့ကြောင့်၊ ၎င်း၏အာရုံကြောအလွှာကိုလေ့လာခြင်းသည် အာရုံကြောလှုပ်ရှားမှုပြောင်းလဲမှုများကို ပုံသေလှုံ့ဆော်မှု၏ခံယူချက်ပြောင်းလဲမှုများနှင့် ချိတ်ဆက်ရန်လိုအပ်သည်။ ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် မျက်နှာပြင်တစ်ခုတည်း သို့မဟုတ် အမှီအခိုကင်းသော မျက်နှာပြင် နှစ်ခုဖြင့် ပြုလုပ်ထားသော ဘီစတုဂံဆန်ခါများဟု ယူဆနိုင်သော ဘီစတုဂံဆန်ခါပုံစံကို သိရှိနိုင်ရန် မျောက်နှစ်ကောင်အား လေ့ကျင့်ပေးထားပါသည်။ အာရုံကြောဆိုင်ရာ လုပ်ဆောင်ချက်နှင့် အပိုင်းပိုင်းခွဲခြင်းဆိုင်ရာ စီရင်ချက်များအကြား ဆက်စပ်မှုကို လေ့လာရန်၊ မျောက်များသည် ဤတာဝန်ကို လုပ်ဆောင်သည့်အခါ MT တွင် တစ်ခုတည်းသော လုပ်ဆောင်ချက်ကို မှတ်တမ်းတင်ခဲ့သည်။
MT လှုပ်ရှားမှုနှင့် ခံယူချက်ကို လေ့လာခြင်းကြားတွင် သိသာထင်ရှားသော ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ လှုံ့ဆော်မှုတွင် ကွဲပြားသော အပိုင်းခွဲခြင်းအချက်များ ပါဝင်ခြင်း ရှိ၊ မရှိ ဤဆက်စပ်မှု တည်ရှိခဲ့သည်။ ထို့အပြင်၊ ဤအကျိုးသက်ရောက်မှုသည် segmentation signals များကို sensitivity နှင့် pattern index တို့နှင့် ဆက်စပ်နေပါသည်။ နောက်ဆုံးတွင် ရှုပ်ထွေးသောပုံစံများဖြင့် ဒေသတွင်းလှုပ်ရှားမှုများထက် ယူနစ်မှ ကမ္ဘာကိုဖြာထွက်သည့်အတိုင်းအတာကို တွက်ချက်သည်။ ဖက်ရှင်ဦးတည်ချက်အတွက် ရွေးချယ်မှုအား MT ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်တစ်ခုအဖြစ် ကာလကြာရှည်စွာ အသိအမှတ်ပြုခံခဲ့ရသော်လည်း၊ ဖက်ရှင်ရွေးချယ်မှုဆဲလ်များသည် ထိုလှုံ့ဆော်မှုအပေါ် လူသား၏ခံယူချက်နှင့်ကိုက်ညီသော ရှုပ်ထွေးသောလှုံ့ဆော်မှုများကို ညှိယူခြင်းကို ပြသသည်၊ ကျွန်ုပ်တို့၏အသိဆုံးအနေဖြင့်၊ ၎င်းသည် ပုံစံများကြားဆက်စပ်မှုအတွက် ပထမဆုံးသက်သေဖြစ်သည်။ အညွှန်းကိန်းနှင့် သိမြင်နိုင်သော အပိုင်း။
ရွေ့လျားနေသော ဇယားကွက် လှုံ့ဆော်မှု (အဆက်အစပ် သို့မဟုတ် ဖောက်ထွင်းမြင်ရသော လှုပ်ရှားမှုများ) ကို သရုပ်ပြရန် မျောက်နှစ်ကောင်ကို ကျွန်ုပ်တို့ လေ့ကျင့်ပေးခဲ့ပါသည်။ လူ့အကဲခတ်သူများသည် အဆိုပါလှုံ့ဆော်မှုအား ခန့်မှန်းခြေအားဖြင့် တူညီသောကြိမ်နှုန်း၏ ပေါင်းစပ်မှု သို့မဟုတ် ပွင့်လင်းမြင်သာသောလှုပ်ရှားမှုများအဖြစ် ရှုမြင်ကြသည်။ ဤစမ်းသပ်မှုတွင် မှန်ကန်သောအဖြေကို ပေးဆောင်ပြီး လည်ပတ်သူဆုကြေးငွေအတွက် အခြေခံသတ်မှတ်နိုင်ရန်၊ ကျွန်ုပ်တို့သည် ကွက်တိပ်ပုံစံဖြစ်စေသော အစိတ်အပိုင်း၏ raster ကို စာသားဖြင့်ရိုက်ခြင်းဖြင့် အပိုင်းခွဲခြင်းအချက်ပြမှုများကို ဖန်တီးခဲ့သည် (ပုံ။ 1c၊ ဃ)။ ညီညွတ်သောအခြေအနေများအောက်တွင်၊ ပုံသဏ္ဍာန်အားလုံးသည် ပုံစံ၏ဦးတည်ရာသို့ ရွေ့လျားသည် (ပုံ. 1c၊ "ပေါင်းစပ်")။ ဖောက်ထွင်းမြင်ရသည့် အခြေအနေတွင်၊ မျက်နှာပြင်သည် ၎င်းကို ပေါင်းတင်ထားသည့် ဆန်ခါ၏ ဦးတည်ရာသို့ ထောင့်မှန်ရွေ့လျားသည် (ပုံ။ 1c၊ "ဖောက်ထွင်းမြင်ရသော")။ ဤ texture အညွှန်း၏ ဆန့်ကျင်ဘက်များကို ပြောင်းလဲခြင်းဖြင့် အလုပ်၏အခက်အခဲကို ကျွန်ုပ်တို့ ထိန်းချုပ်ပါသည်။ စမ်းသပ်မှုများတွင်၊ မျောက်များကို texture cues များနှင့်သက်ဆိုင်သော တုံ့ပြန်မှုများအတွက် ဆုချီးမြှင့်ခံရပြီး texture cues မပါဘဲ ပုံစံများပါရှိသော စမ်းသပ်မှုများတွင် ဆုလာဘ်များ (50/50 odds) ကို ကျပန်းပေးပါသည်။
ကိုယ်စားပြုစမ်းသပ်မှုနှစ်ခုမှ အပြုအမူဆိုင်ရာဒေတာကို ပုံ 2a တွင်ပြသထားပြီး တုံ့ပြန်မှုများကို အချိုးအဆက်နှင့် ဆန့်ကျင်ဘက်အချက်ပြမှုများ၏ အချိုးအဆအဖြစ် စီစဥ်ထားသည် (ပွင့်လင်းမြင်သာမှုဆန့်ကျင်ဘက်သည် အနှုတ်လက္ခဏာဟုယူဆသည်) အသီးသီးအတက်အဆင်းပြုလုပ်သောပုံစံများအတွက် အတက်အဆင်းပြုလုပ်သည်။ ယေဘုယျအားဖြင့်၊ မျောက်များ၏ ဆက်စပ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် ရှုမြင်မှုသည် နိမိတ်လက္ခဏာ (ပွင့်လင်းမြင်သာမှု၊ ပေါင်းစပ်မှု) နှင့် အသွင်အပြင် cue (ANOVA; မျောက် N: ဦးတည်ချက် – F = 0.58၊ p = 0.45၊ နိမိတ် – F = 1248၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 0.58) မျောက် = 10−10; ဦးတည်ချက် – F = 0.41၊ p = 0.52၊ သင်္ကေတ – F = 2876.7၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 36.5၊ p < 10−10)။ ယေဘုယျအားဖြင့်၊ မျောက်များ၏ ဆက်စပ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် ရှုမြင်မှုသည် နိမိတ်လက္ခဏာ (ဖောက်ထွင်းမြင်နိုင်သော၊ ပေါင်းစပ်မှု) နှင့် ခိုင်ခံ့မှု (ဆန့်ကျင်ဘက်) (ANOVA; မျောက် N: ဦးတည်ချက် – F = 0.58၊ p = 0.45၊ နိမိတ် – F = 1248၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 0.58) မျောက် S- ဦးတည်ချက် – F = 0.41၊ p = 0.52၊ သင်္ကေတ – F = 2876.7၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 36.5၊ p < 10−10)။ В целом на восприятие обезьянами когерентности/прозрачности достоверно влияли как знак (прозрачности)၊ и сила (контрастность) текстурного признака (ANOVA; обезьяна N: направление — F = 0.58, p = 0.45, знак — F = 1248, F = 1248, p = 22,63, p < 10; −10 обезьяна S: направление – F = 0,41, p = 0,52, признак – F = 2876,7, p < 10−10, контра6) , <1-1, F = 3). ယေဘုယျအားဖြင့်၊ မျောက်များ၏ ဆက်စပ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် ရှုမြင်မှုသည် အသွင်အပြင်လက္ခဏာ (ပွင့်လင်းမြင်သာမှု၊ ပေါင်းစပ်မှု) နှင့် အသွင်အပြင် (ANOVA; မျောက် N: ဦးတည်ချက် — F = 0.58၊ p = 0.45၊ သင်္ကေတ — F = 1248၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F မျောက် = 10−13၊ p20−13)။ S- ဦးတည်ချက် – F = 0.41၊ p = 0.52၊ သင်္ကေတ – F = 2876.7၊ p < 10 −10၊ ဆန့်ကျင်ဘက် – 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猴子S: 方向– F = 0.45度၊ p = 0.45子၊ 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，p < 10-10)။ယေဘူယျအားဖြင့်၊ မျောက်တို့၏ ပေါင်းစပ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် ခံယူချက်သည် အသွင်အပြင်အချက်ပြမှုများ (ANOVA) ၏ နိမိတ်လက္ခဏာ (ပွင့်လင်းမြင်သာမှု၊ ပေါင်းစပ်မှု) နှင့် ပြင်းထန်မှု (ဆန့်ကျင်ဘက်) တို့မှ သိသိသာသာ သက်ရောက်မှုရှိသည်။обезьяна N: ориентация – F = 0.58, p = 0.45, знак – F = 1248, p < 10−10, Контрастность — F = 22,63, p < 10; မျောက် N- တိမ်းညွတ်မှု – F = 0.58၊ p = 0.45၊ လက္ခဏာ – F = 1248၊ p < 10−10၊ ဆန့်ကျင်ဘက် – 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 Monkey S- ဦးတည်ချက် – F = 0.41၊ p = 0.52၊ ဆိုင်းဘုတ် – F = 2876.7၊ p < 10-10၊ ဆန့်ကျင်ဘက် – F = 36.5၊ p < 10-10)။မျောက်များ၏ စိတ်ပိုင်းဆိုင်ရာ ဝိသေသလက္ခဏာများကို ဖော်ပြရန်အတွက် စက်ရှင်တစ်ခုစီမှ အချက်အလက်များတွင် Gaussian စုစည်းမှုလုပ်ဆောင်ချက်များကို ထည့်သွင်းထားသည်။ သဖန်းသီးပေါ်မှာ။ 2b သည် မျောက်နှစ်ကောင်စလုံးအတွက် စက်ရှင်အားလုံးအတွက် ဤမော်ဒယ်များအတွက် သဘောတူညီချက်ကို ဖြန့်ဝေမှုကို ပြသသည်။ ယေဘုယျအားဖြင့်၊ မျောက်များသည် လုပ်ငန်းတာဝန်ကို တိကျစွာနှင့် တသမတ်တည်း ပြီးမြောက်ခဲ့ပြီး တိုးပွားလာသော Gaussian မော်ဒယ်နှင့် မကိုက်ညီသောကြောင့် မျောက်နှစ်ကောင်၏ 13% ထက်နည်းသော အစည်းအဝေးများကို ကျွန်ုပ်တို့ ငြင်းပယ်ခဲ့သည်။
ကိုယ်စားလှယ်အစည်းအဝေးများတွင် မျောက်များ၏အပြုအမူနမူနာများ (n ≥ 20 စမ်းသပ်မှုနှုန်း နှိုးဆွမှုအခြေအနေ)။ ဘယ် (ညာ) အကန့်များတွင်၊ N(S) မျောက်စက်ရှင်တစ်ခုမှ ဒေတာကို ပေါင်းစပ်ရွေးချယ်မှုရမှတ်များ (ordinate) နှင့် texture signals (abscissa) တို့၏ ဆန့်ကျင်ဘက်လက္ခဏာများ (abscissa) မှ ပေါင်းစပ်ထားသော ရွေးချယ်မှုရမှတ်များအဖြစ် ကွက်တိစီစဉ်ထားသည်။ ဤနေရာတွင် ဖောက်ထွင်းမြင်နိုင်သော (ပေါင်းစပ်) အသွင်အပြင်များသည် အနုတ်လက္ခဏာ (အပြုသဘော) တန်ဖိုးများရှိသည်ဟု ယူဆပါသည်။ စမ်းသပ်မှုတွင် တုံ့ပြန်မှုများကို ပုံစံ (90°) သို့မဟုတ် အောက် (270°)) ၏ ရွေ့လျားမှု လမ်းညွှန်ချက်နှင့်အညီ သီးခြားစီ တည်ဆောက်ထားသည်။ တိရစ္ဆာန်နှစ်မျိုးလုံးအတွက်၊ တုံ့ပြန်မှုကို 50/50 ဆန့်ကျင်ဘက် (PSE – အစိုင်အခဲမြှားများ) ဖြင့် ပိုင်းခြားထားခြင်းရှိမရှိ သို့မဟုတ် စွမ်းဆောင်ရည်အချို့ (threshold – open arrows) ကို ပံ့ပိုးရန် လိုအပ်သော အသွင်အပြင်ပိုင်းခြားနားမှုပမာဏသည် ဤရွေ့လျားမှုလမ်းကြောင်းများတွင် ရှိနေသည်။ b Gaussian စုစည်းမှုလုပ်ဆောင်ချက်၏ R2 တန်ဖိုးများကို တပ်ဆင်ထားသည့် ဟစ်စတိုဂရမ်။ Monkey S(N) ဒေတာကို ဘယ် (ညာ) တွင် ပြထားသည်။ c (ထိပ်ပိုင်း) PSE တိုင်းတာသည့်ဇယားကွက်အတွက် အောက်သို့ပြောင်းသည် (ordinate) PSE နှင့် နှိုင်းယှဉ်ထားသည့် PSE သည် အခြေအနေတစ်ခုစီအတွက် PSE ဖြန့်ဖြူးမှုကို ကိုယ်စားပြုသော အစွန်းများနှင့် အခြေအနေတိုင်းအတွက် ပျမ်းမျှညွှန်ပြသော မြှားများဖြင့် ဇယားကွက် (abscissa) ကို ရွှေ့ထားသည်။ N(S) မျောက်ဆက်ရှင်များအားလုံးအတွက် ဒေတာကို ဘယ် (ညာ) ကော်လံတွင် ပေးထားသည်။ (အောက်ခြေ) PSE ဒေတာအတွက် ကွန်ဗင်းရှင်းနှင့် တူညီသော်လည်း တပ်ဆင်ထားသော အင်္ဂါရပ်သတ်မှတ်ချက်များအတွက်။ PSE သတ်မှတ်ချက်များ သို့မဟုတ် ဖက်ရှင်ခေတ်ရေစီးကြောင်းများတွင် သိသာထင်ရှားသော ကွာခြားချက်များမရှိပါ (စာသားကိုကြည့်ပါ)။ d PSE နှင့် slope (ordinate) တို့သည် angular ပိုင်းခြားခြင်းအစိတ်အပိုင်း (“integral grating angle” – abscissa) ၏ ပုံမှန် raster orientation ပေါ် မူတည်၍ ပုံဖော်ထားသည်။ အဖွင့်အဝိုင်းများသည် ဆိုလိုသည်မှာ၊ အစိုင်အခဲမျဉ်းသည် အသင့်လျော်ဆုံး ဆုတ်ယုတ်မှုပုံစံဖြစ်ပြီး၊ အစက်ချမျဉ်းသည် ဆုတ်ယုတ်မှုပုံစံအတွက် 95% ယုံကြည်မှုကြားကာလဖြစ်သည်။ PSE နှင့် normalized integration angle အကြား သိသာထင်ရှားသော ဆက်စပ်မှုရှိသည်၊ သို့သော် slope နှင့် normalized integration angle သည် အစိတ်အပိုင်းများကို lattices များကို ပိုင်းခြားထားသောကြောင့် ထောင့်သည် အစိတ်အပိုင်းများကို ပြားပြားများကို ပိုင်းခြားထားသောကြောင့် စိတ်ပိုင်းဆိုင်ရာလုပ်ဆောင်ချက်သည် ပြောင်းလဲသွားသည်ဟု အကြံပြုထားသည်။ (မျောက် N၊ n = 32 sessions; Monkey S, n = 43 sessions)။ အကန့်များအားလုံးတွင်၊ အမှားအယွင်းဘားများသည် ဆိုလိုခြင်း၏စံအမှားကို ကိုယ်စားပြုသည်။ ဟား။ ကွက်တိ၊ PSE ဘာသာရပ်ဆိုင်ရာ တန်းတူညီမျှမှု ရမှတ်၊ စံ။ စံသတ်မှတ်ချက်။
အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း၊ ပေးထားသောစမ်းသပ်မှုတစ်ခုတွင် လှုံ့ဆော်မှုများသည် အပေါ် သို့မဟုတ် အောက်သို့ လွင့်ပါသွားသဖြင့် စမ်းသပ်မှုတစ်လျှောက် ပုံစံ၏ ရွေ့လျားမှုလမ်းကြောင်းနှင့် ပုံစံ၏ ဆန့်ကျင်ဘက်နှစ်ခုစလုံးသည် မတူညီပါ။ ၎င်းသည် psychophysical11 နှင့် neuronal28 adaptive သက်ရောက်မှုများကိုလျှော့ချရန်လုပ်ဆောင်သည်။ ပုံစံ တိမ်းညွှတ်မှုနှင့် ဘက်လိုက်မှု (ဘာသာရပ်ဆိုင်ရာ တန်းတူညီမျှမှုအမှတ် သို့မဟုတ် PSE) (Wilcoxon အဆင့် sum test; monkey N: z = 0.25၊ p = 0.8; မျောက် S: z = 0.86၊ p = 0.39) သို့မဟုတ် တပ်ဆင်ထားသော လုပ်ဆောင်ချက် တံခါးခုံ (Wilcoxon အဆင့်များ ပေါင်းလဒ်; မျောက် N: 10, z = 0, မျောက်. 0.49, p = 0.62) (ပုံ။ 2c) ။ ထို့အပြင်၊ စွမ်းဆောင်ရည် သတ်မှတ်ချက် အဆင့်များကို ထိန်းသိမ်းရန် လိုအပ်သော အသွင်အပြင် ကွာခြားမှု အတိုင်းအတာတွင် မျောက်များကြား သိသာထင်ရှားသော ကွာခြားမှု မရှိပါ (N မျောက် = 24.5% ± 3.9%, S မျောက် = 18.9% ± 1.9%; Wilcoxon အဆင့် sum , z = 1.01, p = 0.31)။
စက်ရှင်တစ်ခုစီတွင်၊ ကျွန်ုပ်တို့သည် အစိတ်အပိုင်း ကွက်လပ်များကို ပိုင်းခြားထားသော interlattice angle ကို ပြောင်းလဲခဲ့သည်။ စိတ်ပိုင်းဆိုင်ရာ လေ့လာမှုများအရ လူများသည် ဤထောင့်သေးငယ်သောအခါတွင် cell 10 ကို ချိတ်ဆက်ထားသည်ဟု ခံယူနိုင်ခြေပိုများကြောင်း ပြသခဲ့သည်။ မျောက်များသည် ၎င်းတို့၏ ညီညွတ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် ယုံကြည်စိတ်ချစွာ အစီရင်ခံတင်ပြပါက၊ ယင်းတွေ့ရှိချက်များကို အခြေခံ၍ အပြန်အလှန်ဆက်သွယ်မှု တိုးလာစေရန် ပေါင်းစပ်မှု နှင့် ပွင့်လင်းမြင်သာမှု ရွေးချယ်မှုများကြား တစ်ပြေးညီ ကွဲထွက်နေသည့် PSE ကို မျှော်လင့်ထားမည်ဖြစ်သည်။ ရာဇမတ်ကွက် ဤကိစ္စမှာ အမှန်ပင်ဖြစ်သည် (ပုံ 2d၊ ပုံစံလမ်းညွန်များကိုဖြတ်၍ ပြိုကျခြင်း၊ Kruskal–Wallis; မျောက် N: χ2 = 23.06၊ p < 10−3; မျောက် S: χ2 = 22.22၊ p < 10−3; ပုံမှန်ဆန်ခါတင်ထောင့်နှင့် PSE – မျောက် = 7 S-10 အကြားဆက်စပ်မှု၊ r = 0.76၊ p < 10−13)။ ဤကိစ္စမှာ အမှန်ပင်ဖြစ်သည် (ပုံ 2d၊ ပုံစံလမ်းညွန်များကိုဖြတ်၍ ပြိုကျခြင်း၊ Kruskal–Wallis; မျောက် N: χ2 = 23.06၊ p < 10−3; မျောက် S: χ2 = 22.22၊ p < 10−3; ပုံမှန်ဆန်ညှိထောင့်နှင့် PSE = 23.06၊ မျောက် S: χ2 = 22.22၊ p < 10−3; ပုံမှန်ဆန်ညှိထောင့်နှင့် PSE – မျောက် = 7 S-6 အကြားဆက်စပ်မှု r = 0.76၊ p < 10−13)။ Это действительно имело место (рис. 2d; коллапс поперек направления паттерна, Крускал-Уоллис; обез: 203на 10–3 ; обезьяна S: r = 0,76, p < 10-13)။ ဤအရာသည် အမှန်ပင် ဖြစ်ပေါ်ခဲ့သည် (ပုံ။ 2d၊ ပုံစံ၏ ဦးတည်ရာကိုဖြတ်ကာ ပြိုကျခြင်း၊ Kruskal-Wallis; မျောက် N: χ2 = 23.06၊ p < 10–3; မျောက် S: χ2 = 22.22၊ p < 10–3; ပုံမှန်ပြုထားသော ရာဇမတ်ကွက်များနှင့် PSE – မျောက် 1: 7 r = 9 အကြား ဆက်စပ်မှု။ 0.76၊ p < 10-13)။情况确实如此（图2d；跨模式方向折叠，Kruskal-Wallis；猴子N：χ2 = 23.06，p < 10-3；猴子 2 ´။ 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)။情况确实如此（图图 2D ；方向折叠， kruskal-wallis ； n： ： 2 = 23.06 ， p < 10-3 ， 2 ； 2 : 2 : 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 < 10-9０猴 p < 10-9； 子၁၀-၁၃)။ Это действительно имело место (рис. 2d; кратность по оси моды, Крускал-Уоллис; обезьяна N: χ62, pяз; 23, S: χ2 = 22,22, p < 10-3; нормализованный межрешеточный угол). ဤသည်မှာ အမှန်ပင်ဖြစ်သည် (ပုံ။ 2d; မုဒ်ဝင်ရိုးတစ်လျှောက်ခေါက်၊ Kruskal-Wallis; မျောက် N: χ2 = 23.06၊ p < 10-3; မျောက် S: χ2 = 22.22၊ p < 10-3; normalized interlattice corner)။ PSE-обезьяна N: r = 0,67, p < 10–9, обезьяна S: r = 0,76, p < 10–13)။ PSE မျောက် N: r = 0.67၊ p < 10–9၊ မျောက် S: r = 0.76၊ p < 10–13)။ဆန့်ကျင်ဘက်အားဖြင့်၊ interlattice angle ကိုပြောင်းလဲခြင်းသည် စိတ်ပိုင်းဆိုင်ရာလုပ်ဆောင်မှု၏ လျှောစောက်အပေါ် သိသာထင်ရှားသောအကျိုးသက်ရောက်မှုမရှိပါ (ပုံ။ 2d; cross-modal orientation fold, Kruskal-Wallis; မျောက် N: χ2 = 8.09၊ p ​​= 0.23; monkey S χ2 = 3.18 , p = 0.67, မျောက်ကြားရှိ ကော်လတ်တီဆက်တီရှင်းထောင့် r = -0.4, p = 0.2, မျောက် S: r = 0.03, p = 0.76)။ ထို့ကြောင့်၊ လူတစ်ဦး၏ စိတ်ပိုင်းဆိုင်ရာ အချက်အလက်နှင့်အညီ၊ ဆန်ခါများကြားထောင့်ကို ပြောင်းလဲခြင်း၏ ပျမ်းမျှအကျိုးသက်ရောက်မှုသည် နေရာရွှေ့ပြောင်းခြင်းအမှတ်များ ပြောင်းလဲသွားခြင်းဖြစ်ပြီး အပိုင်းခွဲခြင်းအချက်ပြမှုများအပေါ် အာရုံခံနိုင်စွမ်းတိုးလာခြင်း သို့မဟုတ် လျော့ကျခြင်းမဟုတ်ပါ။
နောက်ဆုံးတွင်၊ အစမ်းသုံးမှုများတွင် ဖြစ်နိုင်ခြေ 0.5 ဖြင့် ကျပန်းအားဖြင့် ဆုလာဘ်များကို အချိုးအစားမရှိသော ခြားနားမှုဖြင့် သတ်မှတ်ပေးပါသည်။ မျောက်များအားလုံးသည် ဤထူးခြားသောကျပန်းဖြစ်မှုကို သတိပြုမိပြီး သုည၏အသွင်အပြင်ဆန့်ကျင်ဘက်နှင့် cue stimuli တို့ကို ခွဲခြားနိုင်လျှင် ၎င်းတို့သည် စမ်းသပ်မှုအမျိုးအစားနှစ်ခုအတွက် မတူညီသောဗျူဟာများကို တီထွင်နိုင်မည်ဖြစ်သည်။ လေ့လာတွေ့ရှိချက် နှစ်ခုက ဒီလိုမဖြစ်ဘူးလို့ အခိုင်အမာ အကြံပြုထားပါတယ်။ ပထမဦးစွာ၊ ဆန်ခါထောင့်ကိုပြောင်းလဲခြင်းသည် cue နှင့် zero texture contrast ရမှတ်များ (ပုံ။ 2d နှင့် နောက်ဆက်တွဲပုံ။ 1) တွင် အရည်အသွေးအရ အလားတူအကျိုးသက်ရောက်မှုများရှိသည်။ ဒုတိယ၊ မျောက်နှစ်ကောင်စလုံးအတွက်၊ bistable စမ်းသပ်ရွေးချယ်မှုသည် လတ်တလော (ယခင်) ဆုလာဘ်ရွေးချယ်မှု (binomial test၊ N မျောက်များ- 0.52၊ z = 0.74၊ p = 0.22; S မျောက်များ- 0.51၊ r = 0.9၊ p = 0.18)။
နိဂုံးချုပ်အားဖြင့်၊ ကျွန်ုပ်တို့၏ အပိုင်းခွဲခြင်းလုပ်ငန်းတွင် မျောက်များ၏ အပြုအမူသည် ကောင်းမွန်သော လှုံ့ဆော်မှု ထိန်းချုပ်မှုအောက်တွင် ရှိနေပါသည်။ ပုံသဏ္ဍာန် သင်္ကေတများ၏ ဆိုင်းဘုတ်နှင့် အရွယ်အစားအပေါ် နားလည်သဘောပေါက်သည့် စီရင်ဆုံးဖြတ်မှုများနှင့် PSE တွင် ဆန်ခါထောင့်ပြောင်းလဲမှုများ သည် မျောက်များသည် ၎င်းတို့၏ မော်တာပေါင်းစပ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် ၎င်းတို့၏ပုဂ္ဂလဒိဋ္ဌိခံယူချက်ကို တင်ပြကြောင်း ဖော်ပြသည်။ နောက်ဆုံးတွင်၊ သုညအရည်သွေး ဆန့်ကျင်ဘက်စမ်းသပ်မှုများရှိ မျောက်များ၏ တုံ့ပြန်မှုများကို ယခင်စမ်းသပ်မှုများ၏ ဆုကြေးမှတ်တမ်းကြောင့် သက်ရောက်မှုမရှိခဲ့သလို inter-raster angular အပြောင်းအလဲများကြောင့် သိသိသာသာ ထိခိုက်ခဲ့သည်။ ဤအရေးကြီးသောအခြေအနေအောက်တွင် မျောက်များသည် ရာဇမတ်ကွက်မျက်နှာပြင်ဖွဲ့စည်းပုံနှင့်ပတ်သက်၍ ၎င်းတို့၏ပုဂ္ဂလဒိဋ္ဌိခံယူချက်ကို ဆက်လက်တင်ပြကြောင်း အကြံပြုသည်။
အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း၊ အနုတ်လက္ခဏာမှအပြုသဘောမှအပြုသဘောမှဖွဲ့စည်းမှုဆန့်ကျင်ဘက်အသွင်ကူးပြောင်းမှုသည်ပွင့်လင်းမြင်သာမှုမှအဆက်အစပ်သို့လှုံ့ဆော်မှု၏အာရုံခံစားမှုကူးပြောင်းခြင်းနှင့်ညီမျှသည်။ ယေဘူယျအားဖြင့်၊ ပေးထားသောဆဲလ်တစ်ခုအတွက်၊ texture contrast သည် အနုတ်မှအပြုသဘောသို့ပြောင်းလဲသွားသောကြောင့် MT တုံ့ပြန်မှုသည် တိုးလာတတ်သည် သို့မဟုတ် လျော့သွားတတ်သည်၊ ဤအကျိုးသက်ရောက်မှု၏ ဦးတည်ချက်သည် ပုံစံ/အစိတ်အပိုင်း၏ ရွေ့လျားမှု၏ ဦးတည်ချက်အပေါ်တွင် မူတည်ပါသည်။ ဥပမာအားဖြင့်၊ ကိုယ်စားလှယ် MT ဆဲလ်နှစ်ခု၏ ဦးတည်ရာလမ်းကြောင်းညှိခြင်းမျဉ်းကွေးများကို ပုံ 3 တွင် ပြသထားပြီး ဤဆဲလ်များ၏ တုံ့ပြန်မှုများနှင့်အတူ အနိမ့် သို့မဟုတ် မြင့်မားသော ခြားနားမှုပေါင်းစပ်မှု သို့မဟုတ် ဖောက်ထွင်းမြင်ရသည့် အသွင်အပြင်အချက်ပြမှုများပါရှိသော ဆန်ခါများတွင် ဤဆဲလ်များ၏ တုံ့ပြန်မှုများကို ပြသထားသည်။ ကျွန်ုပ်တို့၏မျောက်များ၏ စိတ်ပိုင်းဆိုင်ရာ လုပ်ဆောင်ချက်နှင့် ဆက်စပ်နိုင်သည့် ဤဇယားကွက်တုံ့ပြန်မှုများကို ပိုမိုကောင်းမွန်စွာ တွက်ချက်ရန် တစ်နည်းတစ်ဖုံ ကြိုးစားထားပါသည်။
sinusoidal array တစ်ခုအတွက် ကိုယ်စားပြုမျောက် MT cell S ၏ directional tuning curve ၏ ဝင်ရိုးစွန်းကွက်။ ထောင့်သည် ဆန်ခါ၏ရွေ့လျားမှု၏ ဦးတည်ရာကို ညွှန်ပြသည်၊ ပြင်းအားသည် ဓာတ်ငွေ့ထုတ်လွှတ်မှုကို ညွှန်ပြပြီး နှစ်သက်ရာဆဲလ် ဦးတည်ချက်သည် ဆန်ခါပုံစံ၏ ဦးတည်ချက်ရှိ အစိတ်အပိုင်းတစ်ခု၏ ဦးတည်ချက်နှင့် 90° (အထက်) ခန့်တွင် ထပ်နေပါသည်။ b တွင်ပြထားသည့်ဆဲလ်အတွက် တုံ့ပြန်မှုဇယား၏ အပတ်စဉ်လှုံ့ဆော်မှုအချိန်-အချိန်ဟစ်စတိုဂရမ် (PSTH)၊ ပုံစံခွက်ကို 90° (ဘယ်ဘက်တွင် ဇယားကွက်ဖြင့်ပြသထားသည်) ပုံစံပြောင်းထားသည်။ တုံ့ပြန်မှုများကို texture အရိပ်အမြွက် အမျိုးအစား (ပေါင်းစပ်/ဖောက်ထွင်းမြင်ရသည့် – အလယ်/ညာဘက် အကန့် အသီးသီး) နှင့် Michelson ဆန့်ကျင်ဘက် (PSTH အရောင် အရိပ်အမြွက်) တို့ဖြင့် စီထားသည်။ အလင်းအမှောင်နည်းခြင်းနှင့် ခြားနားမှုမြင့်မားသော texture signals အမျိုးအစားတစ်ခုစီအတွက် မှန်ကန်သောကြိုးပမ်းမှုများကိုသာ ပြသထားသည်။ ဆဲလ်များသည် ဖောက်ထွင်းမြင်ရသော အသွင်အပြင်အချက်များဖြင့် အထက်သို့ လွင့်နေသော ရာဇမတ်ကွက်ပုံစံများကို ပိုမိုကောင်းမွန်စွာ တုံ့ပြန်ကြပြီး ဤပုံစံများကို တုံ့ပြန်မှုမှာ အသွင်အပြင် ခြားနားမှု တိုးလာပါသည်။ c၊ d သည် a နှင့် b ကဲ့သို့ တူညီသော သဘောတူညီချက်များ ဖြစ်သည်၊ သို့သော် မျောက် S မှလွဲ၍ အခြား MT ဆဲလ်များအတွက် ၎င်းတို့၏ နှစ်သက်ရာ တိမ်းညွှတ်မှုသည် အောက်ဖက် လွင့်မြောနေသော ဇယားကွက်နှင့် ထပ်နေပါသည်။ ယူနစ်သည် ပေါင်းစပ်ဖွဲ့စည်းမှုအချက်များနှင့်အတူ အောက်ဘက်သို့ လွင့်မျောနေသော ဆန်ခါများကို နှစ်သက်ပြီး ဤပုံစံများကို တုံ့ပြန်မှုသည် တိုးမြင့်လာသော အသွင်အပြင်နှင့် ဆန့်ကျင်ဘက်ဖြစ်သည်။ အကန့်များအားလုံးတွင်၊ အရိပ်ရသောဧရိယာသည် ဆိုလိုရင်း၏ စံအမှားကို ကိုယ်စားပြုသည်။ ပြောတတ်သည်။ Spikes, စက္ကန့်။ ဒုတိယ။
ကျွန်ုပ်တို့၏ texture signals နှင့် MT လုပ်ဆောင်ချက်တို့က ညွှန်ပြထားသည့်အတိုင်း ကုလားပဲမျက်နှာပြင်ဖွဲ့စည်းပုံ (အဆက်အစပ် သို့မဟုတ် ဖောက်ထွင်းမြင်ရ) အကြား ဆက်နွယ်မှုကို လေ့လာရန်၊ ပေါင်းစပ်ရွေ့လျားမှု (အပြုသဘောဆောင်သော လျှောစောက်) သို့မဟုတ် ဖောက်ထွင်းမြင်နိုင်သော ရွေ့လျားမှု (အနုတ်လက္ခဏာ လျှောစောက်) အတွက် ဆဲလ်များကြား ဆက်စပ်မှုကို ဦးစွာနောက်ပြန်ဆုတ်ထားပါသည်။ ခြားနားမှု (မုဒ်ဦးတည်ချက်တစ်ခုစီအတွက် သီးခြားစီ) ကို ဆန့်ကျင်မှုနှုန်းဖြင့် သင်္ကေတတုံ့ပြန်မှုနှုန်းဖြင့် ဆဲလ်များကို အမျိုးအစားခွဲခြားရန် ပေးထားသည်။ ပုံ 3 ရှိ တူညီသောနမူနာဆဲလ်မှ ဤရာဇမတ်ကွက်ညှိခြင်းမျဉ်းကွေးများ၏ဥပမာများကို ပုံ 4a တွင်ပြသထားသည်။ အမျိုးအစားခွဲပြီးနောက်၊ ကျွန်ုပ်တို့သည် ဆဲလ်တစ်ခုစီ၏ အသွင်အပြင်အချက်ပြမှုများကို ပြုပြင်မွမ်းမံရန်အတွက် ဆဲလ်တစ်ခုစီ၏ အာရုံခံနိုင်စွမ်းကို တွက်ချက်ရန် လက်ခံသူစွမ်းဆောင်ရည်ခွဲခြမ်းစိတ်ဖြာမှု (ROC) ကို အသုံးပြုခဲ့သည်။ ဤနည်းဖြင့် ရရှိသော အာရုံကြောမက်ထရစ်လုပ်ဆောင်ချက်များကို မျောက်များ၏ စိတ်ပိုင်းဆိုင်ရာ လက္ခဏာရပ်များနှင့် တိုက်ရိုက် နှိုင်းယှဉ်နိုင်သည် ။ နမူနာရှိ ယူနစ်အားလုံးအတွက် အချက်ပြထောက်လှမ်းမှု ခွဲခြမ်းစိတ်ဖြာမှုနှစ်ခုကို လုပ်ဆောင်ခဲ့ပြီး ပုံစံ၏ ဦးတည်ချက်တစ်ခုစီအတွက် သီးခြား neurometric အင်္ဂါရပ်များကို တွက်ချက်ခြင်း (တဖန်၊ အပေါ် သို့မဟုတ် အောက်)။ ဤခွဲခြမ်းစိတ်ဖြာချက်အတွက်၊ ကျွန်ုပ်တို့သည် (i) လှုံ့ဆော်မှုတွင် အသွင်အပြင်သင်္ကေတပါရှိသော စမ်းသပ်မှုများသာပါဝင်ပြီး (ii) မျောက်များသည် အဆိုပါအချက်နှင့်အညီ တုံ့ပြန်ခဲ့သည် (ဆိုလိုသည်မှာ "မှန်ကန်သော" စမ်းသပ်မှုများ) ကို မှတ်သားထားရန် အရေးကြီးပါသည်။
အတက် (ဘယ်) သို့မဟုတ် အောက် (ညာ) သို့ ဆန်ခါများပြောင်းခြင်းအတွက် မီးနှုန်းများကို ပုံသဏ္ဍာန်အမှတ်အသား ဆန့်ကျင်ဘက်သို့ စီစဥ်ထားကာ၊ အစိုင်အခဲမျဉ်းသည် အကောင်းဆုံး ကိုက်ညီသော မျဉ်းကြောင်းဆုတ်ယုတ်မှုကို ကိုယ်စားပြုပြီး အပေါ် (အောက်ခြေ) အတန်းရှိ ဒေတာကို ပုံတွင်ပြထားသည့်အရာများမှ ထုတ်ယူပါသည်။ ထမင်း။ 3a Cell၊ b (ပုံ။ 3c၊ d)။ Regression slope အင်္ဂါရပ်များကို ဆဲလ်/ကွက်လပ်များ တိမ်းညွှတ်မှု ပေါင်းစပ်မှုတစ်ခုစီတွင် နှစ်သက်သော texture cues (ပေါင်းစပ်/ဖောက်ထွင်းမြင်နိုင်သော) ကို သတ်မှတ်ရန် အသုံးပြုခဲ့သည် (n ≥ 20 စမ်းသပ်မှု အခြေအနေ)။ အမှားဘားများသည် ဆိုလိုရင်း၏ စံသွေဖည်မှုကို ကိုယ်စားပြုသည်။ ba တွင်ပြသထားသော ယူနစ်များ၏ အာရုံကြောမက်ထရစ်လုပ်ဆောင်ချက်များကို တူညီသောစက်ရှင်အတွင်း စုဆောင်းထားသော စိတ်ပိုင်းဆိုင်ရာလုပ်ဆောင်မှုများနှင့်အတူ ဖော်ပြထားပါသည်။ ယခု၊ အင်္ဂါရပ်တစ်ခုစီအတွက်၊ ကျွန်ုပ်တို့သည် နှစ်သက်ရာ tooltip ရွေးချယ်မှု (ordinate) (စာသားကိုကြည့်ပါ) ကို texture ၏နိမိတ်ခြားနားမှု (abscissa) ရာခိုင်နှုန်းတစ်ခုအဖြစ် ပုံဖော်ထားပါသည်။ နှစ်သက်ရာ ကိရိယာအကြံပြုချက်များသည် အပြုသဘောဖြစ်ပြီး ဗလာကိရိယာအကြံပြုချက်များမှာ အနှုတ်ဖြစ်စေရန် အသွေးအရောင်ခြားနားမှုကို ပြောင်းလဲထားသည်။ အထက် (အောက်) လွင့်ပျံနေသော ဇယားကွက်များမှ ဒေတာများကို ဘယ် (ညာ) အကန့်များ၊ အထက် (အောက်) အတန်းများတွင် ပြသထားသည် – ပုံ 3a၊b (ပုံ 3c၊ d) တွင်ပြသထားသည့် ဆဲလ်များမှဒေတာများကို ပြသထားသည်။ အကန့်တစ်ခုစီတွင် neurometric နှင့် psychometric threshold (N/P) ၏အချိုးများကို ပြထားသည်။ ပြောတတ်သည်။ Spikes, စက္ကန့်။ စက္ကန့်၊ လမ်းညွှန်။ ဦးတည်ချက်၊ ပြည်နယ်ဦးစားပေး၊ psi။ စိတ်ပညာ၊ အာရုံကြောပညာ။
ရာဇမတ်ကွက်ညှိခြင်းမျဉ်းကွေးများနှင့် ကိုယ်စားလှယ် MT ဆဲလ်နှစ်ခု၏ အာရုံကြောဆိုင်ရာလုပ်ဆောင်ချက်များနှင့် ၎င်းတို့၏ဆက်စပ်စိတ်ပိုင်းဆိုင်ရာလုပ်ဆောင်ချက်များကို ဤတုံ့ပြန်မှုများနှင့်အတူ ပေါင်းစပ်ထားသည့်ပုံ 4a၊b ၏ အပေါ်နှင့်အောက်ခြေအကန့်များတွင် အသီးသီးပြသထားသည်။ အသွင်အပြင်၏ အရိပ်အမြွက်သည် ပွင့်လင်းမြင်သာမှုမှ ပေါင်းစပ်မှုသို့ ကူးပြောင်းသွားသောကြောင့် ဤဆဲလ်များသည် အကြမ်းဖျင်းအားဖြင့် ငွီးညူနေသော တိုးလာမှု သို့မဟုတ် လျော့ကျမှုကို ပြသသည်။ ထို့အပြင်၊ ဤနှောင်ကြိုး၏ဦးတည်မှုနှင့်ခိုင်ခံ့မှုသည်ရာဇမတ်ကွက်ရွေ့လျားမှု၏ဦးတည်ချက်ပေါ်တွင်မူတည်သည်။ နောက်ဆုံးတွင်၊ ဤဆဲလ်များ၏တုံ့ပြန်မှုများမှတွက်ချက်ထားသော neurometric လုပ်ဆောင်ချက်များသည် unidirectional grid လှုပ်ရှားမှု၏စိတ်ပိုင်းဆိုင်ရာဂုဏ်သတ္တိများ (သို့သော်မလိုက်လျောသေးပါ) သို့သာချဉ်းကပ်သည်။ အာရုံကြောမက်ထရစ်နှင့် စိတ်ပိုင်းဆိုင်ရာလုပ်ဆောင်မှု နှစ်ခုလုံးကို ကန့်သတ်ချက်များဖြင့် အကျဉ်းချုံ့ထားသည်၊ ဆိုလိုသည်မှာ မှန်ကန်သောရွေးချယ်ထားသော ဆန့်ကျင်ဘက် 84% ခန့် (တပ်ဆင်ထားသော Gaussian လုပ်ဆောင်ချက်၏ ပျမ်းမျှ + 1 sd နှင့် သက်ဆိုင်သည်)။ နမူနာတစ်ခုလုံးတွင်၊ N/P အချိုး၊ အာရုံကြောမက်ထရစ်အဆင့်နှင့် စိတ်ပိုင်းဆိုင်ရာ အတိုင်းအတာ၏အချိုး၊ မျောက် N တွင် ပျမ်းမျှ 12.4 ± 1.2 နှင့် မျောက် S တွင် 15.9 ± 1.8 ရှိပြီး ရာဇမတ်ကွက်သည် အနည်းဆုံး ဦးတည်ချက်တစ်ခုသို့ရွေ့ရန်အတွက် ~ 16% (18) သာရှိသည်။ မျောက် N (မျောက် S) မှ ယူနစ် %) (ပုံ။ 5a)။ ပုံတွင်ပြထားသည့်ဆဲလ်နမူနာမှ။ ပုံ 3 နှင့် 4 တွင်တွေ့မြင်ရသည့်အတိုင်း၊ ဆဲလ်များ၏နှစ်သက်ရာတိမ်းညွှတ်မှုနှင့်စမ်းသပ်မှုတွင်အသုံးပြုထားသောရာဇမတ်ကွက်ရွှေ့လျားမှုကြားဆက်နွယ်မှုတို့ကြားဆက်နွယ်မှုမှနျူရွန်များ၏အာရုံခံနိုင်စွမ်းကိုထိခိုက်နိုင်သည်။ အထူးသဖြင့်၊ ပုံ 3a၊c ရှိ orientation adjustment curves သည် sinusoidal array တစ်ခု၏ neuron orientation setting နှင့်ကျွန်ုပ်တို့၏ textured array တွင် transparent/coherent motion တို့၏ sensitivity အကြားဆက်စပ်မှုကို သရုပ်ပြသည်။ ဤသည်မှာ မျောက်နှစ်ကောင်လုံးအတွက် ဖြစ်ရပ်ဖြစ်သည် (ANOVA; 10° ကြည်လင်ပြတ်သားမှုဖြင့် ပေါင်းထားသော ဆွေမျိုးသားချင်း နှစ်သက်သော လမ်းကြောင်းများ; မျောက် N: F = 2.12၊ p < 0.01; မျောက် S: F = 2.01၊ p < 0.01)။ ဤသည်မှာ မျောက်နှစ်ကောင်လုံးအတွက် ဖြစ်ရပ်ဖြစ်သည် (ANOVA; 10° ကြည်လင်ပြတ်သားမှုဖြင့် ပေါင်းထားသော ဆွေမျိုးသားချင်း နှစ်သက်သော လမ်းကြောင်းများ; မျောက် N: F = 2.12၊ p < 0.01; မျောက် S: F = 2.01၊ p < 0.01)။ Это имело место для обеих обезьян (ANOVA; относительные предпочтительные направления объединешны в грнир0пем обезьяна N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01)။ ဤသည်မှာ မျောက်နှစ်ကောင်လုံးအတွက် ဖြစ်ရပ်ဖြစ်သည် (ANOVA; 10° resolution ဖြင့် အုပ်စုဖွဲ့ထားသော ဆွေမျိုးဦးစားပေး လမ်းညွှန်ချက်များ၊ မျောက် N: F=2.12၊ p<0.01; monkey 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向；猴子的相对首选方向；猴子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； p 2相对方向； p； <0.01；：: f = 2.01၊ p <0.01….……..)))))))))))))))))))) Это имело место для обеих обезьян (ANOVA; относительная предпочтительная ориентация объидинена при0; обезьяна N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01)။ ဤသည်မှာ မျောက်နှစ်ကောင်လုံးအတွက် ဖြစ်ရပ်ဖြစ်သည် (ANOVA; 10° ကြည်လင်ပြတ်သားမှုတွင် ပေါင်းစပ်ထားသော ဆွေမျိုးဦးစားပေး တိမ်းညွှတ်မှု; မျောက် N: F=2.12၊ p<0.01; မျောက် S: F=2.01၊ p<0.01)။နျူရွန် အာရုံခံနိုင်စွမ်း (ပုံ 5a) တွင် အမျိုးမျိုးသော အာရုံခံစားမှုဆိုင်ရာ အာရုံခံနိုင်စွမ်း၏ မှီခိုအားထားမှုကို မြင်သာစေရန်အတွက် ကျွန်ုပ်တို့သည် ဆဲလ်တစ်ခုစီ၏ နှစ်သက်ရာ တိမ်းညွှတ်မှုကို ပထမဦးစွာ ပုံမှန်ဇယားကွက်ပုံစံ (ဆိုလိုသည်မှာ ဦးတည်ချက်) ၏ ရွေ့လျားမှုအတွက် "အကောင်းဆုံး" လမ်းကြောင်းအဖြစ်သို့ ပြောင်းလဲခဲ့သည်။ ၎င်းတွင် ဆန်ခါသည် နှစ်သက်ရာဆဲလ် တိမ်းညွှတ်မှုနှင့် ဆန်ခါပုံစံ၏ တိမ်းညွှတ်မှုကြား အသေးငယ်ဆုံးထောင့်ကို ပုံဖော်ပေးသည်။ နျူရွန်များ၏ နှိုင်းရသတ်မှတ်ချက်များ (“အဆိုးဆုံး” ရာဇမတ်ကွက်များ တိမ်းညွှတ်မှု/ “အကောင်းဆုံး” ရာဇမတ်ကွက်များ တိမ်းညွှတ်မှုဆိုင်ရာ သတ်မှတ်ချက်) သည် ပုံစံများ သို့မဟုတ် အစိတ်အပိုင်း တိမ်းညွှတ်မှု (ပုံ 5b) ဝန်းကျင်တွင် ဖြစ်ပေါ်နေသော ဤအဆင့်သတ်မှတ်ချက် အချိုးအထွတ်အထိပ်များဖြင့် ကွဲပြားသည်ကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ ) ) ။ နမူနာတစ်ခုစီရှိ plaid ပုံစံ သို့မဟုတ် အစိတ်အပိုင်းလမ်းကြောင်းများထဲမှ တစ်ခုဆီသို့ ဦးတည်သော ယူနစ်များရှိ နှစ်သက်ရာလမ်းကြောင်းများ ဖြန့်ဖြူးရာတွင် ဘက်လိုက်မှုဖြင့် ဤအကျိုးသက်ရောက်မှုကို ရှင်းပြ၍မရပါ (ပုံ။ 5c; Rayleigh စမ်းသပ်မှု; မျောက် N: z = 8.33၊ p < 10−3၊ စက်ဝိုင်းပတ်ပျမ်းမျှ = 190.13 deg ± 9.83 deg; မျောက် = 9.0၊ p = 5) တသမတ်တည်းဖြစ်သည် plaid အပြန်အလှန်ဆန်ခါထောင့်များ (နောက်ဆက်တွဲပုံ။ 2)။ နမူနာတစ်ခုစီရှိ plaid ပုံစံ သို့မဟုတ် အစိတ်အပိုင်းလမ်းကြောင်းတစ်ခုဆီသို့ ဦးတည်သော ယူနစ်များရှိ နှစ်သက်ရာလမ်းညွန်များ ဖြန့်ဖြူးရာတွင် ဘက်လိုက်မှုဖြင့် ဤအကျိုးသက်ရောက်မှုကို ရှင်းပြ၍မရပါ (ပုံ။ 5c; Rayleigh စမ်းသပ်မှု; မျောက် N: z = 8.33၊ p < 10−3 ၊ circular mean = 190.13 deg ± 9.83 deg 5) နှင့် မျောက် = 9.0 ။ plaid အပြန်အလှန်ဆန်ခါထောင့်များ (နောက်ဆက်တွဲပုံ။ 2)။ Этот эффект нельзя было объяснить смещением распределения предпочтительных направлений в единицобной в карж дой одного из клетчатых направлений или направлений компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,33). နမူနာတစ်ခုစီရှိ အကွက်ဆင်ထားသော လမ်းကြောင်းများ သို့မဟုတ် အစိတ်အပိုင်းတစ်ခုဆီသို့ ဦးတည်သည့် နှစ်သက်ရာလမ်းကြောင်းများကို ယူနစ်များအတွင်း ခွဲဝေပေးခြင်းဖြင့် ဤအကျိုးသက်ရောက်မှုကို ရှင်းပြ၍မရပါ (ပုံ။ 5c; Rayleigh စမ်းသပ်မှု၊ မျောက် N: z = 8.33၊ p < 10–3)။, မြို့ပတ်ရထားဆိုလို = 190.13 ဒီဂရီ ± 9.83 ဒီဂရီ; monkey S: z = 0.79၊ p = 0.45) နှင့် plaid grid ထောင့်အားလုံးအတွက် တူညီသည် (နောက်ဆက်တွဲ ပုံ 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)并且在格子间光栅角上是一致的（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嶖幻来解释（图图图图瑞利测试；猴子 n：z=8.33，p<10-3，平均值平均值圆圆圆形圆形圆形圆形圆形圆形圆形圆形z Этот эффект не может быть объяснен тем, что распределение предпочтительных ориентаций в клекатках в клекатках в клекатках в клекатках либо в сторону структуры решетки, либо в сторону одной из ориентаций компонентов (рис. 5в; крья Рай = ၈၊၃၃၊ p < ၁၀–၃)။ နမူနာတစ်ခုစီရှိ ဆဲလ်များရှိ နှစ်သက်ရာလမ်းကြောင်းများ ဖြန့်ကျက်မှုသည် ရာဇမတ်ကွက်ဖွဲ့စည်းပုံသို့ သို့မဟုတ် အစိတ်အပိုင်းတစ်ခု၏ တိမ်းညွှတ်မှုဆီသို့ (ပုံ 5c; Rayleigh ၏ စမ်းသပ်မှု; မျောက် N: z = 8.33၊ p < 10–3) ဟူသောအချက်ဖြင့် ဤအကျိုးသက်ရောက်မှုကို ရှင်းပြ၍မရပါ။, မြို့ပတ်ရထားပျှမ်းမျှ) = 190.13 ဒီဂရီ ± 9.83 ဒီဂရီ; မျောက် S: z = 0.79၊ p = 0.45) နှင့် ဇယားကွက်များကြားရှိ ရာဇမတ်ကွက်များ ညီမျှသည် (နောက်ဆက်တွဲ ပုံ။ 2)။ထို့ကြောင့်၊ textured Grids ဆီသို့ neurons များ၏ sensitivity သည် MT tuning ၏ အခြေခံဂုဏ်သတ္တိများပေါ်တွင် အနည်းဆုံး တစ်စိတ်တစ်ပိုင်းမူတည်ပါသည်။
ဘယ်ဘက်အကန့်တွင် N/P အချိုးများ (neuron/psychophysiological threshold); ဆဲလ်တစ်ခုစီသည် ပုံစံရွေ့လျားသည့် ဦးတည်ရာတစ်ခုစီအတွက် ဒေတာအချက်နှစ်ခုကို ပံ့ပိုးပေးသည်။ ညာဘက်အကန့်သည် နမူနာရှိ ယူနစ်အားလုံးအတွက် စိတ်ပိုင်းဆိုင်ရာ သတ်မှတ်ချက်များ (ordinate) နှင့် အာရုံကြောဆိုင်ရာ သတ်မှတ်ချက်များ (abscissa) တို့ကို ကွက်ကွက်ပါသည်။ အပေါ် (အောက်ခြေ) အတန်းရှိဒေတာသည် မျောက် N (S) မှဖြစ်သည်။ b ပုံမှန်သတ်မှတ်ထားသော တံခါးခုံအချိုးများကို အကောင်းမွန်ဆုံး ရာဇမတ်ကွက်များ တိမ်းညွှတ်မှု နှင့် ဦးစားပေး ဆဲလ် တိမ်းညွှတ်မှု အကြား ခြားနားချက် ၏ ပြင်းအား ကို ပုံဖော်ထားသည်။ "အကောင်းဆုံး" ဦးတည်ချက်ကို နှစ်သက်ရာ ဆဲလ်လမ်းကြောင်းနှင့် အနီးဆုံး (sinusoidal grating တစ်ခုတည်းဖြင့် တိုင်းတာခြင်း) ၏ ဦးတည်ချက်အဖြစ် သတ်မှတ်သည်။ ဒေတာများကို ပုံမှန်နှစ်သက်ရာ လမ်းကြောင်း (10° bins) ဖြင့် ပထမဦးစွာ binned ခဲ့ပြီး၊ ထို့နောက် အဆင့်သတ်မှတ်ချက်များကို အမြင့်ဆုံးတန်ဖိုးသို့ ပုံမှန်ဖြစ်အောင် ပြုလုပ်ပြီး ဘင်တစ်ခုစီအတွင်း ပျမ်းမျှအား ပေါင်းထားသည်။ နှစ်သက်ရာ တိမ်းညွှတ်မှုရှိသော ဆဲလ်များသည် ရာဇမတ်ကွက် အစိတ်အပိုင်းများထက် အနည်းငယ်ပိုကြီးသော သို့မဟုတ် သေးငယ်သော ဆဲလ်များသည် ရာဇမတ်ကွက်ပုံစံ၏ တိမ်းညွှတ်မှုအပေါ် အာရုံခံနိုင်စွမ်းတွင် အကြီးဆုံးကွာခြားချက်ရှိသည်။ c မျောက်တစ်ခုစီတွင် မှတ်တမ်းတင်ထားသော MT ယူနစ်အားလုံး၏ နှစ်သက်ရာ တိမ်းညွှတ်ဖြန့်ဖြူးမှု၏ ပန်းရောင်ဟစ်စတိုဂရမ်။
နောက်ဆုံးတွင်၊ MT ၏တုံ့ပြန်မှုကို ဆန်ခါလှုပ်ရှားမှု၏ဦးတည်ချက်နှင့် ကျွန်ုပ်တို့၏ အပိုင်းခွဲခြင်းအချက်ပြမှုများ (အသွေးအသား) ၏အသေးစိတ်အချက်များဖြင့် ပြုပြင်ပြောင်းလဲထားသည်။ အာရုံကြောနှင့် စိတ်ပိုင်းဆိုင်ရာ အာရုံခံနိုင်စွမ်းကို နှိုင်းယှဉ်ကြည့်လျှင် ယေဘုယျအားဖြင့် MT ယူနစ်များသည် မျောက်များထက် ဆန့်ကျင်ဘက်အသွင်အပြင်အချက်ပြမှုများတွင် အလွန်အထိခိုက်မခံနိုင်ကြောင်း ပြသခဲ့သည်။ သို့သော်၊ ယူနစ်၏နှစ်သက်ရာ တိမ်းညွှတ်မှုနှင့် ဂရစ်လှုပ်ရှားမှု၏ ဦးတည်ချက်တို့အကြား ကွဲပြားမှုပေါ်မူတည်၍ အာရုံခံအာရုံခံနိုင်စွမ်းသည် ပြောင်းလဲသွားသည်။ ထိလွယ်ရှလွယ်ဆုံးဆဲလ်များသည် ရာဇမတ်ကွက်ပုံစံ သို့မဟုတ် ပေါင်းစပ်ဖွဲ့စည်းထားသော တိမ်းညွှတ်မှုအချို့ကို ဖုံးလွှမ်းလုနီးပါးရှိသည့် လမ်းညွှန်ဦးစားပေးမှုများရှိလေ့ရှိပြီး ကျွန်ုပ်တို့၏နမူနာများ၏ သေးငယ်သောအပိုင်းသည် ဆန့်ကျင်ဘက်ခြားနားချက်များကို မျောက်များ၏ ခြားနားချက်များကို မျောက်များ၏အမြင်ထက် အကဲဆတ်သည် သို့မဟုတ် ပို၍အကဲဆတ်သည်။ ဤပိုလွယ်သော ယူနစ်များမှ အချက်ပြမှုများသည် မျောက်များတွင် ခံယူချက်နှင့် ပိုမိုနီးကပ်စွာ ဆက်စပ်မှုရှိမရှိ ဆုံးဖြတ်ရန်၊ ကျွန်ုပ်တို့သည် ခံယူချက်နှင့် အာရုံကြောဆိုင်ရာ တုံ့ပြန်မှုများအကြား ဆက်စပ်မှုကို ဆန်းစစ်ခဲ့သည်။
အာရုံကြောဆိုင်ရာ လှုပ်ရှားမှုနှင့် အပြုအမူများကြား ဆက်စပ်မှုကို ထူထောင်ရာတွင် အရေးကြီးသော အဆင့်မှာ အာရုံကြောများကြား ဆက်နွယ်မှုနှင့် စဉ်ဆက်မပြတ် လှုံ့ဆော်မှုများအတွက် အပြုအမူဆိုင်ရာ တုံ့ပြန်မှုများအကြား ဆက်စပ်မှုကို ထူထောင်ရန်ဖြစ်သည်။ အာရုံကြောဆိုင်ရာ တုံ့ပြန်မှုများကို အပိုင်းခွဲခြင်းဆိုင်ရာ စီရင်ချက်များနှင့် ချိတ်ဆက်နိုင်ရန်၊ တူညီသော်လည်း၊ မတူညီသော စမ်းသပ်မှုများတွင် ကွဲပြားစွာ သိမြင်နိုင်သော လှုံ့ဆော်မှုတစ်ခုကို ဖန်တီးရန် အရေးကြီးပါသည်။ လက်ရှိလေ့လာမှုတွင်၊ ၎င်းကို သုညအရည်သွေး ဆန့်ကျင်ဘက်ဆန်ခါဖြင့် အတိအလင်းဖော်ပြသည်။ ကျွန်ုပ်တို့သည် တိရိစ္ဆာန်များ၏ စိတ်ပိုင်းဆိုင်ရာ လုပ်ဆောင်ချက်များကို အခြေခံ၍ အနိမ့်ဆုံး (~20%) ထက်နည်းသော အသွင်အပြင်ဖြင့် ဆန်ခါများကို ပေါင်းစပ်မှု သို့မဟုတ် ဖောက်ထွင်းမြင်နိုင်သည်ဟု ယူဆပါသည်။
MT တုံ့ပြန်မှုများသည် သိမြင်နိုင်သော အစီရင်ခံစာများနှင့် ဆက်စပ်နေသည့်အတိုင်းအတာကို တွက်ချက်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ဇယားကွက်ဒေတာ၏ ရွေးချယ်မှုဖြစ်နိုင်ခြေ (CP) ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်ခဲ့သည် (3 ကိုကြည့်ပါ)။ အတိုချုပ်ပြောရလျှင် CP သည် spike responses နှင့် perceptual judgments 30 တို့ကြား ဆက်နွယ်မှုကို တိုင်းတာပေးသည့် parametric မဟုတ်သော၊ စံမဟုတ်သော တိုင်းတာမှုတစ်ခုဖြစ်သည်။ မျောက်များသည် ဤစမ်းသပ်မှုအမျိုးအစားတစ်ခုစီအတွက် အနည်းဆုံးရွေးချယ်မှုငါးခုကို ပြုလုပ်ပေးသည့် ဇယားကွက်များကို အသုံးပြု၍ ခွဲခြမ်းစိတ်ဖြာမှုကို ကန့်သတ်ထားသောကြောင့် ဇယားကွက်ရွေ့လျားမှု ဦးတည်ချက်တစ်ခုစီအတွက် SR ကို သီးခြားစီတွက်ချက်ပါသည်။ မျောက်များတစ်လျှောက်တွင် ကျွန်ုပ်တို့ မျှော်လင့်ထားသည်ထက် သိသိသာသာ CP တန်ဖိုးကို သတိပြုမိသည် (ပုံ။ 6a၊ d; monkey N: ဆိုလို CP: 0.54၊ 95% CI: (0.53၊ 0.56)၊ null of CP = 0.5၊ mean CP = 6.10.5-9 မျောက် 95% CI- (0.54၊ 0.57)၊ two-sided t-test၊ t = 9.4၊ p < 10−13)။ မျောက်များတစ်လျှောက်တွင် ကျွန်ုပ်တို့ မျှော်လင့်ထားသည်ထက် သိသိသာသာ CP တန်ဖိုးကို သတိပြုမိသည် (ပုံ။ 6a၊ d; monkey N: ဆိုလို CP: 0.54၊ 95% CI: (0.53၊ 0.56)၊ null of CP = 0.5၊ mean CP = 6.10.5-9 မျောက် 95% CI- (0.54၊ 0.57)၊ two-sided t-test၊ t = 9.4၊ p < 10−13)။မျောက်များတွင် ကျွန်ုပ်တို့သည် ကျပန်းမျှော်လင့်ထားသည်ထက် ပျမ်းမျှ CP သိသိသာသာမြင့်မားလာသည် (ပုံ။ 6a၊ d၊ monkey N- ပျမ်းမျှ CP- 0.54၊ 95% CI- (0.53၊ 0.56)၊ two-tailed t-test vs. null values)။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) ။ မျောက် S- ဆိုလိုတာက CP- 0.55၊ 95% CI- (0.54၊ 0.57)၊ two-tailed t-test၊ 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：平均CP：50.54၊ 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% 4茌, (0.0)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，n址＞＞ 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. слу (6 обезьяна N: среднее CP: 0,54, 95% ДИ: (0,53, 0,56), двусторонний t- тест CP против нуля = 0,5, t <ья бонний 6,7-p, p средний CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = 9,4, p < 10- 13)။ မျောက်များတွင် ကျွန်ုပ်တို့မျှော်လင့်ထားသည့်အတိုင်း CP တန်ဖိုးများကို ကျွန်ုပ်တို့ သတိပြုမိသည် (ပုံ။ 6a၊ d; monkey N: ဆိုလို CP: 0.54၊ 95% CI: (0.53၊ 0.56)၊ two-tailed t-test CP နှင့် သုည = 0.5၊ t = 6.7- CP၊ p < 1 မျောက် 95% CI- (0.54၊ 0.57)၊ two-tailed t- စံသတ်မှတ်ချက်၊ t = 9.4၊ p < 10-13)။ထို့ကြောင့်၊ MT အာရုံကြောများသည် ဆဲလ်များ၏ နှစ်သက်ရာများနှင့် ကိုက်ညီသော တိရိစ္ဆာန်များ၏ သဘောထားအမြင်နှင့် ကိုက်ညီသောအခါတွင်ပင် လွန်ကဲသော အပိုင်းခွဲခြင်းဆိုင်ရာ အရိပ်အမြွက်များ မရှိသည့်တိုင် ပိုမိုပြင်းထန်စွာ ပစ်ခတ်တတ်သည်။
မျောက် N မှမှတ်တမ်းတင်ထားသောနမူနာများအတွက် texture signals မပါဘဲဂရစ်များအတွက်ရွေးချယ်မှုဖြစ်နိုင်ခြေဖြန့်ဝေမှုတစ်ခု။ ဆဲလ်တစ်ခုစီသည်ဒေတာအမှတ်နှစ်ခုအထိပါဝင်နိုင်သည် (ဇယားကွက်ရွေ့လျားမှုလမ်းကြောင်းတစ်ခုစီအတွက်တစ်ခု)။ ကျပန်း (အဖြူရောင်မြှားများ) အထက်ရှိ ပျမ်းမျှ CP တန်ဖိုးသည် ယေဘုယျအားဖြင့် MT လုပ်ဆောင်ချက်နှင့် ခံယူချက်ကြားတွင် သိသာထင်ရှားသော ဆက်နွယ်မှုရှိကြောင်း ညွှန်ပြသည်။ b ဖြစ်နိုင်ချေရှိသော ရွေးချယ်မှုဘက်လိုက်မှု၏ အကျိုးသက်ရောက်မှုကို ဆန်းစစ်ရန်၊ ကျွန်ုပ်တို့သည် CP ကို ​​မျောက်များမှ အနည်းဆုံး အမှားတစ်ခု ပြုလုပ်ခဲ့သည့် မည်သည့်လှုံ့ဆော်မှုများအတွက်မဆို သီးခြားစီတွက်ချက်ပါသည်။ ရွေးချယ်မှုဖြစ်နိုင်ခြေများကို လှုံ့ဆော်မှုအားလုံးအတွက် ရွေးချယ်မှုအချိုး (pref/null) နှင့် texture mark contrast ၏ ပကတိတန်ဖိုးများ (ညာဘက်၊ ဆဲလ်တစ်ခုချင်းစီမှ ဒေတာ) 120 ၏ ပကတိတန်ဖိုးများအဖြစ် ပုံဖော်ထားသည်။ ဘယ်ဘက်ဘောင်ရှိ အစိုင်အခဲမျဉ်းနှင့် အရိပ်ရဧရိယာသည် အမှတ် 20 ရွေ့လျားပျမ်းမျှ၏ပျမ်းမျှ ± sem ကို ကိုယ်စားပြုသည်။ မြင့်မားသောအချက်ပြမှု ခြားနားမှုရှိသော ဂရစ်များကဲ့သို့သော ဟန်ချက်မညီသော ရွေးချယ်မှုအချိုးများဖြင့် လှုံ့ဆော်မှုများအတွက် တွက်ချက်ထားသော ရွေးချယ်မှုဖြစ်နိုင်ခြေများသည် ပိုမိုကွဲပြားပြီး ဖြစ်နိုင်ခြေများကို အစုလိုက်အပြုံလိုက် ပြုလုပ်ထားသည်။ ညာဘက်အကန့်ရှိ မီးခိုးရောင်အရိပ် ဧရိယာသည် ရွေးချယ်မှုဖြစ်နိုင်ခြေ မြင့်မားသော တွက်ချက်မှုတွင် ပါဝင်သော အင်္ဂါရပ်များ၏ ဆန့်ကျင်ဘက်များကို အလေးပေးပါသည်။ c ကြီးမားသောရွေးချယ်မှု (ordinate) ၏ဖြစ်နိုင်ခြေကို နျူရွန် (abscissa) ၏ တံခါးခုံနှင့် ဆန့်ကျင်သည်။ ရွေးချယ်မှု၏ဖြစ်နိုင်ခြေသည် အတိုင်းအတာနှင့် သိသိသာသာ အနုတ်လက္ခဏာဆက်စပ်နေပါသည်။ ကွန်ဗင်းရှင်း df သည် ac နှင့် အတူတူပင်ဖြစ်သော်လည်း အခြားမဟုတ်ပါက မျောက် S မှ ဒေတာ 157 ခုနှင့် သက်ဆိုင်ပါသည်။ g မျောက်နှစ်ကောင်တစ်ခုစီအတွက် အမြင့်ဆုံးရွေးချယ်မှုဖြစ်နိုင်ခြေ (ordinate) ကို မျောက်နှစ်ကောင်စီအတွက် ပုံမှန်နှစ်သက်သော ဦးတည်ချက် (abscissa) နှင့် ဆန့်ကျင်သည်။ MT ဆဲလ်တစ်ခုစီသည် ဒေတာအမှတ်နှစ်ခု (ရာဇမတ်ကွက်ဖွဲ့စည်းပုံ၏ ဦးတည်ချက်တစ်ခုစီအတွက် တစ်ခု) ပံ့ပိုးပေးပါသည်။ h inter-raster ထောင့်တစ်ခုစီအတွက် ရွေးချယ်မှုဖြစ်နိုင်ခြေရှိသော အကွက်ကြီးကွက်များ။ အစိုင်အခဲမျဉ်းသည် အလယ်အလတ်ကို အမှတ်အသားပြုသည်၊ အကွက်၏အောက်နှင့်အပေါ်ဘက်အစွန်းများသည် 25th နှင့် 75th percentiles အသီးသီးကိုကိုယ်စားပြုသည်၊ ပါးသိုင်းမွှေးများသည် interquartile range ၏ 1.5 ဆအထိ တိုးချဲ့ထားပြီး ဤကန့်သတ်ချက်ထက်ကျော်လွန်မှုများကို မှတ်သားထားသည်။ ဘယ် (ညာ) အကန့်များရှိ ဒေတာသည် 120 (157) N(S) မျောက်ဆဲလ်တစ်ခုစီမှ ဖြစ်သည်။ i ရွေးချယ်မှု (ordinate) ၏ အမြင့်ဆုံးဖြစ်နိုင်ခြေကို လှုံ့ဆော်မှု (abscissa) စတင်သည့်အချိန်နှင့် ဆန့်ကျင်၍ ကြံစည်ထားသည်။ ကြီးမားသော CP ကို ​​စမ်းသပ်မှုတစ်လျှောက်လုံး လျှောစတုဂံများ (အကျယ် 100 ms၊ အဆင့် 10 ms) ဖြင့် တွက်ချက်ပြီး ယူနစ်များထက် ပျမ်းမျှတွက်ချက်ပါသည်။
အချို့သောယခင်လေ့လာမှုများက CP သည် basal rate distribution တွင်စမ်းသပ်မှုအရေအတွက်အပေါ်တွင်မူတည်သည်ဟုတင်ပြထားပြီး၊ ဆိုလိုသည်မှာ ဤအတိုင်းအတာသည် ရွေးချယ်မှုတစ်ခုစီ၏အချိုးအစားတွင်ကြီးမားသောကွာခြားချက်များကိုဖြစ်ပေါ်စေသည့်လှုံ့ဆော်မှုများအတွက်ယုံကြည်စိတ်ချရမှုနည်းပါသည်။ ကျွန်ုပ်တို့၏ဒေတာတွင် ဤအကျိုးသက်ရောက်မှုကို စမ်းသပ်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် လက္ခဏာအသွင်အပြင် ဆန့်ကျင်ဘက်မခွဲခြားဘဲ လှုံ့ဆော်မှုအားလုံးအတွက် CP ကို ​​သီးခြားတွက်ချက်ပြီး မျောက်များသည် အနည်းဆုံး မှားယွင်းသောစမ်းသပ်မှုတစ်ခုကို ပြုလုပ်ခဲ့သည်။ CP သည် ပုံ 6b နှင့် e (ဘယ်ဘက်အကန့်) ရှိ တိရစ္ဆာန်တစ်ခုစီအတွက် ရွေးချယ်မှုအချိုး (pref/null) နှင့် ဆန့်ကျင်စွာ ကြံစည်ထားသည်။ ရွေ့လျားပျမ်းမျှနှုန်းများကိုကြည့်ပါ၊ CP သည် ရွေးချယ်မှုများပြားသောအကွာအဝေးထက် ဖြစ်နိုင်ခြေအထက်တွင်ရှိနေသည်မှာ ရှင်းရှင်းလင်းလင်းဖြစ်ပြီး ပေါက်ကြားမှုများသည် (အထက်) 0.2 (0.8) အောက် (တိုး) ကျဆင်းသည့်အခါမှသာ ကျဆင်းနေပါသည်။ တိရိစ္ဆာန်များ၏ စိတ်ပိုင်းဆိုင်ရာ လက္ခဏာရပ်များအပေါ် အခြေခံ၍ ဤပြင်းအား၏ ရွေးချယ်မှု ကိန်းဂဏန်းများသည် မြင့်မားသော ခြားနားသော အသွင်အပြင်အချက်များ (ပေါင်းစပ် သို့မဟုတ် ဖောက်ထွင်းမြင်နိုင်သည်) (ပုံ။ 2a၊ b တွင် ပါ၀င်သော စိတ်ပိုင်းဆိုင်ရာအင်္ဂါရပ်များ ဥပမာများကို ကြည့်ပါ)။ ဤကိစ္စမျိုးဟုတ်မဟုတ်၊ သိသာထင်ရှားသော PC သည် ရှင်းရှင်းလင်းလင်း အပိုင်းခွဲခြင်းအချက်ပြမှုများဖြင့် လှုံ့ဆော်မှုများအတွက်ပင် ဆက်ရှိနေခြင်းရှိမရှိ ဆုံးဖြတ်ရန်၊ PC ပေါ်ရှိ absolute textural contrast values ​​၏အကျိုးသက်ရောက်မှုကို စစ်ဆေးခဲ့သည် (ပုံ။ 6b၊ e-right)။ မျှော်လင့်ထားသည့်အတိုင်း၊ CP သည် အလယ်အလတ် (~20% ဆန့်ကျင်ဘက် သို့မဟုတ် နိမ့်သည်) အပိုင်းခွဲခြင်းအချက်များပါရှိသော လှုံ့ဆော်မှုများအတွက် ဖြစ်နိုင်ခြေထက် သိသိသာသာ မြင့်မားပါသည်။
ဦးတည်ချက်၊ အမြန်နှုန်းနှင့် မကိုက်ညီသော အသိအမှတ်ပြုခြင်းလုပ်ငန်းများတွင်၊ MT CP သည် အထိခိုက်မခံသော နူရိုရွန်များတွင် အမြင့်ဆုံးဖြစ်တတ်သည်၊ အကြောင်းမှာ ဤနျူရွန်များသည် အချက်အလက်အရှိဆုံးအချက်ပြမှုများကို 30,32,33,34 သယ်ဆောင်သောကြောင့်ဟု ယူဆရသည်။ဤတွေ့ရှိချက်များနှင့်အညီ ကျွန်ုပ်တို့သည် Fig ၏ ညာဘက်ဆုံးအကန့်တွင် မီးမောင်းထိုးပြထားသည့် z-scored ပစ်ခတ်မှုနှုန်းများမှ တွက်ချက်ထားသော Grand CP အကြား ပျော့ပျောင်းသော်လည်း သိသာထင်ရှားသော ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။6b၊ e၊ နှင့် အာရုံကြောဆိုင်ရာ အဆင့်သတ်မှတ်ချက် (ပုံ။ 6c၊ f; ဂျီဩမေတြီဆိုလို ဆုတ်ယုတ်မှု; မျောက် N: r = −0.12၊ p = 0.07 မျောက် S: r = −0.18၊ p < 10−3)။ 6b၊ e၊ နှင့် အာရုံကြောဆိုင်ရာ အဆင့်သတ်မှတ်ချက် (ပုံ။ 6c၊ f; ဂျီဩမေတြီဆိုလို ဆုတ်ယုတ်မှု; မျောက် N: r = −0.12၊ p = 0.07 မျောက် S: r = −0.18၊ p < 10−3)။ဤတွေ့ရှိချက်များနှင့်အညီ၊ ပုံ 6b၊ e၊ နှင့် neuronal threshold (ပုံ 6c၊ f; geometric) မှ မီးမောင်းထိုးပြထားသော texture signal contrasts မှ တွက်ချက်ထားသော ကြီးမားသော CP အကြား ကျိုးနွံသော်လည်း သိသာထင်ရှားသော ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ ဂျီဩမေတြီ ဆိုလိုရင်း ဆုတ်ယုတ်မှု;обезьяна N: r = -0,12, p = 0,07 обезьяна S: r = -0,18, p < 10-3) ။ မျောက် N: r = -0.12, p = 0.07 မျောက် S: r = -0.18, p < 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猴子S：r = -0.18，p < 10-)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回、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)။ဤတွေ့ရှိချက်များနှင့်အညီ၊ ပုံ 6b၊e တွင်ပြထားသည့်အတိုင်း CV ကြီးများကြားတွင် ကျိုးနွံသော်လည်း သိသာထင်ရှားသောဆက်စပ်မှုကို ကျွန်ုပ်တို့တွေ့ရှိခဲ့သည်။Обезьяна S: г = -0,18, р < 10-3)။ မျောက် S: r = -0.18, p < 10-3)။ထို့ကြောင့်၊ သတင်းအချက်အလက်ပေးသည့်ယူနစ်အများစုမှ ညွှန်ပြချက်များသည် မျောက်များတွင် အစီအစဥ်ခွဲခြားထားသော စီရင်ဆုံးဖြတ်မှုများနှင့် ပိုကွာဟမှုကို ပြသနိုင်သည်၊ ယင်းသည် အာရုံခံစားမှုဆိုင်ရာ ဘက်လိုက်မှုတွင် ထည့်သွင်းထားသည့် မည်သည့်စာသားမှ မသက်ဆိုင်ဘဲ အရေးကြီးပါသည်။
ဇယားကွက်ဖွဲ့စည်းပုံအချက်ပြမှုများနှင့် နှစ်သက်သော အာရုံကြောဆိုင်ရာ တိမ်းညွှတ်မှုကြား အာရုံခံနိုင်စွမ်းအကြား ဆက်ဆံရေးကို ယခင်က ထူထောင်ထားသောကြောင့်၊ CP နှင့် နှစ်သက်သော တိမ်းညွှတ်မှုအကြား အလားတူဆက်နွယ်မှုရှိမရှိ (ပုံ. 6g) မှ တွေးတောမိပါသည်။ ဤအသင်းအဖွဲ့သည် မျောက် S (ANOVA; မျောက် N: 1.03၊ p=0.46; မျောက် S: F=1.73၊ p=0.04) တွင် အနည်းငယ်သာ ထင်ရှားပါသည်။ မည်သည့်တိရစ္ဆာန်ရှိ ရာဇမတ်ကွက်များကြား ကုလားထိုင်ထောင့်များအတွက် CP တွင် ခြားနားမှုမရှိသည်ကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည် (ပုံ။ 6h; ANOVA; မျောက် N: F = 1.8၊ p = 0.11; မျောက် S: F = 0.32၊ p = 0. 9)။
နောက်ဆုံးတွင်၊ ယခင်အလုပ်သည် စမ်းသပ်မှုတစ်လျှောက်လုံး CP အပြောင်းအလဲများကို ပြသခဲ့သည်။ အချို့သောလေ့လာမှုများက ချောမွေ့သောရွေးချယ်မှုအကျိုးသက်ရောက်မှုနောက်တွင် သိသိသာသာတိုးလာကြောင်း အစီရင်ခံတင်ပြကြပြီး၊ အချို့က အစမ်းသုံးကာလတွင် ရွေးချယ်မှုအချက်ပြမှု ဆက်တိုက်တိုးလာကြောင်း အစီရင်ခံတင်ပြကြသည်။ မျောက်တစ်ကောင်ချင်းစီအတွက်၊ စမ်းသပ်မှုတွင် ယူနစ်တစ်ခုစီ၏ CP ကို ​​100 ms ဆဲလ်များအတွင်း 100 ms နှုန်းဖြင့် နှိုးဆွမှုစတင်ခြင်းမှ ကြိုတင်နှိုးဆွမှုနှိုးဆွမှုနှုန်းကို မြှင့်တင်ရန် ဆိုလိုသည်မှာ အကြိုနှိုးဆွမှု offset ဖြစ်သည်။ မျောက်နှစ်ကောင်အတွက် ပျမ်းမျှ CP ဒိုင်းနမစ်ကို ပုံ 6i တွင် ပြထားသည်။ ဖြစ်ရပ်နှစ်ခုစလုံးတွင် CP သည် ကျပန်းအဆင့်တွင်ရှိနေသည် သို့မဟုတ် လှုံ့ဆော်မှုစတင်ပြီးနောက် 500 ms နီးပါးအထိ CP သည် သိသိသာသာတိုးလာသည်။
ပြောင်းလဲလာသော အာရုံခံနိုင်စွမ်းအပြင်၊ CP သည် ဆဲလ်ချိန်ညှိခြင်းဝိသေသလက္ခဏာများ၏ အရည်အသွေးအချို့ကိုလည်း သက်ရောက်မှုရှိကြောင်း ပြသထားသည်။ ဥပမာအားဖြင့်၊ Uka နှင့် DeAngelis34 သည် binocular mismatch recognition လုပ်ငန်းတွင် CP သည် စက်၏ binocular mismatch tuning curve ၏ symmetry ပေါ်တွင် မူတည်ကြောင်း တွေ့ရှိခဲ့သည်။ ဤကိစ္စတွင်၊ ဆက်စပ်မေးခွန်းတစ်ခုမှာ ပုံစံလမ်းညွှန်ချက်ရွေးချယ်မှု (PDS) ဆဲလ်များသည် အစိတ်အပိုင်းလမ်းညွှန်ရွေးချယ်မှု (CDS) ဆဲလ်များထက် ပိုမိုထိခိုက်လွယ်သလား။ CDS ဆဲလ်များသည် ဦးတည်ချက်ပုံစံ အစိတ်အပိုင်းများ၏ ရွေ့လျားမှုကို တုံ့ပြန်သော်လည်း CDS ဆဲလ်များသည် ဒေသအလိုက် ဦးတည်ချက်များစွာပါဝင်သော ပုံစံများ၏ ယေဘူယျ တိမ်းညွှတ်မှုကို ကုဒ်ဝှက်ထားသည်။
မုဒ်အစိတ်အပိုင်းညှိခြင်းနှိုးဆွမှုနှင့် သီအိုရီဆန်ခါများ (ဘယ်) နှင့် ဆန်ခါလမ်းကြောင်းညှိခြင်းမျဉ်းကွေးများ (ညာဘက်) (ပစ္စည်းများနှင့် နည်းလမ်းများကို ကြည့်ပါ) ၏ သရုပ်ဖော်ပုံတစ်ခု။ အတိုချုပ်အားဖြင့်၊ ဆဲလ်တစ်ခုသည် ဂရစ်ကွက်အစိတ်အပိုင်းများကို အချက်ပြသည့်ပုံစံရွေ့လျားမှုအဖြစ် ပေါင်းစပ်ပါက၊ တစ်ဦးချင်းစီ ဂရစ်နှင့်ဂရစ်လှုံ့ဆော်မှုများအတွက် တူညီသောညှိမျဉ်းကွေးများကို မျှော်လင့်နိုင်လိမ့်မည် (နောက်ဆုံးကော်လံ၊ အစိုင်အခဲကွေး)။ အပြန်အလှန်အားဖြင့်၊ ဆဲလ်သည် အချက်ပြပုံစံ၏ရွေ့လျားမှုတွင် အစိတ်အပိုင်းများ၏ လမ်းညွှန်ချက်များကို ပေါင်းစပ်မထားပါက၊ ဆဲလ်၏နှစ်သက်ရာလမ်းကြောင်း (နောက်ဆုံးကော်လံ၊ dashed မျဉ်းကွေး) တစ်ခုစီတွင် အစိတ်အပိုင်းတစ်ခုကို ဆဲလ်၏နှစ်သက်ရာလမ်းကြောင်းသို့ ဘာသာပြန်ပေးသည့် grating ရွေ့လျားမှု၏ ဦးတည်ချက်တစ်ခုစီတွင် အထွတ်အထိပ်ဖြင့် bipartite tuning မျဉ်းကွေးကို မျှော်လင့်မည်ဖြစ်သည်။ . ပုံ 1 နှင့် 2 တွင်ပြသထားသောဆဲလ်များအတွက် sinusoidal array ၏တိမ်းညွှတ်မှုကိုချိန်ညှိရန် b (ဘယ်) မျဉ်းကွေးများ။ 3 နှင့် 4 (အပေါ်ဆုံးအတန်း – ပုံ. 3a၊b နှင့် 4a၊b (အပေါ်ပိုင်း)၊ အောက်ခြေအကန့် – ပုံ 3c၊ d နှင့် 4a၊ b (အောက်ခြေ))။ (အလယ်) ရာဇမတ်ကွက်ညှိခြင်း ပရိုဖိုင်များမှ တွက်ချက်ထားသော ပုံစံနှင့် အစိတ်အပိုင်း ခန့်မှန်းချက်များ။ (ညာဘက်) ဤဆဲလ်များ၏ဇယားကွက်ကို ချိန်ညှိခြင်း။ အပေါ် (အောက်ခြေ) အကန့်၏ဆဲလ်များကို ပုံစံပလိတ် (အစိတ်အပိုင်း) ဆဲလ်များအဖြစ် ခွဲခြားထားသည်။ ပုံစံအစိတ်အပိုင်းများ အမျိုးအစားခွဲခြင်းနှင့် ပေါင်းစပ်ခြင်း/ဖောက်ထွင်းမြင်ရသော ဆဲလ်ရွေ့လျားမှုအတွက် ဦးစားပေးမှုများအကြား တစ်ဦးမှတစ်ဦး စာပေးစာယူထားခြင်း မရှိသည်ကို သတိပြုပါ (ပုံ. 4a တွင် ဤဆဲလ်များအတွက် ကြွေပြားတုံ့ပြန်မှုများကို ကြည့်ပါ)။ c N (ဘယ်) နှင့် S (ညာဘက်) မျောက်များတွင် မှတ်တမ်းတင်ထားသော ဆဲလ်အားလုံးအတွက် z-score အစိတ်အပိုင်း (abscissa) ၏ တစ်စိတ်တစ်ပိုင်း ဆက်စပ်ကိန်းကို ဆန့်ကျင်သည့် z-score မုဒ် (ordinate) ၏ တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှု၏ကိန်းဂဏန်း။ အထူလိုင်းများသည် ဆဲလ်များကို အမျိုးအစားခွဲရာတွင် အသုံးပြုသည့် အရေးပါမှုစံနှုန်းများကို ညွှန်ပြသည်။ d မြင့်မားသောရွေးချယ်မှုဖြစ်နိုင်ခြေ (ordinate) နှင့် မုဒ်အညွှန်း (Zp – Zc) (abscissa)။ ဘယ် (ညာ) အကန့်များရှိ ဒေတာသည် မျောက် N(S) ကို ရည်ညွှန်းသည်။ အနက်ရောင်စက်ဝိုင်းများသည် ခန့်မှန်းခြေယူနစ်များရှိ အချက်အလက်များကို ညွှန်ပြသည်။ တိရစ္ဆာန်နှစ်မျိုးလုံးတွင်၊ ရွေးချယ်မှုဖြစ်နိုင်ခြေမြင့်မားခြင်းနှင့် ပုံစံအညွှန်းကိန်းကြားတွင် သိသာထင်ရှားသောဆက်စပ်မှုတစ်ခုရှိကာ ဆဲလ်များအတွက် အချက်ပြပုံစံဦးတည်ချက်ရှိသော လှုံ့ဆော်မှုတွင် အချက်ပြပုံစံဦးတည်ချက်ရှိသော ဆဲလ်များအတွက် အာရုံခံမှုဆိုင်ရာဆက်စပ်မှုကို အကြံပြုသည်။
ထို့ကြောင့် သီးခြားစမ်းသပ်မှုတစ်ခုတွင် ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့နမူနာများရှိ အာရုံကြောများကို PDS သို့မဟုတ် CDS အဖြစ် အမျိုးအစားခွဲရန် sinusoidal grids နှင့် grid တို့၏ တုံ့ပြန်မှုများကို တိုင်းတာပါသည်။ ကောက်ကွက်ညှိခြင်းမျဉ်းကွေးများ၊ ဤညှိခြင်းဒေတာမှတည်ဆောက်ထားသော ပုံစံပလိတ်အစိတ်အပိုင်းကြိုတင်ခန့်မှန်းချက်များနှင့် ပုံ 1 နှင့် 3 တွင်ပြသထားသည့်ဆဲလ်များအတွက် ရာဇမတ်ကွက်ညှိခြင်းမျဉ်းကွေးများ။ ပုံ 3 နှင့် 4 နှင့် နောက်ဆက်တွဲပုံ 3 ကို ပုံ 7b တွင်ပြထားသည်။ ပုံစံခွဲဝေမှုနှင့် အစိတ်အပိုင်းရွေးချယ်မှုအပြင် အမျိုးအစားတစ်ခုစီရှိ နှစ်သက်ရာဆဲလ် တိမ်းညွှတ်မှုတို့ကို ပုံ 7c တွင် မျောက်တစ်ကောင်ချင်းစီအတွက် ပြသထားပြီး နောက်ဆက်တွဲပုံ။ 4 အသီးသီး။
ပုံစံ အစိတ်အပိုင်းများ ပြုပြင်ခြင်းအပေါ် CP ၏ မှီခိုမှုကို အကဲဖြတ်ရန်၊ ပိုကြီးသော PDS (CDS) အလားတူ အပြုအမူကို ညွှန်ပြသည့် ပိုကြီးသော (PI) တန်ဖိုးများကို ဦးစွာ တွက်ချက်ပါသည်။ အထက်ဖော်ပြပါ သရုပ်ပြမှုအရ- (i) အာရုံကြောဆိုင်ရာ အာရုံခံနိုင်စွမ်းသည် နှစ်သက်ရာဆဲလ် တိမ်းညွှတ်မှုနှင့် လှုံ့ဆော်မှု လှုပ်ရှားမှု၏ ဦးတည်ချက်တို့ကြား ခြားနားချက်ဖြင့် ကွဲပြားပြီး၊ (ii) ကျွန်ုပ်တို့၏နမူနာရှိ အာရုံကြောဆိုင်ရာ အာရုံခံနိုင်စွမ်းနှင့် ရွေးချယ်မှုဖြစ်နိုင်ခြေကြား သိသာထင်ရှားသော ဆက်နွယ်မှုရှိကြောင်း၊ ကျွန်ုပ်တို့သည် PI နှင့် စုစုပေါင်း CP တို့၏ ရွေ့လျားမှုဆိုင်ရာ အထက်ဖော်ပြပါ "အကောင်းဆုံး" လမ်းညွှန်မှုအတွက် လေ့လာခဲ့သည်။ CP သည် PI နှင့် သိသိသာသာ ဆက်စပ်နေကြောင်း တွေ့ရှိခဲ့သည် (ပုံ။ 7d; ဂျီဩမေတြီ ပျမ်းမျှဆုတ်ယုတ်မှု; grand CP မျောက် N: r = 0.23၊ p < 0.01; bi-stable CP မျောက် N r = 0.21၊ p = 0.013; grand CP မျောက် S: r = 0.304, p < 0.29၊ p < 10−3)၊ PDS အဖြစ် ခွဲခြားထားသော ဆဲလ်များသည် CDS နှင့် အမျိုးအစားခွဲမထားသော ဆဲလ်များထက် ရွေးချယ်မှုဆိုင်ရာ လုပ်ဆောင်ချက်ကို ပြသထားသည်။ CP သည် PI နှင့် သိသိသာသာ ဆက်စပ်နေကြောင်း တွေ့ရှိခဲ့သည် (ပုံ။ 7d; ဂျီဩမေတြီ ပျမ်းမျှဆုတ်ယုတ်မှု; grand CP မျောက် N: r = 0.23၊ p < 0.01; bi-stable CP မျောက် N r = 0.21၊ p = 0.013; grand CP မျောက် S: r = 0.304, p < 0.29၊ p < 10−3)၊ PDS အဖြစ် ခွဲခြားထားသော ဆဲလ်များသည် CDS နှင့် အမျိုးအစားခွဲမထားသော ဆဲလ်များထက် ရွေးချယ်မှုဆိုင်ရာ လုပ်ဆောင်ချက်ကို ပြသထားသည်။ Мы обнаружили, что CP значительно коррелирует с PI (рис. 7d; регрессия среднего геометрическогьшо; бометрическогьшо; бометрическогьшо; = 0,23, p < 0,01; бистабильная обезьяна CP N r = 0,21, p = 0,013; r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как PDS, проявляли большую акть, проявляли большую актив ность выбором, чем CDS и неклассифицированные клетки. CP သည် PI နှင့် သိသိသာသာ ဆက်စပ်နေကြောင်း တွေ့ရှိခဲ့ရသည် (ပုံ 7d; ဂျီဩမေတြီ ပျမ်းမျှ ဆုတ်ယုတ်မှု; မျောက်ကြီး CP N: r = 0.23၊ p < 0.01; bistable monkey CP N r = 0.21၊ p = 0.013; မျောက်ကြီး CP S: r = 0.30-bistr; p < မျောက် = 0.30-bistr; p < 0.29၊ p < 10-3)၊ PDS အဖြစ် အမျိုးအစားခွဲထားသော ဆဲလ်များသည် CDS နှင့် အမျိုးအစားမခွဲခြားထားသော ဆဲလ်များထက် ရွေးချယ်မှုနှင့် ဆက်စပ်နေသည့် လုပ်ဆောင်ချက်ပိုမိုပြသသည်ကို ညွှန်ပြသည်။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；双稳态။ NCP 1 = 0.01；双稳态。 CP 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的细胞比和未分类的细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N r = 0.21； ၀.၀ Мы обнаружили, что CP был значительно связан с PI (рис. 7d; регрессия среднего геометрическобьшо; болескогь CP я болеского; 0,23, p < 0,01; бистабильная обезьяна CP N r = 0,21, p = 0,013; CP သည် PI (ပုံ 7d; geometric mean regression; great monkey CP N: r = 0.23၊ p < 0.01; bistable monkey CP N r = 0.21၊ p = 0.013; great monkey CP S: r = 0.013) <10-4; 0.30 бистабильный CP обезьяны S: r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированное кашк PDS, проь селекционную активность, чем клетки, классифицированные как CDS и неклассифицированные။ မျောက် S bistable CP: r = 0.29၊ p < 10-3)၊ PDS အဖြစ် ခွဲခြားထားသော ဆဲလ်များသည် CDS အဖြစ် ခွဲခြားထားသော ဆဲလ်များ နှင့် အမျိုးအစားခွဲခြားထားခြင်း မရှိသော ဆဲလ်များထက် ရွေးချယ်မှု လုပ်ဆောင်ချက် ပိုများကြောင်း ညွှန်ပြသည်။PI နှင့် neuron sensitivity နှစ်ခုလုံးသည် CP နှင့်ဆက်စပ်နေသောကြောင့်၊ အကျိုးသက်ရောက်မှုဖြစ်နိုင်ခြေကိုဦးတည်သောအတိုင်းအတာနှစ်ခုကြားဆက်စပ်မှုကိုဆုံးဖြတ်ရန် PI နှင့် neuron sensitivity အများအပြား (PI နှင့် neuron sensitivity တို့နှင့်အတူ လွတ်လပ်သောကိန်းရှင်များနှင့် CP ကိုမှီခိုသောကိန်းရှင်အဖြစ်) မှဆက်စပ်မှုကို ချေဖျက်ခဲ့သည်။ . တစ်ပိုင်းတစ်စ အပြန်အလှန်ဆက်နွယ်မှုကိန်းဂဏန်းနှစ်ခုလုံးသည် သိသာထင်ရှားသည် (မျောက် N: တံခါးခုံးနှင့် CP: r = −0.13၊ p = 0.04၊ PI နှင့် CP: r = 0.23၊ p < 0.01; မျောက် S: တံခါးခုံးနှင့် CP: r = −0.16၊ p = −0.16၊ p = 0.03၊ 10−3) CP သည် အာရုံခံနိုင်စွမ်းနှင့် တိုးလာပြီး လွတ်လပ်သောပုံစံဖြင့် PI တိုးလာသည်ဟု အကြံပြုခြင်း။ တစ်ပိုင်းတစ်စ အပြန်အလှန်ဆက်နွယ်မှုကိန်းဂဏန်းနှစ်ခုလုံးသည် သိသာထင်ရှားသည် (မျောက် N: တံခါးခုံးနှင့် CP: r = −0.13၊ p = 0.04၊ PI နှင့် CP: r = 0.23၊ p < 0.01; မျောက် S: တံခါးခုံးနှင့် CP: r = −0.16၊ p = −0.16၊ p = 0.03၊ 10−3) CP သည် အာရုံခံနိုင်စွမ်းနှင့် တိုးလာပြီး လွတ်လပ်သောပုံစံဖြင့် PI တိုးလာသည်ဟု အကြံပြုခြင်း။ Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, p в 0,04, PI < 0,01; чувствительностью и независимым образом увеличивается с PI။ တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကိန်းဂဏန်းနှစ်ခုလုံးသည် သိသာထင်ရှားသည် (မျောက် N- တံခါးခုံနှင့် CP- r=-0.13၊ p=0.04၊ PI နှင့် CP- r=0.23၊ p<0.01; မျောက် S- တံခါးခုံးနှင့် CP- r=-0.16၊ p < 0.03၊ CP 3၊ PI နှင့် 0.09)၊ CP သည် sensitivity ဖြင့်တိုးလာပြီး PI ဖြင့် သီးခြားတိုးလာသည်။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； CP：弛猴子-0.16၊ p = 0.03၊PI နှင့် 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墊。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 နှင့် CP：0.29，p <10-3)，表 Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, p в 0,04, PI < 0,01; чувствительностью и увеличивалась с PI независимым образом။ တစ်စိတ်တစ်ပိုင်းဆက်စပ်မှုကိန်းဂဏန်းနှစ်ခုလုံးသည် သိသာထင်ရှားသည် (မျောက် N- တံခါးခုံးနှင့် CP- r=-0.13၊ p=0.04၊ PI နှင့် CP- r=0.23၊ p<0.01; မျောက် S- တံခါးခုံနှင့် CP- r=-0.16၊ p < 0.03 CP ၊ 0 PI တွင် 0.03၊ CP သည် sensitivity ဖြင့် တိုးလာပြီး သီးခြားလွတ်လပ်သောပုံစံဖြင့် PI နှင့်တိုးလာသည်။
ကျွန်ုပ်တို့သည် MT ဧရိယာတွင် တစ်ခုတည်းသော လှုပ်ရှားမှုကို မှတ်တမ်းတင်ခဲ့ပြီး မျောက်များသည် စည်းလုံးညီညွှတ်သော သို့မဟုတ် ပွင့်လင်းမြင်သာသော လှုပ်ရှားမှုများအဖြစ် ပေါ်လာနိုင်သည့် ၎င်းတို့၏ ခံယူချက်ပုံစံများကို အစီရင်ခံတင်ပြပါသည်။ ဘက်လိုက်သော ခံယူချက်များသို့ ပေါင်းထည့်ထားသော အပိုင်းခွဲခြင်းဆိုင်ရာ အာရုံခံအာရုံမှ အာရုံခံနိုင်စွမ်းသည် ကျယ်ပြန့်စွာ ကွဲပြားပြီး ယူနစ်၏ နှစ်သက်ရာ တိမ်းညွှတ်မှုနှင့် လှုံ့ဆော်မှု လှုပ်ရှားမှု၏ လမ်းညွှန်မှုကြား ဆက်နွယ်မှုဖြင့် အနည်းဆုံး တစ်စိတ်တစ်ပိုင်း ဆုံးဖြတ်သည်။ လူဦးရေတစ်ခုလုံးတွင်၊ အာရုံကြောဆိုင်ရာ အာရုံခံနိုင်စွမ်းသည် စိတ်ပိုင်းဆိုင်ရာ အာရုံခံနိုင်စွမ်းထက် သိသိသာသာ နည်းပါးသော်လည်း၊ အထိခိုက်မခံသော ယူနစ်များသည် အပိုင်းပိုင်းခွဲခြင်းဆိုင်ရာ အချက်ပြမှုများကို အပြုအမူဆိုင်ရာ အာရုံခံနိုင်စွမ်းထက် ကျော်လွန်နေသော်လည်း၊ ထို့အပြင်၊ MT signaling သည် segmentation တွင် အခန်းကဏ္ဍတစ်ခုမှ ပါဝင်သည်ဟု ညွှန်ပြနေသည့် ပစ်ခတ်မှုအကြိမ်ရေနှင့် ခံယူချက်ကြားတွင် သိသာထင်ရှားသော ကွဲလွဲမှုရှိသည်။ နှစ်ခြိုက်သော တိမ်းညွတ်မှုရှိသော ဆဲလ်များသည် ရာဇမတ်ကွက် အပိုင်းခွဲခြင်း အချက်ပြမှုများတွင် ကွဲပြားမှုများကို အာရုံခံနိုင်စွမ်းကို အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်ပြီး ဒေသဆိုင်ရာ လမ်းညွှန်မှုများစွာဖြင့် ကမ္ဘာလုံးဆိုင်ရာ လှုပ်ရှားမှုကို လှုံ့ဆော်မှုဖြင့် အချက်ပြကာ အမြင့်ဆုံးသော ဆက်စပ်မှုကို သရုပ်ပြသည်။ ဤတွင် ဤရလဒ်များကို ယခင်အလုပ်နှင့် မနှိုင်းယှဉ်မီ ဖြစ်နိုင်ခြေရှိသော ပြဿနာအချို့ကို ကျွန်ုပ်တို့ သုံးသပ်ပါသည်။
တိရိစ္ဆာန်မော်ဒယ်များတွင် bistable လှုံ့ဆော်မှုကို အသုံးပြု၍ သုတေသနပြုခြင်း၏ အဓိကပြဿနာမှာ အပြုအမူဆိုင်ရာ တုံ့ပြန်မှုများသည် စိတ်ဝင်စားမှုအတိုင်းအတာအပေါ် အခြေခံ၍မဖြစ်နိုင်ပါ။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့၏မျောက်များသည် ၎င်းတို့၏ အသွင်အပြင် တိမ်းညွှတ်မှုအပေါ် ၎င်းတို့၏ခံယူချက်နှင့် ကွက်ကွက်များ ဆက်စပ်မှုကို ခံယူချက်မရှိဘဲ အစီရင်ခံနိုင်သည်။ အချက်အလက်၏ ရှုထောင့် နှစ်ခုက ဤကဲ့သို့ မဟုတ်ကြောင်း ညွှန်ပြသည်။ ပထမဦးစွာ၊ ယခင်အစီရင်ခံစာများနှင့်အညီ၊ ခွဲထုတ်ထားသော array အစိတ်အပိုင်းများ၏ နှိုင်းယှဥ်တိမ်းညွှတ်မှုထောင့်ကို ပြောင်းလဲခြင်းဖြင့် ပေါင်းစပ်ခံယူချက်၏ ဖြစ်နိုင်ခြေကို စနစ်တကျ ပြောင်းလဲစေပါသည်။ ဒုတိယအနေနှင့်၊ ပျမ်းမျှအားဖြင့်၊ အသွင်အပြင်အချက်ပြမှုများပါ၀င်သော သို့မဟုတ် မပါဝင်သည့်ပုံစံများအတွက် အကျိုးသက်ရောက်မှုသည် တူညီသည်။ စုစည်း၍ ဤလေ့လာတွေ့ရှိချက်များအရ မျောက်တုံ့ပြန်မှုများသည် ၎င်းတို့၏ ချိတ်ဆက်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် ၎င်းတို့၏ ခံယူချက်အား တသမတ်တည်း ထင်ဟပ်စေသည်ဟု အကြံပြုပါသည်။
နောက်ထပ်ဖြစ်နိုင်ချေရှိသော ပြဿနာမှာ ကျွန်ုပ်တို့သည် သီးခြားအခြေအနေအတွက် ဆန်ခါတင်ရွေ့လျားမှုဆိုင်ရာ ကန့်သတ်ချက်များကို အကောင်းဆုံးမွမ်းမံထားခြင်းဖြစ်ပါသည်။ အာရုံကြောနှင့် စိတ်ပိုင်းဆိုင်ရာ အာရုံခံနိုင်စွမ်းကို နှိုင်းယှဉ်သည့် ယခင်အလုပ်များစွာတွင်၊ မှတ်ပုံတင်ထားသော ယူနစ်တစ်ခုစီအတွက် လှုံ့ဆော်မှုကို တစ်ဦးချင်းရွေးချယ်ခဲ့သည် [31၊ 32၊ 34၊ 36၊ 37၊ 38၊ 39၊ 40၊ 41၊ 42၊ 43၊ 44၊ 45]။ ဤနေရာတွင် ကျွန်ုပ်တို့သည် ဆဲလ်တစ်ခုစီ၏ တိမ်းညွှတ်မှုကို ချိန်ညှိမှုမပါဝင်ဘဲ ကုလားထိုင်ပုံစံ၏ ရွေ့လျားမှုလမ်းကြောင်းနှစ်ခုကို အသုံးပြုထားသည်။ ဤဒီဇိုင်းသည် ကွက်လပ်လှုပ်ရှားမှုနှင့် နှစ်သက်ရာ တိမ်းညွှတ်မှုကြား ထပ်နေသော အာရုံခံနိုင်စွမ်း ပြောင်းလဲပုံကို လေ့လာနိုင်စေသော်လည်း၊ ဆဲလ်များသည် အဆက်အစပ် သို့မဟုတ် ဖောက်ထွင်းမြင်ရသော lattices များကို နှစ်သက်သည်ရှိမရှိ ဆုံးဖြတ်ရန်အတွက် ၎င်းသည် ဦးစားပေးအခြေခံကို ပေးစွမ်းမည်မဟုတ်ပေ။ ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် ကွက်လပ်တစ်ခုစီ၏ အသွင်အပြင်ရှိကွက်တစ်ခုစီ၏ တုံ့ပြန်မှုကိုအသုံးပြုကာ၊ ကျွန်ုပ်တို့သည် ဦးစားပေးနှင့် mesh လှုပ်ရှားမှုအမျိုးအစားတစ်ခုစီအတွက် အညွှန်းအညွှန်းများကို သတ်မှတ်ပေးရန်အတွက် empirical စံနှုန်းများကို အားကိုးပါသည်။ မဖြစ်နိုင်သော်လည်း၊ ၎င်းသည် ကျွန်ုပ်တို့၏ အာရုံခံနိုင်စွမ်းခွဲခြမ်းစိတ်ဖြာမှုနှင့် CP အချက်ပြမှုရှာဖွေခြင်း၏ ရလဒ်များကို စနစ်တကျ လွဲချော်သွားစေနိုင်ပြီး မည်သည့်အတိုင်းအတာကိုမဆို လွန်ကဲစွာခန့်မှန်းနိုင်သည်။ သို့သော်၊ အောက်တွင်ဖော်ပြထားသော ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အချက်အလက်များ၏ ရှုထောင့်များစွာသည် ဤကိစ္စမဟုတ်ကြောင်း အကြံပြုပါသည်။
ပထမဦးစွာ၊ ပိုမို (နည်း) လုပ်ဆောင်ချက်ကို လှုံ့ဆော်ပေးသည့် နှစ်သက်ရာ (null) အမည်များ သတ်မှတ်ပေးခြင်းသည် ဤတုံ့ပြန်မှု ဖြန့်ဝေမှုများ၏ ခွဲခြားနိုင်မှုကို မထိခိုက်စေပါ။ ယင်းအစား၊ အာရုံကြောမက်ထရစ်နှင့် စိတ်ပိုင်းဆိုင်ရာလုပ်ဆောင်ချက်များသည် တူညီသောလက္ခဏာရှိကြောင်းကိုသာ သေချာစေသောကြောင့် ၎င်းတို့ကို တိုက်ရိုက်နှိုင်းယှဉ်နိုင်သည်။ ဒုတိယ၊ CP ကို ​​တွက်ချက်ရန် အသုံးပြုသော တုံ့ပြန်မှုများ (အကြမ်းထည်ဆန်ခါများ အတွက် "မှားယွင်းသော" စမ်းသပ်မှုများနှင့် texture ခြားနားမှုမရှိသော gratings များအတွက် စမ်းသပ်မှုများ) တွင် ဆဲလ်တစ်ခုစီသည် ချိတ်ဆက်မှု သို့မဟုတ် ဖောက်ထွင်းမြင်နိုင်သော အားကစားများကို နှစ်သက်မှုရှိမရှိ ဆုံးဖြတ်ပေးသည့် ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုတွင် မပါဝင်ပါ။ ၎င်းသည် ရွေးချယ်မှုအကျိုးသက်ရောက်မှုများကို ဦးစားပေး/မမှန်ကန်သော ဒီဇိုင်းများဆီသို့ ဘက်မလိုက်ကြောင်း သေချာစေပြီး၊ သိသာထင်ရှားသော ရွေးချယ်မှုဖြစ်နိုင်ခြေကို ဖြစ်ပေါ်စေပါသည်။
Newsom နှင့် သူ၏လုပ်ဖော်ကိုင်ဖက်များ [36၊ 39၊ 46၊ 47] ၏လေ့လာမှုများသည် ရွေ့လျားမှု၏ဦးတည်ချက်ကို အနီးစပ်ဆုံးခန့်မှန်းချက်တွင် MT ၏အခန်းကဏ္ဍကို ပထမဆုံးဆုံးဖြတ်ရန်ဖြစ်သည်။ နောက်ဆက်တွဲ အစီရင်ခံစာများသည် နက်နဲသော 34,44,48,49,50,51 နှင့် speed32,52, fine orientation33 နှင့် လှုပ်ရှားမှု31,53,54 (3D ရေရှည်တည်တံ့သော သစ်တောများ) မှ 3D ဖွဲ့စည်းပုံ၏ သဘောထားအမြင်ကို စုစည်းထားပါသည်။ အုပ်ချုပ်ရန်)။ ဤရလဒ်များကို အရေးကြီးသော နည်းလမ်းနှစ်ခုဖြင့် တိုးချဲ့ပါသည်။ ဦးစွာ၊ ကျွန်ုပ်တို့သည် MT တုံ့ပြန်မှုများသည် visuomotor အချက်ပြမှုများ၏ သိမြင်နိုင်သော အပိုင်းခွဲခြင်းကို အထောက်အကူပြုကြောင်း အထောက်အထားများ ပေးပါသည်။ ဒုတိယ၊ ကျွန်ုပ်တို့သည် MT မုဒ်ဦးတည်ချက်ရွေးချယ်မှုနှင့် ဤရွေးချယ်မှုအချက်ပြမှုအကြား ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။
သဘောတရားအရ၊ လက်ရှိရလဒ်များသည် 3-D SFM တွင် လုပ်ဆောင်သည့်အလုပ်နှင့် အနီးစပ်ဆုံးဖြစ်ပြီး၊ နှစ်ခုစလုံးသည် လှုပ်ရှားမှုနှင့် နက်ရှိုင်းသောအစီအစဉ်တို့ပါ၀င်သည့် ရှုပ်ထွေးသော bistable ခံယူချက်ဖြစ်သည်။ Dodd et al.31 သည် bistable 3D SFM ဆလင်ဒါ၏ လှည့်ပတ်မှုအား အစီရင်ခံသည့် မျောက်လုပ်ငန်းတွင် ကြီးမားသောရွေးချယ်မှုဖြစ်နိုင်ခြေ (0.67) ကို တွေ့ရှိခဲ့သည်။ bistable grid stimuli (မျောက်နှစ်ကောင်လုံးအတွက် 0.55 ခန့်) အတွက် သေးငယ်သော ရွေးချယ်မှုအကျိုးသက်ရောက်မှုကို ကျွန်ုပ်တို့တွေ့ရှိခဲ့သည်။ CP ၏ အကဲဖြတ်မှုသည် ရွေးချယ်မှု ကိန်းဂဏန်းပေါ်တွင် မူတည်သောကြောင့် မတူညီသော အလုပ်များတွင် မတူညီသော အခြေအနေများအောက်တွင် ရရှိသော CP ကို ​​အဓိပ္ပာယ်ဖွင့်ဆိုရန် ခက်ခဲသည်။ သို့သော်၊ ကျွန်ုပ်တို့တွေ့ရှိခဲ့သည့် ရွေးချယ်မှုအကျိုးသက်ရောက်မှု၏ ပြင်းအားသည် သုညနှင့် အနိမ့်ပိုင်း ဆန့်ကျင်ဘက်ဆန်ခါများ အတွက် တူညီပြီး ပါဝါတိုးရန် အနိမ့်/မရှိသော ဆန့်ကျင်ဘက် လှုံ့ဆော်မှုတို့ကို ပေါင်းစပ်သောအခါတွင်လည်း တူညီပါသည်။ ထို့ကြောင့်၊ CP တွင် ဤကွာခြားချက်သည် ဒေတာအတွဲများကြားတွင် ရွေးချယ်မှုနှုန်းကွာခြားမှုကြောင့် ဖြစ်နိုင်ဖွယ်မရှိပါ။
3-D SFM လှုံ့ဆော်မှုနှင့် bistable grid တည်ဆောက်မှုများကြောင့် ဖြစ်ပေါ်လာသော ပြင်းထန်ပြီး အရည်အသွေးအရ ကွဲပြားသော အာရုံခံအခြေအနေများနှင့် နှိုင်းယှဉ်ပါက MT ပစ်ခတ်မှုနှုန်းတွင် အနည်းငယ်မျှသာသော အပြောင်းအလဲများသည် ရှုပ်ထွေးပုံရသည်။ ဖြစ်နိုင်ခြေတစ်ခုမှာ လှုံ့ဆော်မှု၏ကြာချိန်တစ်ခုလုံးတွင် ပစ်ခတ်မှုနှုန်းကို တွက်ချက်ခြင်းဖြင့် ရွေးချယ်မှုအကျိုးသက်ရောက်မှုကို ကျွန်ုပ်တို့ လျှော့တွက်ထားခြင်းဖြစ်သည်။ 31 3-D SFM နှင့်ဆန့်ကျင်ဘက်ဖြစ်ပြီး၊ စမ်းသပ်မှုတွင် 250 ms ဝန်းကျင်တွင် MT လှုပ်ရှားမှုတွင် ကွဲပြားမှုများ ဖြစ်ပေါ်လာပြီး စမ်းသပ်မှုတစ်လျှောက်လုံး တဖြည်းဖြည်း တိုးလာကာ၊ ရွေးချယ်မှုအချက်ပြမှုများ၏ ယာယီဒိုင်နနမစ်များကို ကျွန်ုပ်တို့၏ခွဲခြမ်းစိတ်ဖြာမှု (မျောက်နှစ်ကောင်စလုံးတွင် လှုံ့ဆော်မှုစတင်ပြီးနောက် 500 ms ကိုကြည့်ပါ။ ထို့အပြင်၊ ဤကာလအတွင်း CP တုပ်ကွေးဖြစ်ပွားမှုကို ကျွန်ုပ်တို့ စောင့်ကြည့်လေ့လာပြီးနောက်၊ စမ်းသပ်မှုတွင် Hupe နှင့် Rubin55 တို့သည် ရှည်လျားသော စမ်းသပ်မှုအတွင်း ကျွန်ုပ်တို့၏ လှုံ့ဆော်မှုများကို 1.5 စက္ကန့်မျှသာ ပြသထားသော်လည်း၊ ကျွန်ုပ်တို့၏ မျောက်များ၏ ခံယူချက်သည် စမ်းသပ်မှုအတွင်း ပေါင်းစပ်မှုမှ ပွင့်လင်းမြင်သာမှုအထိ ကွဲပြားနိုင်သည် (၎င်းတို့၏ တုံ့ပြန်မှုသည် cue ရွေးချယ်မှုတွင် ၎င်းတို့၏ နောက်ဆုံးခံယူချက်ကို ထင်ဟပ်စေသော မျောက်များ၏ နောက်ဆုံးခံယူချက်ဖြစ်ကြောင်း အစီရင်ခံစာတွင် ဖော်ပြထားသည်။) ထို့ကြောင့်၊ ပိုမိုကြီးမားသောရွေးချယ်မှုအကျိုးသက်ရောက်မှုဖြစ်သည်။ နောက်ဆုံးဖြစ်နိုင်ချေမှာ အလုပ်နှစ်ခုတွင် MT signal ကို ကွဲပြားစွာဖတ်ရှုနိုင်သည်ဟု ကြာမြင့်စွာကတည်းကထင်ထားသော်လည်း CPU အချက်ပြမှုများသည် အာရုံခံကုဒ်နှင့်ဆက်နွယ်နေသည့်ဆူညံသံများမှ ထွက်ပေါ်လာခြင်းဖြစ်သည်၊56 Gu နှင့် လုပ်ဖော်ကိုင်ဖက်များက 57 သည် ကွန်ပျူတာပုံစံများတွင် မတူညီသောပေါင်းစပ်နည်းဗျူဟာများထက်၊ ဆက်စပ်ကွဲလွဲနိုင်မှုအဆင့်များထက် CPU ၏အဆင့်များကို ပိုကောင်းအောင်လုပ်ဆောင်နိုင်သည် အသိအမှတ်ပြုခြင်းလုပ်ငန်း (MSTd) MT တွင်ကျွန်ုပ်တို့လေ့လာတွေ့ရှိခဲ့သော သေးငယ်သောရွေးချယ်မှုအကျိုးသက်ရောက်မှုသည် ညီညွတ်မှု သို့မဟုတ် ပွင့်လင်းမြင်သာမှုတို့ကိုဖန်တီးရန်အတွက် ဒေသဆိုင်ရာရွေ့လျားမှုဆိုင်ရာအချက်များအား တစ်ခု သို့မဟုတ် နှစ်ခု (bistable gratings) သို့မဟုတ် MT နှင့်ဆက်စပ်သော သီးခြားမျက်နှာပြင်များဖြစ်သည့် MT ၏ထူးခြားသောအထောက်အထားများဖြစ်သော SF တုံ့ပြန်မှုဆိုင်ရာ သီးခြားမျက်နှာပြင်များ (3-D သာဓကများ) ၏ သီးခြားမျက်နှာပြင်များဖြစ်သည်။ အကဲဖြတ်ချက်များ၊ ခိုင်မာသော MT တုံ့ပြန်မှုများရှိခဲ့ပြီး အမြင်ဆိုင်ရာ လှုပ်ရှားမှုအချက်အလက်ကို အသုံးပြု၍ ရှုပ်ထွေးသောရုပ်ပုံများကို အရာဝထ္ထုပေါင်းများစွာအဖြစ်သို့ အပိုင်းပိုင်းခွဲရန် အဆိုပြုထားသည်။
အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း၊ ကျွန်ုပ်တို့သည် MT ပုံစံဆဲလ်လူလာလှုပ်ရှားမှုနှင့် ခံယူချက်ကြားတွင် ဆက်စပ်မှုကို အစီရင်ခံတင်ပြသည့် ပထမဆုံးသူဖြစ်သည်။ Movshon နှင့် လုပ်ဖော်ကိုင်ဖက်များက မူလ အဆင့်နှစ်ဆင့် မော်ဒယ်တွင် ဖော်မြူလာ အတိုင်း၊ မုဒ်ယူနစ်သည် MT ၏ အထွက်အဆင့် ဖြစ်သည်။ သို့သော်၊ မကြာသေးမီက အလုပ်က မုဒ်နှင့် အစိတ်အပိုင်းဆဲလ်များသည် အသန္တာန်တစ်ခု၏ မတူညီသောအဆုံးများကို ကိုယ်စားပြုကြောင်း ပြသပြီး လက်ခံနိုင်သောအကွက်၏ တည်ဆောက်ပုံတွင် ပါရာမက်ထရီကွာခြားချက်များသည် မုဒ်အစိတ်အပိုင်းများ၏ ချိန်ညှိရောင်စဉ်များအတွက် တာဝန်ရှိကြောင်း ပြသခဲ့သည်။ ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် အတိမ်အနက် အသိအမှတ်ပြုခြင်းလုပ်ငန်း သို့မဟုတ် ကောင်းသော တိမ်းညွှတ်မှုဆိုင်ရာ ခွဲခြားမှုလုပ်ငန်းတွင် ချိန်ညှိမှုဆိုင်ရာ ချိန်ညှိမှု စီမက်ထရီနှင့် CP အကြား ဆက်စပ်မှုကဲ့သို့ CP နှင့် PI အကြား သိသာထင်ရှားသော ဆက်စပ်မှုကို တွေ့ရှိခဲ့သည်။ စာရွက်စာတမ်းများနှင့် CP 33 အကြားဆက်ဆံရေး။ Wang နှင့် Movshon62 သည် MT orientation selectivity ဖြင့် ဆဲလ်အများအပြားကို ခွဲခြမ်းစိတ်ဖြာပြီး ပျမ်းမျှအားဖြင့်၊ mode index သည် tuning properties အများအပြားနှင့် ဆက်စပ်နေပြီး MT လူဦးရေမှဖတ်နိုင်သော အခြား signals အမျိုးအစားများစွာတွင် ရှိနေကြောင်း အကြံပြုထားသည်ကို တွေ့ရှိခဲ့သည်။ . ထို့ကြောင့်၊ MT လုပ်ဆောင်ချက်နှင့် ပုဂ္ဂလဒိဋ္ဌိခံယူချက်အကြား ဆက်နွယ်မှုကို အနာဂတ်လေ့လာမှုများအတွက်၊ ပုံစံညွှန်းကိန်းသည် အခြားလုပ်ငန်းတာဝန်နှင့် လှုံ့ဆော်မှုရွေးချယ်မှုအချက်ပြမှုများနှင့် အလားတူဆက်စပ်မှုရှိမရှိ၊ သို့မဟုတ် ဤဆက်ဆံရေးသည် ခံယူချက်ပိုင်းခွဲခြင်းကိစ္စနှင့် သက်ဆိုင်မှုရှိမရှိ ဆုံးဖြတ်ရန် အရေးကြီးပါသည်။
အလားတူပင်၊ Nienborg နှင့် Cumming 42 သည် V2 ရှိ binocular mismatch အတွက် ရွေးချယ်သော အနီးနှင့်အဝေးရှိဆဲလ်များကို အနက်ပိုင်းခွဲခြားခြင်းလုပ်ငန်းတွင် အညီအမျှ အထိခိုက်မခံနိုင်သော်လည်း အနီးနားမှနှစ်သက်သောဆဲလ်လူဦးရေကသာ သိသာထင်ရှားသော CP ကိုပြသခဲ့သည်။ သို့သော်၊ မျောက်များကို ဦးစားပေး၍ ကိုယ်အလေးချိန် ကွာခြားချက်များကို ပြန်လည်လေ့ကျင့်ခြင်းသည် ပိုမိုနှစ်သက်သော လှောင်အိမ်များတွင် သိသာထင်ရှားသော CP များကို ဖြစ်ပေါ်စေသည်။ အခြားလေ့လာမှုများက လေ့ကျင့်ရေးမှတ်တမ်းသည် ခံယူချက်ဆိုင်ရာဆက်စပ်မှုများ 34,40,63 သို့မဟုတ် MT လုပ်ဆောင်ချက်နှင့် ကွဲပြားသောခွဲခြားဆက်ဆံမှု 48 အကြား ဆက်စပ်မှုအပေါ် မူတည်ကြောင်းလည်း အစီရင်ခံထားပါသည်။ CP နှင့် regimen direction selectivity အကြားတွင် ကျွန်ုပ်တို့ စောင့်ကြည့်လေ့လာခဲ့သော ဆက်ဆံရေးသည် အမြင်အာရုံဆိုင်ရာ မော်တာအာရုံခံမှုတွင် မျောက်များသည် ကျွန်ုပ်တို့၏ပြဿနာကို ဖြေရှင်းရန် အသုံးပြုသည့် သီးခြားဗျူဟာကို ထင်ဟပ်စေမည့် တိကျသောဗျူဟာကို ထင်ဟပ်စေပါသည်။ အနာဂတ်လုပ်ငန်းတွင်၊ သင်ကြားမှုမှတ်တမ်းသည် မည်သည့် MT အချက်ပြမှုများကို ဦးစားပေး၍ ခွဲခြမ်းခွဲဆုံးဖြတ်ရန် လိုက်လျောညီထွေဖြစ်အောင် ဆုံးဖြတ်ခြင်းအပေါ် သိသာထင်ရှားသော အကျိုးသက်ရောက်မှုရှိမရှိ ဆုံးဖြတ်ရန် အရေးကြီးပါသည်။
Stoner နှင့် လုပ်ဖော်ကိုင်ဖက် 14,23 တို့သည် ထပ်နေသော ဂရစ်ကွက်များ ၏ တောက်ပမှုကို ပြောင်းလဲခြင်းသည် လူသားလေ့လာသူ အစီရင်ခံစာများ၏ ညီညွတ်မှုနှင့် ပွင့်လင်းမြင်သာမှုကို သက်ရောက်မှုရှိပြီး macaque MT နျူရွန်များတွင် ဦးတည်ချက် ချိန်ညှိမှုများအပေါ် သက်ရောက်မှုရှိကြောင်း ပထမဦးဆုံး အစီရင်ခံခဲ့ပါသည်။ ထပ်နေသောဒေသများ၏ တောက်ပမှုသည် ရုပ်ပိုင်းဆိုင်ရာ ပွင့်လင်းမြင်သာမှုနှင့် ကိုက်ညီသောအခါတွင် လေ့လာသူများသည် ပိုမိုပွင့်လင်းသော ခံယူချက်ကို အစီရင်ခံတင်ပြကြပြီး MT neurons များသည် raster အစိတ်အပိုင်းများ၏ လှုပ်ရှားမှုကို အချက်ပြနေချိန်တွင် တွေ့ရှိခဲ့သည်။ အပြန်အလှန်အားဖြင့်၊ ထပ်နေသည့်တောက်ပမှုနှင့် ဖောက်ထွင်းမြင်ရသောထပ်နေမှုသည် ရုပ်ပိုင်းဆိုင်ရာသဟဇာတမဖြစ်သောအခါ၊ လေ့လာသူသည် ညီညွတ်သောလှုပ်ရှားမှုကို ရိပ်မိပြီး MT အာရုံကြောများသည် ပုံစံ၏ကမ္ဘာလုံးဆိုင်ရာလှုပ်ရှားမှုကို အချက်ပြသည်။ ထို့ကြောင့်၊ ဤလေ့လာမှုများက အပိုင်းခွဲခြင်းအစီရင်ခံစာများကို ယုံကြည်စိတ်ချစွာ သြဇာလွှမ်းမိုးနိုင်သော အမြင်အာရုံလှုံ့ဆော်မှုဆိုင်ရာ ရုပ်ပိုင်းဆိုင်ရာပြောင်းလဲမှုများသည် MT နိုးကြားမှုတွင် ကြိုတင်ခန့်မှန်းနိုင်သော အပြောင်းအလဲများကို ဖြစ်စေကြောင်း ပြသသည်။ မကြာသေးမီက ဤနယ်ပယ်ရှိ အလုပ်သည် မည်သည့် MT အချက်ပြမှုများသည် ရှုပ်ထွေးသော လှုံ့ဆော်မှု 18,24,64 ၏ သိမြင်နိုင်စွမ်းကို ခြေရာခံထားသည်ကို စူးစမ်းလေ့လာခဲ့သည်။ ဥပမာအားဖြင့်၊ MT neurons ၏ အစိတ်အပိုင်းတစ်ခုသည် unidirectional RDK ထက် အကွာအဝေးနည်းသော လမ်းကြောင်းနှစ်ခုပါရှိသော ကျပန်းပွိုင့်ရွေ့လျားမှုမြေပုံ (RDK) သို့ bimodal tuning ကိုပြသထားသည်။ ဆယ်လူလာ ချိန်ညှိခြင်း၏ Bandwidth 19၊ 25 အကဲခတ်သူများသည် ဤလှုံ့ဆော်မှုများကို တုံ့ပြန်ရာတွင် MT ဆဲလ်အများစုသည် ပုံမှန်မဟုတ်သော လိုက်လျောညီထွေရှိသော လိုက်လျောညီထွေရှိသော လိုက်လျောညီထွေဖြစ်မှုကို ပြသသော်လည်း MT ဆဲလ်အားလုံး၏ ရိုးရှင်းသောပျမ်းမျှအားဖြင့် သာမန်လူဦးရေတုံ့ပြန်မှုကို ပေးစွမ်းသည်။ ထို့ကြောင့်၊ bimodal tuning ကိုပြသသည့် ဆဲလ်အခွဲတစ်ခုသည် ဤခံယူချက်အတွက် အာရုံကြောအလွှာတစ်ခုဖြစ်လာနိုင်သည်။ စိတ်ဝင်စားစရာမှာ၊ marmosets များတွင်၊ ဤလူဦးရေသည် သမားရိုးကျ ဂရစ်နှင့် ဂရစ်လှုံ့ဆော်မှုတို့ကို အသုံးပြု၍ စမ်းသပ်သောအခါတွင် ဤလူဦးရေသည် PDS ဆဲလ်များနှင့် ကိုက်ညီပါသည်။
ကျွန်ုပ်တို့၏ရလဒ်များသည် MT ၏ အခန်းကဏ္ဍကို သိမြင်နိုင်သော ပိုင်းခြားသတ်မှတ်ခြင်းတွင် အရေးကြီးသောအချက်ဖြစ်သည့် အထက်ဖော်ပြပါများထက် ခြေတစ်လှမ်းကျော်သွားပါသည်။ တကယ်တော့ အပိုင်းခွဲခြင်းသည် ပုဂ္ဂလဒိဋ္ဌိဖြစ်စဉ်တစ်ခုဖြစ်သည်။ polystable ရုပ်ပုံပြသမှုများစွာသည် ဆက်တိုက်ဖြစ်ပေါ်နေသောလှုံ့ဆော်မှုများကို နည်းလမ်းတစ်ခုထက်ပို၍ စုစည်းပြီး အဓိပ္ပာယ်ဖွင့်ဆိုရန် အမြင်ပိုင်းဆိုင်ရာစနစ်၏စွမ်းရည်ကို သရုပ်ဖော်သည်။ ကျွန်ုပ်တို့၏လေ့လာမှုရှိ အာရုံကြောဆိုင်ရာတုံ့ပြန်မှုများနှင့် အာရုံခံစားမှုဆိုင်ရာအစီရင်ခံစာများကို တစ်ပြိုင်နက်စုဆောင်းခြင်းသည် MT ပစ်ခတ်မှုနှုန်းနှင့် စဉ်ဆက်မပြတ်လှုံ့ဆော်မှု၏သဘောပေါက်နားလည်မှုဆိုင်ရာ အဓိပ္ပာယ်ဖွင့်ဆိုချက်များကြား ကွဲလွဲမှုကို စူးစမ်းလေ့လာနိုင်စေပါသည်။ ဤဆက်နွယ်မှုကို သရုပ်ပြပြီးနောက်၊ အကြောင်းတရား၏ ဦးတည်ရာကို မတည်ဆောက်ရသေးကြောင်း ကျွန်ုပ်တို့ အသိအမှတ်ပြုသည်၊ ဆိုလိုသည်မှာ၊ ကျွန်ုပ်တို့မှ သတိပြုမိသော ခံယူချက်ဆိုင်ရာ အပိုင်းခွဲခြင်း၏ အချက်ပြမှု ဟုတ်မဟုတ် ဆုံးဖြတ်ရန်၊ အချို့သော ငြင်းခုံမှုများအတိုင်း [65၊ 66၊ 67]၊ အလိုအလျောက်ဖြစ်သည်။ လုပ်ငန်းစဉ်သည် 68၊ 69၊ 70 (ပုံ။ 8) မှ အာရုံခံကော်တက်ဆီသို့ ဆင်းလာသော အချက်ပြမှုများကို ထပ်မံကိုယ်စားပြုသည်။ MT ၏ အဓိက cortical ပစ်မှတ်များထဲမှ တစ်ခုဖြစ်သည့် MSTd71 ရှိ စံပြရွေးချယ်သည့်ဆဲလ်များ၏ အချိုးအစားကြီးမားသော အစီရင်ခံစာများက MT နှင့် MSTd ၏ တစ်ပြိုင်နက် မှတ်တမ်းတင်မှုများကို ထည့်သွင်းရန် ဤစမ်းသပ်မှုများကို တိုးချဲ့ခြင်းသည် အာရုံကြောဆိုင်ရာ အာရုံခံယန္တရားများကို ပိုမိုနားလည်သဘောပေါက်ရန် ပထမခြေလှမ်းကောင်းတစ်ခုဖြစ်ကြောင်း အကြံပြုပါသည်။ ပိုင်းခြားခြင်း။
စက်ဘာသာပြန်ခြင်းတွင် အစိတ်အပိုင်းနှင့် မုဒ်ဦးတည်ချက်ရွေးချယ်မှု၏ အဆင့်နှစ်ဆင့်ပုံစံနှင့် ရွေးချယ်မှုဆိုင်ရာ လုပ်ဆောင်ချက်အပေါ် အပေါ်မှအောက်သို့ တုံ့ပြန်ချက်၏ အလားအလာသက်ရောက်မှု။ ဤတွင်၊ MT အဆင့်ရှိ မုဒ်ဦးတည်ချက်ရွေးချယ်မှု (PDS – “P”) ကို (i) တိကျသောမုဒ်အလျင်များနှင့် ကိုက်ညီသော ဦးတည်ချက်ရွေးချယ်ထည့်သွင်းမှုဒေတာ နမူနာအများအပြားနှင့် (ii) ပြင်းထန်သော ချိန်ညှိခြင်းကို နှိမ်နှင်းခြင်းဖြင့် ဖန်တီးထားသည်။ MT (“C”) အဆင့်၏ ဦးတည်ချက်ရွေးချယ်မှု (CDS) အစိတ်အပိုင်းသည် input ဦးတည်ချက်တွင် ကျဉ်းမြောင်းသော နမူနာအကွာအဝေးရှိပြီး ချိန်ညှိခြင်းကို ကန့်သတ်မှုများစွာမရှိပါ။ အတားအဆီးမရှိ တားဆီးခြင်းသည် လူဦးရေ နှစ်မျိုးလုံးကို ထိန်းချုပ်နိုင်သည်။ ရောင်စုံမြှားများသည် နှစ်သက်ရာ ကိရိယာ လမ်းကြောင်းကို ညွှန်ပြသည်။ ရှင်းလင်းရန်အတွက်၊ V1-MT ချိတ်ဆက်မှုများ၏ အခွဲတစ်ခုနှင့် အစိတ်အပိုင်းမုဒ်တစ်ခုနှင့် လမ်းညွှန်ရွေးချယ်မှုအကွက်ကိုသာ ပြသထားသည်။ ကျွန်ုပ်တို့၏ feed-forward (FF) ရလဒ်များကို ဘာသာပြန်ခြင်း၏ အခြေအနေတွင်၊ PDS ဆဲလ်များရှိ ပိုမိုကျယ်ပြန့်သော ထည့်သွင်းဆက်တင်နှင့် ပြင်းထန်သော ချိန်ညှိခြင်းကို ဟန့်တားခြင်း (အနီရောင်ဖြင့် မီးမောင်းထိုးပြထားသည်) တို့သည် လှုပ်ရှားမှုပုံစံများစွာကို တုံ့ပြန်ရာတွင် လှုပ်ရှားမှုတွင် ကြီးမားသောကွဲပြားမှုများကို ဖြစ်ပေါ်စေပါသည်။ ကျွန်ုပ်တို့၏ ခွဲထွက်ခြင်းပြဿနာတွင်၊ ဤအဖွဲ့သည် ဆုံးဖြတ်ချက်ကွင်းဆက်များကို မောင်းနှင်စေပြီး ခံယူချက်အား ကွဲလွဲစေပါသည်။ ဆန့်ကျင်ဘက်အားဖြင့်၊ တုံ့ပြန်ချက် (FB) တွင်၊ အာရုံခံအချက်အလက်များနှင့် သိမြင်မှုဘက်လိုက်မှုများဖြင့် အထက်စီးကြောင်းဆားကစ်များတွင် သဘောထားအမြင်ဆိုင်ရာ ဆုံးဖြတ်ချက်များကို ထုတ်ပေးပြီး PDS ဆဲလ်များပေါ်ရှိ downstream FB ၏ ပိုကြီးသောအကျိုးသက်ရောက်မှုသည် ရွေးချယ်မှုအချက်ပြမှုများကို ထုတ်ပေးပါသည်။ b CDS နှင့် PDS စက်များ၏ အစားထိုး မော်ဒယ်များ၏ သရုပ်ဖော်ပုံ ဇယား။ ဤနေရာတွင် MT ရှိ PDS အချက်ပြမှုများကို V1 ၏ တိုက်ရိုက်ထည့်သွင်းခြင်းဖြင့်သာမက V1-V2-MT လမ်းကြောင်း၏ သွယ်ဝိုက်ထည့်သွင်းမှုဖြင့်လည်း ထုတ်ပေးပါသည်။ ပုံသဏ္ဍာန်နယ်နိမိတ်များ (ဇယားကွက်ထပ်နေသောနေရာများ) ကို ရွေးချယ်နိုင်စေရန် မော်ဒယ်၏သွယ်ဝိုက်လမ်းကြောင်းများကို ချိန်ညှိထားသည်။ MT အလွှာ CDS မော်ဂျူးသည် တိုက်ရိုက်နှင့် သွယ်ဝိုက်သော သွင်းအားစုများ၏ အလေးချိန်ကို လုပ်ဆောင်ပြီး အထွက်ကို PDS မော်ဂျူးသို့ ပေးပို့သည်။ PDS ကို အပြိုင်အဆိုင် တားဆီးမှုဖြင့် ထိန်းချုပ်ထားသည်။ တဖန်၊ မော်ဒယ်၏အခြေခံဗိသုကာကိုဆွဲရန် လိုအပ်သောချိတ်ဆက်မှုများကိုသာပြသထားသည်။ ဤတွင်၊ ကွဲပြားသော FF ယန္တရားသည် PDS ကို ဆယ်လူလာရာဇမတ်ကွက်တုံ့ပြန်မှုတွင် ကွဲပြားမှုကို ဖြစ်ပေါ်စေနိုင်ပြီး၊ ဆုံးဖြတ်ချက်ပုံစံများတွင် ဘက်လိုက်မှုများကို ထပ်မံဖြစ်ပေါ်စေပါသည်။ တနည်းအားဖြင့် PDS ဆဲလ်များတွင် CP ပိုများသော CP သည် PDS ဆဲလ်များသို့ FB ချိတ်ဆက်မှု၏ အစွမ်းသတ္တိ သို့မဟုတ် ထိရောက်မှုတွင် ဘက်လိုက်မှု၏ ရလဒ်ဖြစ်နိုင်သည်။ အထောက်အထားများသည် အဆင့်နှစ်ဆင့်နှင့် သုံးဆင့် MT PDS မော်ဒယ်များနှင့် CP FF နှင့် FB အဓိပ္ပာယ်ဖွင့်ဆိုချက်များကို ပံ့ပိုးပေးသည်။
အရွယ်ရောက်ပြီးသော မျောက်နှစ်ကောင် (macaca mulatta)၊ အထီးတစ်ကောင်နှင့် အမျိုးသမီးတစ်ဦး (အသက် ၇ နှစ်နှင့် ၅ နှစ် အသီးသီး)၊ အလေးချိန် ၄.၅ မှ ၉.၀ ကီလိုဂရမ်အထိ အလေးချိန်ရှိသော မျောက်များကို လေ့လာသည့်အရာအဖြစ် အသုံးပြုခဲ့သည်။ ပိုးမွှားခွဲစိပ်စမ်းသပ်မှုအားလုံးမတိုင်မီ၊ MT ဧရိယာအနီးသို့ ဒေါင်လိုက်လျှပ်ကူးပစ္စည်းများအတွက် စိတ်ကြိုက်ပြုလုပ်ထားသော အသံဖမ်းခန်းတစ်ခု၊ တိရစ္ဆာန်များကို သံမဏိခေါင်းအုံးစွပ် (Crist Instruments၊ Hagerstown, MD) နှင့် တိုင်းတာထားသော scleral search coil ဖြင့် မျက်လုံးအနေအထားကို စိုက်ထည့်ထားပါသည်။ (Cooner Wire၊ San Diego, California)။ ပရိုတိုကောအားလုံးသည် United States စိုက်ပျိုးရေးဌာန (USDA) စည်းမျဉ်းများနှင့် အမျိုးသားကျန်းမာရေးအင်စတီကျု (NIH) ၏ လူသားဆန်သောစောင့်ရှောက်မှုနှင့် ဓာတ်ခွဲခန်းတိရစ္ဆာန်များအသုံးပြုမှုအတွက် လမ်းညွှန်ချက်များကို လိုက်နာပြီး University of Chicago Institutional Animal Care and Use Committee (IAUKC) မှ အတည်ပြုထားသည်။
အမြင်အာရုံလှုံ့ဆော်မှုအားလုံးကို အနက်ရောင် သို့မဟုတ် မီးခိုးရောင်နောက်ခံနှင့် ပတ်ထားသော အလင်းဝင်ပေါက်တွင် ပြသထားသည်။ မှတ်တမ်းတင်နေစဉ်၊ ဤအပေါက်၏ အနေအထားနှင့် အချင်းကို electrode ထိပ်ရှိ နျူရွန်များ၏ ရှေးရိုးလက်ခံမှုနယ်ပယ်နှင့်အညီ ချိန်ညှိထားသည်။ ကျွန်ုပ်တို့သည် အမြင်အာရုံလှုံ့ဆော်မှု၏ ကျယ်ပြန့်သော အမျိုးအစား နှစ်ခုကို အသုံးပြုခဲ့သည်- စိတ်ပိုင်းဆိုင်ရာ လှုံ့ဆော်မှု နှင့် ညှိခြင်း လှုံ့ဆော်မှု။
စိတ်ပိုင်းဆိုင်ရာနှိုးဆွမှုသည် ဆန်ခါပုံစံ (20 cd/m2၊ 50% ဆန့်ကျင်ဘက်၊ 50% တာဝန်စက်ဝန်း၊ 5 ဒီဂရီ/စက္ကန့်) သည် ၎င်းတို့၏ ဦးတည်ရာဆီသို့ ရွေ့လျားနေသော ထောင့်မှန်စတုဂံဆန်ခါနှစ်ခုကို ပေါင်းတင်ခြင်းဖြင့် ဖန်တီးထားသည့် ဆန်ခါပုံစံတစ်ခု (ပုံ။ 1b)။ လူသားအကဲခတ်သူများသည် ဤဇယားကွက်ပုံစံများကို bistable လှုံ့ဆော်မှုအဖြစ် တစ်ခါတစ်ရံတွင် တူညီသောဦးတည်ချက် (ပေါင်းစပ်ရွေ့လျားမှု) တစ်ခုတည်းအဖြစ် လည်းကောင်း၊ တစ်ခါတစ်ရံတွင် မတူညီသော ဦးတည်ရာသို့ ရွေ့လျားနေသော သီးခြားမျက်နှာပြင်နှစ်ခု (ဖောက်ထွင်းမြင်ရသော ရွေ့လျားမှု) တို့ကဲ့သို့ ဇယားကွက်ပုံစံများကို bistable လှုံ့ဆော်မှုအဖြစ် ယူဆကြောင်း ယခင်က ပြသထားသည်။ ရာဇမတ်ကွက်ပုံစံ၏ အစိတ်အပိုင်းများကို အချိုးကျကျ ဦးတည်ထားသည် - ကွက်လပ်များကြားထောင့်သည် 95° မှ 130° ( set မှဆွဲယူထားသည် : 95°, 100°, 105°, 115°, 120°, 125°, 130°°၊ session တစ်လျှောက်လုံး စိတ်ပိုင်းဆိုင်ရာ ခွဲထုတ်ခြင်း 1° တွင် ကျွန်ုပ်တို့ ဤနေရာတွင် ဒေတာမပါဝင်ပါ။ - ခန့်မှန်းခြေအားဖြင့် 90° သို့မဟုတ် 270° (pattern orientation)။ session တစ်ခုစီတွင်၊ interlattic lattice ၏ထောင့်တစ်ခုတည်းကိုသာအသုံးပြုခဲ့သည်။ စက်ရှင်တစ်ခုစီအတွင်း၊ စမ်းသပ်မှုတစ်ခုစီအတွက် ပုံစံ၏ဦးတည်ချက်ကို ဖြစ်နိုင်ခြေနှစ်ခုမှ ကျပန်းရွေးချယ်ခဲ့သည်။
ဇယားကွက်၏ ခံယူချက်အား ကွဲလွဲစေပြီး လုပ်ဆောင်ချက်အတွက် ဆုကြေးငွေအတွက် လက်တွေ့ကျသော အခြေခံကို ပံ့ပိုးရန်အတွက်၊ ဂရစ်ဒ်အစိတ်အပိုင်းတစ်ခုစီ၏ အလင်းဘားအဆင့် 72 သို့ ကျပန်းအမှတ်အသားများကို မိတ်ဆက်ပေးပါသည်။ ကျပန်းရွေးချယ်ထားသော pixels အပိုင်းခွဲတစ်ခု၏ တောက်ပမှုကို (ပုံသေ ပမာဏတစ်ခုဖြင့်) တိုးမြှင့်ခြင်း သို့မဟုတ် လျှော့ချခြင်းဖြင့် ရရှိနိုင်ပါသည်။ အသွင်အပြင်ရွေ့လျားမှု၏ဦးတည်ချက်သည် လေ့လာသူ၏ခံယူချက်ကို စည်းလုံးညီညွှတ်သော သို့မဟုတ် ပွင့်လင်းမြင်သာသောလှုပ်ရှားမှုဆီသို့ ပြောင်းလဲပေးသည့် ပြင်းထန်သောအချက်ပြမှုတစ်ခုပေးသည်။ ညီညွတ်သောအခြေအနေအောက်တွင်၊ မည်သည့် texture ရာဇ၀င်တွင်မဆို ပါဝင်သည့်အရာအားလုံးကို ပုံစံ၏ဦးတည်ချက်ဖြင့် ဘာသာပြန်သည် (ပုံ။ 1c၊ coherent)။ ပွင့်လင်းမြင်သာသောအခြေအနေတွင်၊ မျက်နှာပြင်သည် ၎င်းဖုံးထားသောဆန်ခါ၏ ဦးတည်ရာသို့ ထောင့်မှန်ရွေ့လျားသည် (ပုံ။ 1c၊ ဖောက်ထွင်းမြင်နိုင်သည်) (နောက်ဆက်တွဲရုပ်ရှင် 1)။ အလုပ်၏ ရှုပ်ထွေးမှုကို ထိန်းချုပ်ရန်၊ စက်ရှင်အများစုတွင် ဤ texture အမှတ်အသားအတွက် Michelson ဆန့်ကျင်ဘက် (-80၊ -40၊ -20၊ -10၊ -5၊ 0၊ 5) အစုတစ်ခုမှ ကွဲပြားသည်။ ၁၀၊ ၂၀၊ ၄၀၊ ၈၀)။ အလင်းအမှောင်ကို raster တစ်ခု၏ နှိုင်းရတောက်ပမှုအဖြစ် သတ်မှတ်သည် (ထို့ကြောင့် ဆန့်ကျင်ဘက်တန်ဖိုး 80% သည် 36 သို့မဟုတ် 6 cd/m2 ၏ texture ကိုဖြစ်ပေါ်စေသည်)။ မျောက် N နှင့် မျောက် S တွင် 5 ဆက်ရှင်များတွင် 6 ဆက်ရှင်များအတွက်၊ ကျွန်ုပ်တို့သည် ပိုမိုကျဉ်းမြောင်းသော အသွင်အပြင်ဆိုင်ရာ ခြားနားမှုအပိုင်းအခြားများ (-30၊ -20၊ -15၊ -10၊ -5၊ 0၊ 5၊ 10၊ 15၊ 20၊ 30)) ကို အသုံးပြုထားပြီး စိတ်ပိုင်းဆိုင်ရာဝိသေသလက္ခဏာများသည် အပိုင်းအခြားအပြည့် ခြားနားမှုပုံစံအတိုင်း တူညီသော်လည်း ရွှဲရွှဲခြင်းမရှိပါ။
Tuning stimuli များသည် sinusoidal grids (contrast 50%, 1 cycle/degree, 5 degrees/sec) သည် အညီအမျှ နေရာချထားသော လမ်းကြောင်း 16 ခုတွင် ရွေ့လျားနေသည်, သို့မဟုတ် sinusoidal grids များသည် ထိုလမ်းကြောင်းများတွင် ရွေ့လျားနေသည် (ဆန့်ကျင်ဘက် 135° ထောင့်နှစ်ခု ပါ၀င်ပြီး တစ်ခုနှင့်တစ်ခု အပေါ်မှ sinusoidal gratings များ)။ ပုံစံ၏တူညီသောဦးတည်ချက်။