Nature.com 'ਤੇ ਜਾਣ ਲਈ ਧੰਨਵਾਦ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਜਾ ਰਹੇ ਬ੍ਰਾਊਜ਼ਰ ਸੰਸਕਰਣ ਵਿੱਚ ਸੀਮਤ CSS ਸਹਾਇਤਾ ਹੈ। ਸਭ ਤੋਂ ਵਧੀਆ ਅਨੁਭਵ ਲਈ, ਅਸੀਂ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦੇ ਹਾਂ ਕਿ ਤੁਸੀਂ ਇੱਕ ਅੱਪਡੇਟ ਕੀਤੇ ਬ੍ਰਾਊਜ਼ਰ ਦੀ ਵਰਤੋਂ ਕਰੋ (ਜਾਂ ਇੰਟਰਨੈੱਟ ਐਕਸਪਲੋਰਰ ਵਿੱਚ ਅਨੁਕੂਲਤਾ ਮੋਡ ਨੂੰ ਅਯੋਗ ਕਰੋ)। ਇਸ ਦੌਰਾਨ, ਨਿਰੰਤਰ ਸਹਾਇਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਸਾਈਟ ਨੂੰ ਸਟਾਈਲ ਅਤੇ JavaScript ਤੋਂ ਬਿਨਾਂ ਰੈਂਡਰ ਕਰਾਂਗੇ।
ਇੱਕੋ ਸਮੇਂ ਤਿੰਨ ਸਲਾਈਡਾਂ ਦਿਖਾਉਣ ਵਾਲਾ ਇੱਕ ਕੈਰੋਜ਼ਲ। ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਤਿੰਨ ਸਲਾਈਡਾਂ ਵਿੱਚੋਂ ਲੰਘਣ ਲਈ ਪਿਛਲੇ ਅਤੇ ਅਗਲੇ ਬਟਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਜਾਂ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਤਿੰਨ ਸਲਾਈਡਾਂ ਵਿੱਚੋਂ ਲੰਘਣ ਲਈ ਅੰਤ ਵਿੱਚ ਸਲਾਈਡਰ ਬਟਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ।
ਉੱਚ-ਰੈਜ਼ੋਲੂਸ਼ਨ ਦ੍ਰਿਸ਼ਟੀ ਲਈ ਵਸਤੂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਪੁਨਰਗਠਿਤ ਕਰਨ ਲਈ ਵਧੀਆ ਰੈਟਿਨਲ ਸੈਂਪਲਿੰਗ ਅਤੇ ਏਕੀਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਧਿਆਨ ਦੇਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਜਦੋਂ ਵੱਖ-ਵੱਖ ਵਸਤੂਆਂ ਤੋਂ ਸਥਾਨਕ ਨਮੂਨਿਆਂ ਨੂੰ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਸ਼ੁੱਧਤਾ ਖਤਮ ਹੋ ਜਾਂਦੀ ਹੈ। ਇਸ ਲਈ, ਸੈਗਮੈਂਟੇਸ਼ਨ, ਵੱਖਰੀ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਇੱਕ ਚਿੱਤਰ ਦੇ ਖੇਤਰਾਂ ਦਾ ਸਮੂਹੀਕਰਨ, ਧਾਰਨਾ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਪਿਛਲੇ ਕੰਮ ਵਿੱਚ, ਬਿਸਟੇਬਲ ਜਾਲੀ ਬਣਤਰ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਚਲਦੀਆਂ ਸਤਹਾਂ ਵਜੋਂ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਦੀ ਵਰਤੋਂ ਇਸ ਪ੍ਰਕਿਰਿਆ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਕੀਤੀ ਗਈ ਸੀ। ਇੱਥੇ, ਅਸੀਂ ਪ੍ਰਾਈਮੇਟ ਵਿਜ਼ੂਅਲ ਮਾਰਗ ਦੇ ਵਿਚਕਾਰਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਗਤੀਵਿਧੀ ਅਤੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਨਿਰਣੇ ਵਿਚਕਾਰ ਸਬੰਧ ਦੀ ਰਿਪੋਰਟ ਕਰਦੇ ਹਾਂ। ਖਾਸ ਤੌਰ 'ਤੇ, ਅਸੀਂ ਪਾਇਆ ਕਿ ਚੋਣਵੇਂ ਤੌਰ 'ਤੇ ਦਿਸ਼ਾ ਦੇਣ ਵਾਲੇ ਮੱਧਮ ਟੈਂਪੋਰਲ ਨਿਊਰੋਨਸ ਬਿਸਟੇਬਲ ਗਰੇਟਿੰਗ ਦੀ ਧਾਰਨਾ ਨੂੰ ਵਿਗਾੜਨ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਟੈਕਸਟਚਰ ਸੰਕੇਤਾਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲ ਸਨ ਅਤੇ ਅਜ਼ਮਾਇਸ਼ਾਂ ਅਤੇ ਨਿਰੰਤਰ ਉਤੇਜਨਾ ਦੇ ਵਿਅਕਤੀਗਤ ਧਾਰਨਾ ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਦਿਖਾਇਆ। ਇਹ ਸਬੰਧ ਉਨ੍ਹਾਂ ਇਕਾਈਆਂ ਵਿੱਚ ਵਧੇਰੇ ਹੈ ਜੋ ਕਈ ਸਥਾਨਕ ਦਿਸ਼ਾਵਾਂ ਵਾਲੇ ਪੈਟਰਨਾਂ ਵਿੱਚ ਗਲੋਬਲ ਗਤੀ ਨੂੰ ਸੰਕੇਤ ਕਰਦੀਆਂ ਹਨ। ਇਸ ਤਰ੍ਹਾਂ, ਅਸੀਂ ਸਿੱਟਾ ਕੱਢਦੇ ਹਾਂ ਕਿ ਵਿਚਕਾਰਲੇ ਸਮੇਂ ਦੇ ਡੋਮੇਨ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਸੰਘਟਕ ਵਸਤੂਆਂ ਅਤੇ ਸਤਹਾਂ ਵਿੱਚ ਵੱਖ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਸਿਗਨਲ ਹੁੰਦੇ ਹਨ।
ਦ੍ਰਿਸ਼ਟੀ ਨਾ ਸਿਰਫ਼ ਮੁੱਢਲੇ ਚਿੱਤਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਜਿਵੇਂ ਕਿ ਕਿਨਾਰੇ ਦੀ ਸਥਿਤੀ ਅਤੇ ਗਤੀ ਦੇ ਸਹੀ ਵਿਤਕਰੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਸਗੋਂ ਵਸਤੂ ਦੇ ਆਕਾਰ ਅਤੇ ਟ੍ਰੈਜੈਕਟਰੀ1 ਵਰਗੀਆਂ ਵਾਤਾਵਰਣਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਇਹਨਾਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਸਹੀ ਏਕੀਕਰਨ 'ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਸਮੱਸਿਆਵਾਂ ਉਦੋਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ ਜਦੋਂ ਰੈਟਿਨਲ ਚਿੱਤਰ ਕਈ ਬਰਾਬਰ ਸੰਭਾਵੀ ਵਿਸ਼ੇਸ਼ਤਾ ਸਮੂਹਾਂ 2, 3, 4 (ਚਿੱਤਰ 1a) ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਜਦੋਂ ਗਤੀ ਸਿਗਨਲਾਂ ਦੇ ਦੋ ਸੈੱਟ ਬਹੁਤ ਨੇੜੇ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਇਸਨੂੰ ਇੱਕ ਗਤੀਸ਼ੀਲ ਵਸਤੂ ਜਾਂ ਕਈ ਗਤੀਸ਼ੀਲ ਵਸਤੂਆਂ (ਚਿੱਤਰ 1b) ਦੇ ਰੂਪ ਵਿੱਚ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਵਿਭਾਜਨ ਦੀ ਵਿਅਕਤੀਗਤ ਪ੍ਰਕਿਰਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਭਾਵ ਇਹ ਚਿੱਤਰ ਦੀ ਇੱਕ ਸਥਿਰ ਵਿਸ਼ੇਸ਼ਤਾ ਨਹੀਂ ਹੈ, ਪਰ ਵਿਆਖਿਆ ਦੀ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਆਮ ਧਾਰਨਾ ਲਈ ਇਸਦੀ ਸਪੱਸ਼ਟ ਮਹੱਤਤਾ ਦੇ ਬਾਵਜੂਦ, ਅਨੁਭਵੀ ਵਿਭਾਜਨ ਦੇ ਤੰਤੂ ਆਧਾਰ ਦੀ ਸਾਡੀ ਸਮਝ ਸਭ ਤੋਂ ਵਧੀਆ ਅਧੂਰੀ ਰਹਿੰਦੀ ਹੈ।
ਇੱਕ ਅਨੁਭਵੀ ਵਿਭਾਜਨ ਸਮੱਸਿਆ ਦਾ ਇੱਕ ਕਾਰਟੂਨ ਚਿੱਤਰ। ਇੱਕ ਨੇਕਰ ਘਣ (ਖੱਬੇ) ਵਿੱਚ ਡੂੰਘਾਈ ਦੀ ਇੱਕ ਨਿਰੀਖਕ ਦੀ ਧਾਰਨਾ ਦੋ ਸੰਭਾਵਿਤ ਵਿਆਖਿਆਵਾਂ (ਸੱਜੇ) ਦੇ ਵਿਚਕਾਰ ਬਦਲਦੀ ਹੈ। ਇਹ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਚਿੱਤਰ ਵਿੱਚ ਕੋਈ ਸਿਗਨਲ ਨਹੀਂ ਹਨ ਜੋ ਦਿਮਾਗ ਨੂੰ ਚਿੱਤਰ ਦੇ 3D ਸਥਿਤੀ ਨੂੰ ਵਿਲੱਖਣ ਤੌਰ 'ਤੇ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ (ਸੱਜੇ ਪਾਸੇ ਮੋਨੋਕੂਲਰ ਓਕਲੂਜ਼ਨ ਸਿਗਨਲ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤਾ ਗਿਆ ਹੈ)। b ਜਦੋਂ ਕਈ ਗਤੀ ਸਿਗਨਲ ਸਥਾਨਿਕ ਨੇੜਤਾ ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਦ੍ਰਿਸ਼ਟੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਸਥਾਨਕ ਨਮੂਨੇ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਵਸਤੂਆਂ ਤੋਂ ਹਨ। ਸਥਾਨਕ ਗਤੀ ਸਿਗਨਲਾਂ ਦੀ ਅੰਦਰੂਨੀ ਅਸਪਸ਼ਟਤਾ, ਭਾਵ ਵਸਤੂ ਗਤੀ ਦਾ ਇੱਕ ਕ੍ਰਮ ਇੱਕੋ ਸਥਾਨਕ ਗਤੀ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਵਿਜ਼ੂਅਲ ਇਨਪੁਟ ਦੀਆਂ ਕਈ ਬਰਾਬਰ ਪ੍ਰਸ਼ੰਸਾਯੋਗ ਵਿਆਖਿਆਵਾਂ ਹੁੰਦੀਆਂ ਹਨ, ਭਾਵ ਇੱਥੇ ਵੈਕਟਰ ਖੇਤਰ ਇੱਕ ਸਿੰਗਲ ਸਤਹ ਦੀ ਸੁਮੇਲ ਗਤੀ ਜਾਂ ਓਵਰਲੈਪਿੰਗ ਸਤਹਾਂ ਦੀ ਪਾਰਦਰਸ਼ੀ ਗਤੀ ਤੋਂ ਪੈਦਾ ਹੋ ਸਕਦੇ ਹਨ। c (ਖੱਬੇ) ਸਾਡੇ ਟੈਕਸਟਚਰ ਗਰਿੱਡ ਉਤੇਜਕ ਦੀ ਇੱਕ ਉਦਾਹਰਣ। ਆਇਤਾਕਾਰ ਗਰੇਟਿੰਗ ਆਪਣੀ ਦਿਸ਼ਾ ("ਕੰਪੋਨੈਂਟ ਦਿਸ਼ਾਵਾਂ" - ਚਿੱਟੇ ਤੀਰ) ਦੇ ਲੰਬਵਤ ਵਹਿਣ ਨਾਲ ਇੱਕ ਗਰੇਟਿੰਗ ਪੈਟਰਨ ਬਣਾਉਂਦੇ ਹਨ। ਜਾਲੀ ਨੂੰ ਦਿਸ਼ਾਵਾਂ ਦੀ ਇੱਕ ਸਿੰਗਲ, ਨਿਯਮਤ, ਜੁੜੀ ਗਤੀ (ਲਾਲ ਤੀਰ) ਜਾਂ ਮਿਸ਼ਰਿਤ ਦਿਸ਼ਾਵਾਂ ਦੀ ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਗਤੀ ਵਜੋਂ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਜਾਲੀ ਦੀ ਧਾਰਨਾ ਬੇਤਰਤੀਬ ਬਿੰਦੂ ਬਣਤਰ ਸੰਕੇਤਾਂ ਦੇ ਜੋੜ ਦੁਆਰਾ ਵਿਗੜ ਜਾਂਦੀ ਹੈ। (ਮੱਧ) ਪੀਲੇ ਰੰਗ ਵਿੱਚ ਉਜਾਗਰ ਕੀਤੇ ਗਏ ਖੇਤਰ ਨੂੰ ਕ੍ਰਮਵਾਰ ਸੁਮੇਲ ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਸਿਗਨਲਾਂ ਲਈ ਫਰੇਮਾਂ ਦੀ ਇੱਕ ਲੜੀ ਦੇ ਰੂਪ ਵਿੱਚ ਫੈਲਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਰੇਕ ਮਾਮਲੇ ਵਿੱਚ ਬਿੰਦੀ ਦੀ ਗਤੀ ਨੂੰ ਹਰੇ ਅਤੇ ਲਾਲ ਤੀਰਾਂ ਦੁਆਰਾ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ। (ਸੱਜੇ) ਚੋਣ ਬਿੰਦੂ ਦੀ ਸਥਿਤੀ (x, y) ਦਾ ਗ੍ਰਾਫ ਬਨਾਮ ਫਰੇਮਾਂ ਦੀ ਗਿਣਤੀ। ਸੁਮੇਲ ਮਾਮਲੇ ਵਿੱਚ, ਸਾਰੇ ਬਣਤਰ ਇੱਕੋ ਦਿਸ਼ਾ ਵਿੱਚ ਵਹਿ ਜਾਂਦੇ ਹਨ। ਪਾਰਦਰਸ਼ਤਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਬਣਤਰ ਭਾਗ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਚਲਦੀ ਹੈ। d ਸਾਡੇ ਗਤੀ ਵਿਭਾਜਨ ਕਾਰਜ ਦਾ ਇੱਕ ਕਾਰਟੂਨ ਚਿੱਤਰ। ਬਾਂਦਰਾਂ ਨੇ ਹਰੇਕ ਟ੍ਰਾਇਲ ਦੀ ਸ਼ੁਰੂਆਤ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਬਿੰਦੀ ਫਿਕਸ ਕਰਕੇ ਕੀਤੀ। ਥੋੜ੍ਹੀ ਦੇਰੀ ਤੋਂ ਬਾਅਦ, MT RF ਦੇ ਸਥਾਨ 'ਤੇ ਇੱਕ ਖਾਸ ਕਿਸਮ ਦਾ ਗਰੇਟਿੰਗ ਪੈਟਰਨ (ਸੁਮੇਲ/ਪਾਰਦਰਸ਼ਤਾ) ਅਤੇ ਬਣਤਰ ਸਿਗਨਲ ਆਕਾਰ (ਜਿਵੇਂ ਕਿ ਕੰਟ੍ਰਾਸਟ) ਦਿਖਾਈ ਦਿੱਤਾ। ਹਰੇਕ ਟੈਸਟ ਦੌਰਾਨ, ਗਰੇਟਿੰਗ ਪੈਟਰਨ ਦੀਆਂ ਦੋ ਸੰਭਾਵਿਤ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿੱਚ ਵਹਿ ਸਕਦੀ ਹੈ। ਉਤੇਜਨਾ ਵਾਪਸ ਲੈਣ ਤੋਂ ਬਾਅਦ, ਚੋਣ ਟੀਚੇ MT RF ਦੇ ਉੱਪਰ ਅਤੇ ਹੇਠਾਂ ਦਿਖਾਈ ਦਿੱਤੇ। ਬਾਂਦਰਾਂ ਨੂੰ ਢੁਕਵੇਂ ਚੋਣ ਟੀਚੇ ਨੂੰ ਸੈਕੇਡ ਵਿੱਚ ਗਰਿੱਡ ਦੀ ਆਪਣੀ ਧਾਰਨਾ ਦਰਸਾਉਣੀ ਚਾਹੀਦੀ ਹੈ।
ਵਿਜ਼ੂਅਲ ਹਰਕਤਾਂ ਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਚੰਗੀ ਤਰ੍ਹਾਂ ਵਿਸ਼ੇਸ਼ਤਾ ਰੱਖਦੀ ਹੈ ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਅਨੁਭਵੀ ਸੈਗਮੈਂਟੇਸ਼ਨ ਦੇ ਨਿਊਰਲ ਸਰਕਟਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਇੱਕ ਸ਼ਾਨਦਾਰ ਮਾਡਲ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਕਈ ਕੰਪਿਊਟੇਸ਼ਨਲ ਅਧਿਐਨਾਂ ਨੇ ਦੋ-ਪੜਾਅ ਦੀ ਗਤੀ ਪ੍ਰੋਸੈਸਿੰਗ ਮਾਡਲਾਂ ਦੀ ਉਪਯੋਗਤਾ ਨੂੰ ਨੋਟ ਕੀਤਾ ਹੈ ਜਿਸ ਵਿੱਚ ਉੱਚ-ਰੈਜ਼ੋਲੂਸ਼ਨ ਸ਼ੁਰੂਆਤੀ ਅਨੁਮਾਨ ਤੋਂ ਬਾਅਦ ਸ਼ੋਰ ਨੂੰ ਹਟਾਉਣ ਅਤੇ ਵਸਤੂ ਵੇਗ ਨੂੰ ਬਹਾਲ ਕਰਨ ਲਈ ਸਥਾਨਕ ਨਮੂਨਿਆਂ ਦੇ ਚੋਣਵੇਂ ਏਕੀਕਰਨ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ7,8। ਇਹ ਨੋਟ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਵਿਜ਼ਨ ਸਿਸਟਮਾਂ ਨੂੰ ਇਸ ਸਮੂਹ ਨੂੰ ਆਮ ਵਸਤੂਆਂ ਤੋਂ ਸਿਰਫ਼ ਉਹਨਾਂ ਸਥਾਨਕ ਨਮੂਨਿਆਂ ਤੱਕ ਸੀਮਤ ਕਰਨ ਦਾ ਧਿਆਨ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਨੋ-ਭੌਤਿਕ ਅਧਿਐਨਾਂ ਨੇ ਭੌਤਿਕ ਕਾਰਕਾਂ ਦਾ ਵਰਣਨ ਕੀਤਾ ਹੈ ਜੋ ਸਥਾਨਕ ਗਤੀ ਸਿਗਨਲਾਂ ਨੂੰ ਕਿਵੇਂ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ, ਪਰ ਸਰੀਰਿਕ ਟ੍ਰੈਜੈਕਟਰੀਆਂ ਅਤੇ ਨਿਊਰਲ ਕੋਡਾਂ ਦੀ ਸ਼ਕਲ ਖੁੱਲ੍ਹੇ ਸਵਾਲ ਬਣੇ ਰਹਿੰਦੇ ਹਨ। ਕਈ ਰਿਪੋਰਟਾਂ ਸੁਝਾਅ ਦਿੰਦੀਆਂ ਹਨ ਕਿ ਪ੍ਰਾਈਮੇਟ ਕਾਰਟੈਕਸ ਦੇ ਟੈਂਪੋਰਲ (MT) ਖੇਤਰ ਵਿੱਚ ਓਰੀਐਂਟੇਸ਼ਨ-ਚੋਣਵੇਂ ਸੈੱਲ ਨਿਊਰਲ ਸਬਸਟਰੇਟਸ ਲਈ ਉਮੀਦਵਾਰ ਹਨ।
ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਹਨਾਂ ਪਿਛਲੇ ਪ੍ਰਯੋਗਾਂ ਵਿੱਚ, ਤੰਤੂ ਗਤੀਵਿਧੀ ਵਿੱਚ ਬਦਲਾਅ ਦ੍ਰਿਸ਼ਟੀਗਤ ਉਤੇਜਨਾ ਵਿੱਚ ਭੌਤਿਕ ਤਬਦੀਲੀਆਂ ਨਾਲ ਸੰਬੰਧਿਤ ਸਨ। ਹਾਲਾਂਕਿ, ਜਿਵੇਂ ਕਿ ਉੱਪਰ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਸੈਗਮੈਂਟੇਸ਼ਨ ਅਸਲ ਵਿੱਚ ਇੱਕ ਅਨੁਭਵੀ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਇਸ ਲਈ, ਇਸਦੇ ਤੰਤੂ ਸਬਸਟਰੇਟ ਦੇ ਅਧਿਐਨ ਲਈ ਤੰਤੂ ਗਤੀਵਿਧੀ ਵਿੱਚ ਬਦਲਾਅ ਨੂੰ ਸਥਿਰ ਉਤੇਜਨਾ ਦੀ ਧਾਰਨਾ ਵਿੱਚ ਬਦਲਾਅ ਨਾਲ ਜੋੜਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਲਈ, ਅਸੀਂ ਦੋ ਬਾਂਦਰਾਂ ਨੂੰ ਇਹ ਰਿਪੋਰਟ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਕਿ ਕੀ ਸੁਪਰਇੰਪੋਜ਼ਡ ਡ੍ਰਾਈਫਟਿੰਗ ਆਇਤਾਕਾਰ ਗ੍ਰੇਟਿੰਗ ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਸਮਝੀ ਗਈ ਬਿਸਟੇਬਲ ਗ੍ਰੇਟਿੰਗ ਪੈਟਰਨ ਇੱਕ ਸਿੰਗਲ ਸਤਹ ਸੀ ਜਾਂ ਦੋ ਸੁਤੰਤਰ ਸਤਹਾਂ। ਤੰਤੂ ਗਤੀਵਿਧੀ ਅਤੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਨਿਰਣਿਆਂ ਵਿਚਕਾਰ ਸਬੰਧ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ, ਅਸੀਂ MT ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਗਤੀਵਿਧੀ ਰਿਕਾਰਡ ਕੀਤੀ ਜਦੋਂ ਬਾਂਦਰਾਂ ਨੇ ਇਹ ਕੰਮ ਕੀਤਾ।
ਸਾਨੂੰ MT ਗਤੀਵਿਧੀ ਅਤੇ ਧਾਰਨਾ ਦੇ ਅਧਿਐਨ ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਮਿਲਿਆ। ਇਹ ਸਬੰਧ ਮੌਜੂਦ ਸੀ ਕਿ ਕੀ ਉਤੇਜਨਾ ਵਿੱਚ ਸਪੱਸ਼ਟ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸੰਕੇਤ ਸ਼ਾਮਲ ਸਨ ਜਾਂ ਨਹੀਂ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਪ੍ਰਭਾਵ ਦੀ ਤਾਕਤ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਿਗਨਲਾਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੇ ਨਾਲ-ਨਾਲ ਪੈਟਰਨ ਇੰਡੈਕਸ ਨਾਲ ਵੀ ਸੰਬੰਧਿਤ ਹੈ। ਬਾਅਦ ਵਾਲਾ ਉਸ ਡਿਗਰੀ ਨੂੰ ਮਾਪਦਾ ਹੈ ਜਿਸ ਤੱਕ ਯੂਨਿਟ ਗੁੰਝਲਦਾਰ ਪੈਟਰਨਾਂ ਵਿੱਚ ਸਥਾਨਕ ਗਤੀ ਦੀ ਬਜਾਏ ਗਲੋਬਲ ਰੇਡੀਏਟ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਫੈਸ਼ਨ ਦਿਸ਼ਾ ਲਈ ਚੋਣਤਮਕਤਾ ਨੂੰ ਲੰਬੇ ਸਮੇਂ ਤੋਂ MT ਦੀ ਇੱਕ ਪਰਿਭਾਸ਼ਿਤ ਵਿਸ਼ੇਸ਼ਤਾ ਵਜੋਂ ਮਾਨਤਾ ਦਿੱਤੀ ਗਈ ਹੈ, ਅਤੇ ਫੈਸ਼ਨ-ਚੋਣ ਵਾਲੇ ਸੈੱਲ ਉਹਨਾਂ ਉਤੇਜਨਾ ਦੀ ਮਨੁੱਖੀ ਧਾਰਨਾ ਦੇ ਨਾਲ ਇਕਸਾਰ ਗੁੰਝਲਦਾਰ ਉਤੇਜਨਾ ਲਈ ਟਿਊਨਿੰਗ ਦਿਖਾਉਂਦੇ ਹਨ, ਸਾਡੇ ਸਭ ਤੋਂ ਵਧੀਆ ਗਿਆਨ ਲਈ, ਇਹ ਪੈਟਰਨਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਲਈ ਪਹਿਲਾ ਸਬੂਤ ਹੈ। ਸੂਚਕਾਂਕ ਅਤੇ ਅਨੁਭਵੀ ਸੈਗਮੈਂਟੇਸ਼ਨ।
ਅਸੀਂ ਦੋ ਬਾਂਦਰਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਕਿ ਉਹ ਵਹਿ ਰਹੇ ਗਰਿੱਡ ਉਤੇਜਕਾਂ (ਸੁਸੰਗਤ ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਹਰਕਤਾਂ) ਦੀ ਆਪਣੀ ਧਾਰਨਾ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ। ਮਨੁੱਖੀ ਨਿਰੀਖਕ ਆਮ ਤੌਰ 'ਤੇ ਇਨ੍ਹਾਂ ਉਤੇਜਕਾਂ ਨੂੰ ਲਗਭਗ ਇੱਕੋ ਜਿਹੀ ਬਾਰੰਬਾਰਤਾ ਦੀਆਂ ਸੁਸੰਗਤ ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਹਰਕਤਾਂ ਵਜੋਂ ਸਮਝਦੇ ਹਨ। ਇਸ ਟ੍ਰਾਇਲ ਵਿੱਚ ਸਹੀ ਜਵਾਬ ਦੇਣ ਅਤੇ ਓਪਰੇਟ ਇਨਾਮ ਲਈ ਆਧਾਰ ਸੈੱਟ ਕਰਨ ਲਈ, ਅਸੀਂ ਜਾਲੀ ਬਣਾਉਣ ਵਾਲੇ ਹਿੱਸੇ ਦੇ ਰਾਸਟਰ ਨੂੰ ਟੈਕਸਟਚਰ ਕਰਕੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਿਗਨਲ ਬਣਾਏ (ਚਿੱਤਰ 1c, d)। ਸੁਸੰਗਤ ਸਥਿਤੀਆਂ ਦੇ ਤਹਿਤ, ਸਾਰੇ ਟੈਕਸਚਰ ਪੈਟਰਨ ਦੀ ਦਿਸ਼ਾ ਦੇ ਨਾਲ-ਨਾਲ ਚਲਦੇ ਹਨ (ਚਿੱਤਰ 1c, "ਸੁਸੰਗਤ")। ਪਾਰਦਰਸ਼ੀ ਸਥਿਤੀ ਵਿੱਚ, ਟੈਕਸਚਰ ਉਸ ਗ੍ਰੈਟਿੰਗ ਦੀ ਦਿਸ਼ਾ ਦੇ ਲੰਬਵਤ ਚਲਦਾ ਹੈ ਜਿਸ 'ਤੇ ਇਸਨੂੰ ਸੁਪਰਇੰਪੋਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ (ਚਿੱਤਰ 1c, "ਪਾਰਦਰਸ਼ੀ")। ਅਸੀਂ ਇਸ ਟੈਕਸਚਰ ਲੇਬਲ ਦੇ ਕੰਟ੍ਰਾਸਟ ਨੂੰ ਬਦਲ ਕੇ ਕੰਮ ਦੀ ਮੁਸ਼ਕਲ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਾਂ। ਸੰਕੇਤ ਕੀਤੇ ਗਏ ਟਰਾਇਲਾਂ ਵਿੱਚ, ਬਾਂਦਰਾਂ ਨੂੰ ਟੈਕਸਚਰ ਸੰਕੇਤਾਂ ਦੇ ਅਨੁਸਾਰੀ ਜਵਾਬਾਂ ਲਈ ਇਨਾਮ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਟੈਕਸਚਰ ਸੰਕੇਤਾਂ (ਜ਼ੀਰੋ ਟੈਕਸਚਰ ਕੰਟ੍ਰਾਸਟ ਸਥਿਤੀ) ਤੋਂ ਬਿਨਾਂ ਪੈਟਰਨਾਂ ਵਾਲੇ ਟ੍ਰਾਇਲਾਂ ਵਿੱਚ ਬੇਤਰਤੀਬੇ (50/50 ਔਡਜ਼) ਇਨਾਮ ਦਿੱਤੇ ਗਏ ਸਨ।
ਦੋ ਪ੍ਰਤੀਨਿਧ ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਵਿਵਹਾਰ ਸੰਬੰਧੀ ਡੇਟਾ ਚਿੱਤਰ 2a ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ, ਅਤੇ ਜਵਾਬਾਂ ਨੂੰ ਕ੍ਰਮਵਾਰ ਉੱਪਰ ਜਾਂ ਹੇਠਾਂ ਸ਼ਿਫਟ ਹੋਣ ਵਾਲੇ ਪੈਟਰਨਾਂ ਲਈ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ (ਪਾਰਦਰਸ਼ਤਾ ਵਿਪਰੀਤਤਾ ਨੂੰ ਪਰਿਭਾਸ਼ਾ ਦੁਆਰਾ ਨਕਾਰਾਤਮਕ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ) ਦੇ ਵਿਪਰੀਤਤਾ ਬਨਾਮ ਇਕਸੁਰਤਾ ਦੇ ਨਿਰਣੇ ਦੇ ਅਨੁਪਾਤ ਵਜੋਂ ਪਲਾਟ ਕੀਤਾ ਗਿਆ ਹੈ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਬਾਂਦਰਾਂ ਦੀ ਇਕਸੁਰਤਾ/ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਧਾਰਨਾ ਟੈਕਸਟਚਰ ਕਿਊ (ANOVA; ਬਾਂਦਰ N: ਦਿਸ਼ਾ - F = 0.58, p = 0.45, ਚਿੰਨ੍ਹ - F = 1248, p < 10−10, ਕੰਟ੍ਰਾਸਟ - F = 22.63, p < 10;−10 ਬਾਂਦਰ S: ਦਿਸ਼ਾ - F = 0.41, p = 0.52, ਚਿੰਨ੍ਹ - F = 2876.7, p < 10−10, ਕੰਟ੍ਰਾਸਟ - F = 36.5, p < 10−10) ਦੁਆਰਾ ਭਰੋਸੇਯੋਗ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਹੋਈ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਬਾਂਦਰਾਂ ਦੀ ਇਕਸੁਰਤਾ/ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਧਾਰਨਾ ਟੈਕਸਟਚਰ ਕਿਊ (ANOVA; ਬਾਂਦਰ N: ਦਿਸ਼ਾ - F = 0.58, p = 0.45, ਚਿੰਨ੍ਹ - F = 1248, p < 10−10, ਕੰਟ੍ਰਾਸਟ - F = 22.63, p < 10; −10 ਬਾਂਦਰ S: ਦਿਸ਼ਾ - F = 0.41, p = 0.52, ਚਿੰਨ੍ਹ - F = 2876.7, p < 10−10, ਕੰਟ੍ਰਾਸਟ - F = 36.5, p < 10−10) ਦੁਆਰਾ ਭਰੋਸੇਯੋਗ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਹੋਈ। В целом на восприятие обезьянами когерентности/прозрачности достоверно влияли как знак (прозрачность, когерентность), так (прозрачность, когерентность), так () текстурного признака (ANOVA; обезьяна N: направление — F = 0,58, p = 0,45, знак — F = 1248, p < 10−10, контраст – F = 22,63, p < з1: бояна; направление – F = 0,41, p = 0,52, признак – F = 2876,7, p < 10−10, контраст – F = 36,5, р < 10-10)। ਆਮ ਤੌਰ 'ਤੇ, ਬਾਂਦਰਾਂ ਦੁਆਰਾ ਇਕਸੁਰਤਾ/ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਧਾਰਨਾ ਟੈਕਸਟਚਰਲ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਚਿੰਨ੍ਹ (ਪਾਰਦਰਸ਼ਤਾ, ਇਕਸੁਰਤਾ) ਅਤੇ ਤਾਕਤ (ਵਿਪਰੀਤਤਾ) ਦੋਵਾਂ ਦੁਆਰਾ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਹੋਈ ਸੀ (ANOVA; ਬਾਂਦਰ N: ਦਿਸ਼ਾ — F = 0.58, p = 0.45, ਚਿੰਨ੍ਹ — F = 1248, p < 10−10, ਕੰਟ੍ਰਾਸਟ – F = 22.63, p < 10; -10 ਬਾਂਦਰ S: ਦਿਸ਼ਾ – F = 0.41, p = 0.52, ਚਿੰਨ੍ਹ – F = 2876.7, p < 10 −10, ਕੰਟ੍ਰਾਸਟ – 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 = 0.41, 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）.ਆਮ ਤੌਰ 'ਤੇ, ਬਾਂਦਰ ਇਕਸਾਰਤਾ/ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਧਾਰਨਾ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ (ANOVA) ਦੇ ਚਿੰਨ੍ਹ (ਪਾਰਦਰਸ਼ਤਾ, ਇਕਸਾਰਤਾ) ਅਤੇ ਤੀਬਰਤਾ (ਵਿਪਰੀਤਤਾ) ਦੁਆਰਾ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਹੋਈ ਸੀ;обезьяна N: ориентация – F = 0,58, p = 0,45, знак – F = 1248, p < 10−10, Контрастность — F = 22,63, p < 10; ਬਾਂਦਰ N: ਸਥਿਤੀ – F = 0.58, p = 0.45, ਚਿੰਨ੍ਹ – F = 1248, p < 10−10, ਕੰਟ੍ਰਾਸਟ – 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 ਬਾਂਦਰ S: ਸਥਿਤੀ – F = 0.41, p = 0.52, ਚਿੰਨ੍ਹ – F = 2876.7, p < 10-10, ਕੰਟ੍ਰਾਸਟ – F = 36.5, p < 10-10)।ਬਾਂਦਰਾਂ ਦੀਆਂ ਮਨੋ-ਭੌਤਿਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਹਰੇਕ ਸੈਸ਼ਨ ਦੇ ਡੇਟਾ ਵਿੱਚ ਗੌਸੀ ਸੰਚਤ ਫੰਕਸ਼ਨ ਫਿੱਟ ਕੀਤੇ ਗਏ ਸਨ। ਚਿੱਤਰ 2b ਦੋਵਾਂ ਬਾਂਦਰਾਂ ਲਈ ਸਾਰੇ ਸੈਸ਼ਨਾਂ ਵਿੱਚ ਇਹਨਾਂ ਮਾਡਲਾਂ ਲਈ ਸਹਿਮਤੀ ਦੀ ਵੰਡ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਬਾਂਦਰਾਂ ਨੇ ਕੰਮ ਨੂੰ ਸਹੀ ਅਤੇ ਇਕਸਾਰਤਾ ਨਾਲ ਪੂਰਾ ਕੀਤਾ, ਅਤੇ ਅਸੀਂ ਸੰਚਤ ਗੌਸੀ ਮਾਡਲ ਦੇ ਮਾੜੇ ਫਿੱਟ ਹੋਣ ਕਾਰਨ ਦੋ-ਬਾਂਦਰ ਸੈਸ਼ਨਾਂ ਵਿੱਚੋਂ 13% ਤੋਂ ਘੱਟ ਨੂੰ ਰੱਦ ਕਰ ਦਿੱਤਾ।
a ਪ੍ਰਤੀਨਿਧੀ ਸੈਸ਼ਨਾਂ ਵਿੱਚ ਬਾਂਦਰਾਂ ਦੀਆਂ ਵਿਵਹਾਰਕ ਉਦਾਹਰਣਾਂ (n ≥ ਪ੍ਰਤੀ ਉਤੇਜਕ ਸਥਿਤੀ 20 ਟ੍ਰਾਇਲ)। ਖੱਬੇ (ਸੱਜੇ) ਪੈਨਲਾਂ ਵਿੱਚ, ਇੱਕ N(S) ਬਾਂਦਰ ਸੈਸ਼ਨ ਤੋਂ ਡੇਟਾ ਨੂੰ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ (abscissa) ਦੇ ਸਾਈਨ ਕੰਟ੍ਰਾਸਟ ਦੇ ਰੂਪ ਵਿੱਚ ਸੁਮੇਲ ਚੋਣ ਸਕੋਰ (ਆਰਡੀਨੇਟ) ਬਨਾਮ ਸਾਈਨ ਕੰਟ੍ਰਾਸਟ ਦੇ ਰੂਪ ਵਿੱਚ ਪਲਾਟ ਕੀਤਾ ਗਿਆ ਹੈ। ਇੱਥੇ ਇਹ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਪਾਰਦਰਸ਼ੀ (ਸੁਮੇਲ) ਟੈਕਸਟਚਰ ਦੇ ਨਕਾਰਾਤਮਕ (ਸਕਾਰਾਤਮਕ) ਮੁੱਲ ਹਨ। ਟੈਸਟ ਵਿੱਚ ਪੈਟਰਨ ਦੀ ਗਤੀ ਦੀ ਦਿਸ਼ਾ (ਉੱਪਰ (90°) ਜਾਂ ਹੇਠਾਂ (270°)) ਦੇ ਅਨੁਸਾਰ ਜਵਾਬ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਬਣਾਏ ਗਏ ਸਨ। ਦੋਵਾਂ ਜਾਨਵਰਾਂ ਲਈ, ਪ੍ਰਦਰਸ਼ਨ, ਭਾਵੇਂ ਜਵਾਬ ਨੂੰ 50/50 ਕੰਟ੍ਰਾਸਟ (PSE - ਠੋਸ ਤੀਰ) ਨਾਲ ਵੰਡਿਆ ਗਿਆ ਹੋਵੇ ਜਾਂ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਇੱਕ ਖਾਸ ਪੱਧਰ (ਥ੍ਰੈਸ਼ਹੋਲਡ - ਖੁੱਲ੍ਹੇ ਤੀਰ) ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਟੈਕਸਟਚਰਲ ਕੰਟ੍ਰਾਸਟ ਦੀ ਮਾਤਰਾ, ਇਹਨਾਂ ਡ੍ਰਿਫਟ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਹੈ। b ਗੌਸੀਅਨ ਸੰਚਤ ਫੰਕਸ਼ਨ ਦੇ R2 ਮੁੱਲਾਂ ਦਾ ਫਿੱਟ ਕੀਤਾ ਗਿਆ ਹਿਸਟੋਗ੍ਰਾਮ। ਬਾਂਦਰ S(N) ਡੇਟਾ ਖੱਬੇ (ਸੱਜੇ) 'ਤੇ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। c (ਉੱਪਰ) PSE ਨੂੰ ਹੇਠਾਂ ਸ਼ਿਫਟ ਕੀਤੇ ਗਏ ਗਰਿੱਡ (ਐਬਸੀਸਾ) ਦੇ ਮੁਕਾਬਲੇ ਹੇਠਾਂ ਸ਼ਿਫਟ ਕੀਤੇ ਗਏ (ਆਰਡੀਨੇਟ) ਲਈ ਮਾਪਿਆ ਗਿਆ PSE, ਹਰੇਕ ਸ਼ਰਤ ਲਈ PSE ਵੰਡ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਅਤੇ ਤੀਰ ਹਰ ਸ਼ਰਤ ਲਈ ਔਸਤ ਦਰਸਾਉਂਦੇ ਹਨ। ਸਾਰੇ N(S) ਬਾਂਦਰ ਸੈਸ਼ਨਾਂ ਲਈ ਡੇਟਾ ਖੱਬੇ (ਸੱਜੇ) ਕਾਲਮ ਵਿੱਚ ਦਿੱਤਾ ਗਿਆ ਹੈ। (ਹੇਠਾਂ) PSE ਡੇਟਾ ਲਈ ਉਹੀ ਪਰੰਪਰਾ ਹੈ, ਪਰ ਫਿੱਟ ਕੀਤੇ ਗਏ ਵਿਸ਼ੇਸ਼ਤਾ ਥ੍ਰੈਸ਼ਹੋਲਡ ਲਈ। PSE ਥ੍ਰੈਸ਼ਹੋਲਡ ਜਾਂ ਫੈਸ਼ਨ ਰੁਝਾਨਾਂ ਵਿੱਚ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰ ਨਹੀਂ ਸਨ (ਟੈਕਸਟ ਵੇਖੋ)। d PSE ਅਤੇ ਢਲਾਨ (ਆਰਡੀਨੇਟ) ਨੂੰ ਐਂਗੁਲਰ ਸੈਪਰੇਸ਼ਨ ਕੰਪੋਨੈਂਟ ("ਇੰਟੈਗਰਲ ਗਰੇਟਿੰਗ ਐਂਗਲ" - ਐਬਸੀਸਾ) ਦੇ ਸਧਾਰਣ ਰਾਸਟਰ ਓਰੀਐਂਟੇਸ਼ਨ ਦੇ ਅਧਾਰ ਤੇ ਪਲਾਟ ਕੀਤਾ ਗਿਆ ਹੈ। ਖੁੱਲ੍ਹੇ ਚੱਕਰ ਸਾਧਨ ਹਨ, ਠੋਸ ਲਾਈਨ ਸਭ ਤੋਂ ਵਧੀਆ ਫਿਟਿੰਗ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਹੈ, ਅਤੇ ਬਿੰਦੀ ਵਾਲੀ ਲਾਈਨ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਲਈ 95% ਵਿਸ਼ਵਾਸ ਅੰਤਰਾਲ ਹੈ। PSE ਅਤੇ ਸਧਾਰਣ ਏਕੀਕਰਨ ਕੋਣ ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਹੈ, ਪਰ ਢਲਾਨ ਅਤੇ ਸਧਾਰਣ ਏਕੀਕਰਨ ਕੋਣ ਨਹੀਂ, ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਮਨੋਵਿਗਿਆਨਕ ਫੰਕਸ਼ਨ ਬਦਲਦਾ ਹੈ ਕਿਉਂਕਿ ਕੋਣ ਕੰਪੋਨੈਂਟ ਜਾਲੀਆਂ ਨੂੰ ਵੱਖ ਕਰਦਾ ਹੈ, ਪਰ ਤਿੱਖਾ ਜਾਂ ਸਮਤਲ ਨਹੀਂ ਕਰਦਾ। (ਮੰਕੀ ਐਨ, ਐਨ = 32 ਸੈਸ਼ਨ; ਬਾਂਦਰ ਐਸ, ਐਨ = 43 ਸੈਸ਼ਨ)। ਸਾਰੇ ਪੈਨਲਾਂ ਵਿੱਚ, ਗਲਤੀ ਬਾਰ ਔਸਤ ਦੀ ਮਿਆਰੀ ਗਲਤੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਹਾਹਾ। ਤਾਲਮੇਲ, ਪੀਐਸਈ ਵਿਅਕਤੀਗਤ ਸਮਾਨਤਾ ਸਕੋਰ, ਆਦਰਸ਼। ਮਾਨਕੀਕਰਨ।
ਜਿਵੇਂ ਕਿ ਉੱਪਰ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਟੈਕਸਟਚਰ ਸੰਕੇਤਾਂ ਦਾ ਵਿਪਰੀਤਤਾ ਅਤੇ ਪੈਟਰਨ ਦੀ ਗਤੀ ਦੀ ਦਿਸ਼ਾ ਦੋਵੇਂ ਟ੍ਰਾਇਲਾਂ ਵਿੱਚ ਵੱਖੋ-ਵੱਖਰੇ ਸਨ, ਇੱਕ ਦਿੱਤੇ ਟ੍ਰਾਇਲ ਵਿੱਚ ਉਤੇਜਨਾ ਉੱਪਰ ਜਾਂ ਹੇਠਾਂ ਵਹਿਣ ਦੇ ਨਾਲ। ਇਹ ਮਨੋ-ਭੌਤਿਕ11 ਅਤੇ ਨਿਊਰੋਨਲ28 ਅਨੁਕੂਲ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਕਰਨ ਲਈ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪੈਟਰਨ ਓਰੀਐਂਟੇਸ਼ਨ ਬਨਾਮ ਪੱਖਪਾਤ (ਵਿਅਕਤੀਗਤ ਸਮਾਨਤਾ ਬਿੰਦੂ ਜਾਂ PSE) (ਵਿਲਕੋਕਸਨ ਰੈਂਕ ਜੋੜ ਟੈਸਟ; ਬਾਂਦਰ N: z = 0.25, p = 0.8; ਬਾਂਦਰ S: z = 0.86, p = 0.39) ਜਾਂ ਫਿੱਟ ਫੰਕਸ਼ਨ ਥ੍ਰੈਸ਼ਹੋਲਡ (ਵਿਲਕੋਕਸਨ ਰੈਂਕਾਂ ਦਾ ਜੋੜ; ਬਾਂਦਰ N: z = 0.14, p = 0.89, ਬਾਂਦਰ S: z = 0.49, p = 0.62) (ਚਿੱਤਰ 2c)। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਪ੍ਰਦਰਸ਼ਨ ਥ੍ਰੈਸ਼ਹੋਲਡ ਪੱਧਰਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਲੋੜੀਂਦੇ ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਦੀ ਡਿਗਰੀ ਵਿੱਚ ਬਾਂਦਰਾਂ ਵਿਚਕਾਰ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰ ਨਹੀਂ ਸਨ (N ਬਾਂਦਰ = 24.5% ± 3.9%, S ਬਾਂਦਰ = 18.9% ± 1.9%; ਵਿਲਕੋਕਸਨ ਰੈਂਕ ਜੋੜ, z = 1.01, p = 0.31)।
ਹਰੇਕ ਸੈਸ਼ਨ ਵਿੱਚ, ਅਸੀਂ ਕੰਪੋਨੈਂਟ ਜਾਲੀਆਂ ਦੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਵੱਖ ਕਰਨ ਵਾਲੇ ਇੰਟਰਲੈਟੀਸ ਐਂਗਲ ਨੂੰ ਬਦਲਿਆ। ਮਨੋ-ਭੌਤਿਕ ਅਧਿਐਨਾਂ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਜਦੋਂ ਇਹ ਕੋਣ ਛੋਟਾ ਹੁੰਦਾ ਹੈ ਤਾਂ ਲੋਕ ਸੈੱਲ 10 ਨੂੰ ਜੁੜੇ ਹੋਏ ਸਮਝਣ ਦੀ ਜ਼ਿਆਦਾ ਸੰਭਾਵਨਾ ਰੱਖਦੇ ਹਨ। ਜੇਕਰ ਬਾਂਦਰ ਭਰੋਸੇਯੋਗ ਤੌਰ 'ਤੇ ਇਕਸਾਰਤਾ/ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਆਪਣੀ ਧਾਰਨਾ ਦੀ ਰਿਪੋਰਟ ਕਰ ਰਹੇ ਸਨ, ਤਾਂ ਇਹਨਾਂ ਖੋਜਾਂ ਦੇ ਅਧਾਰ 'ਤੇ, ਕੋਈ ਉਮੀਦ ਕਰੇਗਾ ਕਿ PSE, ਇਕਸਾਰਤਾ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਵਿਕਲਪਾਂ ਵਿਚਕਾਰ ਇੱਕ ਸਮਾਨ ਵੰਡ ਦੇ ਅਨੁਸਾਰੀ ਟੈਕਸਟ ਕੰਟ੍ਰਾਸਟ, ਪਰਸਪਰ ਪ੍ਰਭਾਵ 'ਤੇ ਵਧਣ ਲਈ। ਜਾਲੀ ਵਾਲਾ ਕੋਣ। ਇਹ ਅਸਲ ਵਿੱਚ ਮਾਮਲਾ ਸੀ (ਚਿੱਤਰ 2d; ਪੈਟਰਨ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਢਹਿਣਾ, ਕ੍ਰਸਕਲ-ਵਾਲਿਸ; ਬਾਂਦਰ N: χ2 = 23.06, p < 10−3; ਬਾਂਦਰ S: χ2 = 22.22, p < 10−3; ਸਧਾਰਣ ਇੰਟਰ-ਗਰੇਟਿੰਗ ਐਂਗਲ ਅਤੇ PSE - ਬਾਂਦਰ N ਵਿਚਕਾਰ ਸਬੰਧ: r = 0.67, p < 10−9; ਬਾਂਦਰ S: r = 0.76, p < 10−13)। ਇਹ ਸੱਚਮੁੱਚ ਹੀ ਮਾਮਲਾ ਸੀ (ਚਿੱਤਰ 2d; ਪੈਟਰਨ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਢਹਿ-ਢੇਰੀ ਹੋਣਾ, ਕ੍ਰਸਕਲ-ਵਾਲਿਸ; ਬਾਂਦਰ N: χ2 = 23.06, p < 10−3; ਬਾਂਦਰ S: χ2 = 22.22, p < 10−3; ਸਧਾਰਣ ਇੰਟਰਗਰੇਟਿੰਗ ਐਂਗਲ ਅਤੇ PSE - ਬਾਂਦਰ N ਵਿਚਕਾਰ ਸਬੰਧ: r = 0.67, p < 10−9; ਬਾਂਦਰ S: r = 0.76, p < 10−13)। Это действительно имело место (рис. 2d; коллапс поперек направления паттерна, Крускал-Уоллис; обезьяна N: χ2 = p, 23, бяза6 ; χ2 = 22,22, p < 10–3; 10-13)। ਇਹ ਸੱਚਮੁੱਚ ਵਾਪਰਿਆ (ਚਿੱਤਰ 2d; ਪੈਟਰਨ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਢਹਿਣਾ, ਕ੍ਰਸਕਲ-ਵਾਲਿਸ; ਬਾਂਦਰ N: χ2 = 23.06, p < 10–3; ਬਾਂਦਰ S: χ2 = 22.22, p < 10–3; ਸਧਾਰਣ ਜਾਲੀ ਵਾਲੇ ਕੋਣ ਅਤੇ PSE - ਬਾਂਦਰ N ਵਿਚਕਾਰ ਸਬੰਧ: r = 0.67, p < 10-9, ਬਾਂਦਰ S: r = 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；2S = 22χ. 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 Ｍ ； ； = 10-3 22.22 ， p <10-3 ； 间 光栅角 和 pse-猴子 猴子 猴子 猴子 猴子 猴子 猴子 N：r ，7p <6. 10-9；猴子S：r = 0.76, p <10-13）। Это действительно имело место (рис. 2d; кратность по оси моды, Крускал-Уоллис; обезьяна N: χ2 = 23,06, p <10: бязна; 22,22, p < 10-3; ਇਹ ਅਸਲ ਵਿੱਚ ਮਾਮਲਾ ਸੀ (ਚਿੱਤਰ 2d; ਮੋਡ ਧੁਰੇ ਦੇ ਨਾਲ ਫੋਲਡ ਕਰੋ, ਕ੍ਰਸਕਲ-ਵਾਲਿਸ; ਬਾਂਦਰ N: χ2 = 23.06, p < 10-3; ਬਾਂਦਰ S: χ2 = 22.22, p < 10-3; ਸਧਾਰਣ ਇੰਟਰਲੈਟੀਸ ਕੋਨਾ)। PSE-обезьяна N: r = 0,67, p <10–9, обезьяна S: r = 0,76, p < 10–13)। PSE ਬਾਂਦਰ N: r = 0.67, p < 10–9, ਬਾਂਦਰ S: r = 0.76, p < 10–13)।ਇਸ ਦੇ ਉਲਟ, ਇੰਟਰਲੈਟੀਸ ਐਂਗਲ ਨੂੰ ਬਦਲਣ ਨਾਲ ਸਾਈਕੋਮੈਟ੍ਰਿਕ ਫੰਕਸ਼ਨ ਦੀ ਢਲਾਣ 'ਤੇ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਨਹੀਂ ਪਿਆ (ਚਿੱਤਰ 2d; ਕਰਾਸ-ਮਾਡਲ ਓਰੀਐਂਟੇਸ਼ਨ ਫੋਲਡ, ਕ੍ਰਸਕਲ-ਵਾਲਿਸ; ਬਾਂਦਰ N: χ2 = 8.09, p = 0.23; ਬਾਂਦਰ S χ2 = 3.18, p = 0.67, ਸਧਾਰਣ ਇੰਟਰਲੈਟੀਸ ਐਂਗਲ ਅਤੇ ਢਲਾਣ ਵਿਚਕਾਰ ਸਬੰਧ - ਬਾਂਦਰ N: r = -0.4, p = 0.2, ਬਾਂਦਰ S: r = 0.03, p = 0.76)। ਇਸ ਤਰ੍ਹਾਂ, ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਮਨੋ-ਭੌਤਿਕ ਡੇਟਾ ਦੇ ਅਨੁਸਾਰ, ਗਰੇਟਿੰਗਾਂ ਦੇ ਵਿਚਕਾਰ ਕੋਣ ਨੂੰ ਬਦਲਣ ਦਾ ਔਸਤ ਪ੍ਰਭਾਵ ਵਿਸਥਾਪਨ ਬਿੰਦੂਆਂ ਵਿੱਚ ਇੱਕ ਤਬਦੀਲੀ ਹੈ, ਨਾ ਕਿ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਿਗਨਲਾਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿੱਚ ਵਾਧਾ ਜਾਂ ਕਮੀ।
ਅੰਤ ਵਿੱਚ, ਇਨਾਮਾਂ ਨੂੰ ਜ਼ੀਰੋ ਟੈਕਸਚਰ ਕੰਟ੍ਰਾਸਟ ਵਾਲੇ ਟਰਾਇਲਾਂ ਵਿੱਚ 0.5 ਦੀ ਸੰਭਾਵਨਾ ਨਾਲ ਬੇਤਰਤੀਬ ਢੰਗ ਨਾਲ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਜੇਕਰ ਸਾਰੇ ਬਾਂਦਰ ਇਸ ਵਿਲੱਖਣ ਬੇਤਰਤੀਬਤਾ ਤੋਂ ਜਾਣੂ ਹੁੰਦੇ ਅਤੇ ਜ਼ੀਰੋ ਟੈਕਸਚਰ ਕੰਟ੍ਰਾਸਟ ਅਤੇ ਕਿਊ ਉਤੇਜਨਾ ਵਿੱਚ ਫਰਕ ਕਰਨ ਦੇ ਯੋਗ ਹੁੰਦੇ, ਤਾਂ ਉਹ ਦੋ ਕਿਸਮਾਂ ਦੇ ਟਰਾਇਲਾਂ ਲਈ ਵੱਖ-ਵੱਖ ਰਣਨੀਤੀਆਂ ਵਿਕਸਤ ਕਰ ਸਕਦੇ ਸਨ। ਦੋ ਨਿਰੀਖਣ ਜ਼ੋਰਦਾਰ ਢੰਗ ਨਾਲ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਇਹ ਮਾਮਲਾ ਨਹੀਂ ਹੈ। ਪਹਿਲਾਂ, ਗਰੇਟਿੰਗ ਐਂਗਲ ਨੂੰ ਬਦਲਣ ਨਾਲ ਕਿਊ ਅਤੇ ਜ਼ੀਰੋ ਟੈਕਸਚਰ ਕੰਟ੍ਰਾਸਟ ਸਕੋਰਾਂ 'ਤੇ ਗੁਣਾਤਮਕ ਤੌਰ 'ਤੇ ਸਮਾਨ ਪ੍ਰਭਾਵ ਪਏ (ਚਿੱਤਰ 2d ਅਤੇ ਪੂਰਕ ਚਿੱਤਰ 1)। ਦੂਜਾ, ਦੋਵਾਂ ਬਾਂਦਰਾਂ ਲਈ, ਬਿਸਟੇਬਲ ਟ੍ਰਾਇਲ ਚੋਣ ਸਭ ਤੋਂ ਤਾਜ਼ਾ (ਪਿਛਲੇ) ਇਨਾਮ ਚੋਣ (ਬਾਈਨੋਮੀਅਲ ਟੈਸਟ, N ਬਾਂਦਰ: 0.52, z = 0.74, p = 0.22; S ਬਾਂਦਰ: 0.51, r = 0.9, p = 0.18) ਦੀ ਦੁਹਰਾਓ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ।
ਸਿੱਟੇ ਵਜੋਂ, ਸਾਡੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਟਾਸਕ ਵਿੱਚ ਬਾਂਦਰਾਂ ਦਾ ਵਿਵਹਾਰ ਚੰਗੇ ਉਤੇਜਕ ਨਿਯੰਤਰਣ ਅਧੀਨ ਸੀ। ਟੈਕਸਟਚਰ ਸੰਕੇਤਾਂ ਦੇ ਚਿੰਨ੍ਹ ਅਤੇ ਆਕਾਰ 'ਤੇ ਅਨੁਭਵੀ ਨਿਰਣਿਆਂ ਦੀ ਨਿਰਭਰਤਾ, ਅਤੇ ਨਾਲ ਹੀ ਗ੍ਰੇਟਿੰਗ ਐਂਗਲ ਦੇ ਨਾਲ PSE ਵਿੱਚ ਤਬਦੀਲੀਆਂ, ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਬਾਂਦਰਾਂ ਨੇ ਮੋਟਰ ਇਕਸਾਰਤਾ/ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਆਪਣੀ ਵਿਅਕਤੀਗਤ ਧਾਰਨਾ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ। ਅੰਤ ਵਿੱਚ, ਜ਼ੀਰੋ ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਟਰਾਇਲਾਂ ਵਿੱਚ ਬਾਂਦਰਾਂ ਦੇ ਜਵਾਬ ਪਿਛਲੇ ਟਰਾਇਲਾਂ ਦੇ ਇਨਾਮ ਇਤਿਹਾਸ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਹੋਏ ਸਨ ਅਤੇ ਅੰਤਰ-ਰਾਸਟਰ ਐਂਗੁਲਰ ਤਬਦੀਲੀਆਂ ਦੁਆਰਾ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਹੋਏ ਸਨ। ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਬਾਂਦਰ ਇਸ ਮਹੱਤਵਪੂਰਨ ਸਥਿਤੀ ਦੇ ਅਧੀਨ ਜਾਲੀ ਸਤਹ ਸੰਰਚਨਾ ਦੀ ਆਪਣੀ ਵਿਅਕਤੀਗਤ ਧਾਰਨਾ ਦੀ ਰਿਪੋਰਟ ਕਰਨਾ ਜਾਰੀ ਰੱਖਦੇ ਹਨ।
ਜਿਵੇਂ ਕਿ ਉੱਪਰ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਦਾ ਨੈਗੇਟਿਵ ਤੋਂ ਸਕਾਰਾਤਮਕ ਵਿੱਚ ਪਰਿਵਰਤਨ ਪਾਰਦਰਸ਼ੀ ਤੋਂ ਸੁਮੇਲ ਵਿੱਚ ਉਤੇਜਨਾ ਦੇ ਅਨੁਭਵੀ ਪਰਿਵਰਤਨ ਦੇ ਬਰਾਬਰ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ, ਇੱਕ ਦਿੱਤੇ ਗਏ ਸੈੱਲ ਲਈ, MT ਪ੍ਰਤੀਕਿਰਿਆ ਵਧਦੀ ਜਾਂ ਘਟਦੀ ਹੈ ਕਿਉਂਕਿ ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਨੈਗੇਟਿਵ ਤੋਂ ਸਕਾਰਾਤਮਕ ਵਿੱਚ ਬਦਲਦਾ ਹੈ, ਅਤੇ ਇਸ ਪ੍ਰਭਾਵ ਦੀ ਦਿਸ਼ਾ ਆਮ ਤੌਰ 'ਤੇ ਪੈਟਰਨ/ਕੰਪੋਨੈਂਟ ਦੀ ਗਤੀ ਦੀ ਦਿਸ਼ਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਦੋ ਪ੍ਰਤੀਨਿਧੀ MT ਸੈੱਲਾਂ ਦੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਟਿਊਨਿੰਗ ਕਰਵ ਚਿੱਤਰ 3 ਵਿੱਚ ਇਹਨਾਂ ਸੈੱਲਾਂ ਦੇ ਘੱਟ ਜਾਂ ਉੱਚ ਵਿਪਰੀਤ ਸੁਮੇਲ ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ ਵਾਲੇ ਗ੍ਰੈਟਿੰਗਾਂ ਦੇ ਜਵਾਬਾਂ ਦੇ ਨਾਲ ਦਿਖਾਏ ਗਏ ਹਨ। ਅਸੀਂ ਇਹਨਾਂ ਗਰਿੱਡ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਮਾਪਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਹੈ, ਜੋ ਕਿ ਸਾਡੇ ਬਾਂਦਰਾਂ ਦੇ ਮਨੋ-ਭੌਤਿਕ ਪ੍ਰਦਰਸ਼ਨ ਨਾਲ ਸਬੰਧਤ ਹੋ ਸਕਦਾ ਹੈ।
ਇੱਕ ਸਿੰਗਲ ਸਾਈਨਸੋਇਡਲ ਐਰੇ ਦੇ ਜਵਾਬ ਵਿੱਚ ਇੱਕ ਪ੍ਰਤੀਨਿਧੀ ਬਾਂਦਰ MT ਸੈੱਲ S ਦੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਿਕ ਟਿਊਨਿੰਗ ਕਰਵ ਦਾ ਧਰੁਵੀ ਪਲਾਟ। ਕੋਣ ਗਰੇਟਿੰਗ ਦੀ ਗਤੀ ਦੀ ਦਿਸ਼ਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਵਿਸ਼ਾਲਤਾ ਐਮਿਸੀਵਿਟੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਅਤੇ ਪਸੰਦੀਦਾ ਸੈੱਲ ਦਿਸ਼ਾ ਗਰੇਟਿੰਗ ਪੈਟਰਨ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਇੱਕ ਹਿੱਸੇ ਦੀ ਦਿਸ਼ਾ ਦੇ ਨਾਲ ਲਗਭਗ 90° (ਉੱਪਰ) ਓਵਰਲੈਪ ਕਰਦੀ ਹੈ। b ਜਵਾਬ ਗਰਿੱਡ ਦਾ ਹਫਤਾਵਾਰੀ ਉਤੇਜਕ-ਸਮਾਂ ਹਿਸਟੋਗ੍ਰਾਮ (PSTH), a ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਸੈੱਲ ਲਈ ਟੈਂਪਲੇਟ ਦਿਸ਼ਾ ਵਿੱਚ 90° (ਖੱਬੇ ਪਾਸੇ ਯੋਜਨਾਬੱਧ ਤੌਰ 'ਤੇ ਦਿਖਾਇਆ ਗਿਆ ਹੈ) ਦੁਆਰਾ ਸ਼ਿਫਟ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਵਾਬਾਂ ਨੂੰ ਟੈਕਸਟਚਰ ਹਿੰਟ ਕਿਸਮ (ਕ੍ਰਮਵਾਰ ਇਕਸਾਰ/ਪਾਰਦਰਸ਼ੀ - ਮੱਧ/ਸੱਜੇ ਪੈਨਲ) ਅਤੇ ਮਾਈਕਲਸਨ ਕੰਟ੍ਰਾਸਟ (PSTH ਰੰਗ ਸੰਕੇਤ) ਦੁਆਰਾ ਕ੍ਰਮਬੱਧ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਰੇਕ ਕਿਸਮ ਦੇ ਘੱਟ-ਕੰਟ੍ਰਾਸਟ ਅਤੇ ਉੱਚ-ਕੰਟ੍ਰਾਸਟ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ ਲਈ ਸਿਰਫ਼ ਸਹੀ ਕੋਸ਼ਿਸ਼ਾਂ ਦਿਖਾਈਆਂ ਗਈਆਂ ਹਨ। ਸੈੱਲਾਂ ਨੇ ਪਾਰਦਰਸ਼ੀ ਟੈਕਸਟਚਰ ਸੰਕੇਤਾਂ ਦੇ ਨਾਲ ਉੱਪਰ ਵੱਲ ਵਹਿ ਰਹੇ ਜਾਲੀ ਪੈਟਰਨਾਂ ਦਾ ਬਿਹਤਰ ਜਵਾਬ ਦਿੱਤਾ, ਅਤੇ ਇਹਨਾਂ ਪੈਟਰਨਾਂ ਦਾ ਜਵਾਬ ਵਧ ਰਹੇ ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਨਾਲ ਵਧਿਆ। c, d ਉਹੀ ਪਰੰਪਰਾਵਾਂ ਹਨ ਜੋ a ਅਤੇ b ਵਿੱਚ ਹਨ, ਪਰ ਬਾਂਦਰ S ਤੋਂ ਇਲਾਵਾ MT ਸੈੱਲਾਂ ਲਈ, ਉਹਨਾਂ ਦੀ ਪਸੰਦੀਦਾ ਸਥਿਤੀ ਲਗਭਗ ਹੇਠਾਂ ਵੱਲ ਵਹਿਣ ਵਾਲੇ ਗਰਿੱਡ ਦੇ ਓਵਰਲੈਪ ਹੁੰਦੀ ਹੈ। ਯੂਨਿਟ ਸੁਮੇਲ ਬਣਤਰ ਸੰਕੇਤਾਂ ਦੇ ਨਾਲ ਹੇਠਾਂ ਵੱਲ ਵਹਿਣ ਵਾਲੇ ਗਰਿੱਡ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੀ ਹੈ, ਅਤੇ ਇਹਨਾਂ ਪੈਟਰਨਾਂ ਦਾ ਜਵਾਬ ਵਧਦੇ ਬਣਤਰ ਵਿਪਰੀਤਤਾ ਦੇ ਨਾਲ ਵਧਦਾ ਹੈ। ਸਾਰੇ ਪੈਨਲਾਂ ਵਿੱਚ, ਛਾਂਦਾਰ ਖੇਤਰ ਔਸਤ ਦੀ ਮਿਆਰੀ ਗਲਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਸਪੋਕਸ। ਸਪਾਈਕਸ, ਸਕਿੰਟ। ਸਕਿੰਟ।
ਸਾਡੇ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ ਅਤੇ MT ਗਤੀਵਿਧੀ ਦੁਆਰਾ ਦਰਸਾਏ ਗਏ ਜਾਲੀ ਸਤਹ ਸੰਰਚਨਾ (ਸੁਸੰਗਤ ਜਾਂ ਪਾਰਦਰਸ਼ੀ) ਵਿਚਕਾਰ ਸਬੰਧ ਦੀ ਪੜਚੋਲ ਕਰਨ ਲਈ, ਅਸੀਂ ਪਹਿਲਾਂ ਸੈੱਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਰੀਗਰੈਸ ਕੀਤਾ, ਜੋ ਕਿ ਰੈਗਰੈਸਨ ਦੁਆਰਾ ਸੁਸੰਗਤ ਗਤੀ (ਸਕਾਰਾਤਮਕ ਢਲਾਨ) ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਗਤੀ (ਨਕਾਰਾਤਮਕ ਢਲਾਨ) ਲਈ ਹੈ। ਸੈੱਲਾਂ ਨੂੰ ਵਿਪਰੀਤ (ਹਰੇਕ ਮੋਡ ਦਿਸ਼ਾ ਲਈ ਵੱਖਰੇ ਤੌਰ 'ਤੇ) ਦੇ ਮੁਕਾਬਲੇ ਚਿੰਨ੍ਹ ਪ੍ਰਤੀਕਿਰਿਆ ਦਰ ਦੁਆਰਾ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਚਿੱਤਰ 3 ਵਿੱਚ ਉਸੇ ਉਦਾਹਰਣ ਸੈੱਲ ਤੋਂ ਇਹਨਾਂ ਜਾਲੀ ਟਿਊਨਿੰਗ ਕਰਵ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਚਿੱਤਰ 4a ਵਿੱਚ ਦਿਖਾਈਆਂ ਗਈਆਂ ਹਨ। ਵਰਗੀਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਰਿਸੀਵਰ ਪ੍ਰਦਰਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ (ROC) ਦੀ ਵਰਤੋਂ ਹਰੇਕ ਸੈੱਲ ਦੀ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ ਦੇ ਮੋਡੂਲੇਸ਼ਨ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨੂੰ ਮਾਪਣ ਲਈ ਕੀਤੀ (ਵਿਧੀ ਵੇਖੋ)। ਇਸ ਤਰੀਕੇ ਨਾਲ ਪ੍ਰਾਪਤ ਕੀਤੇ ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਫੰਕਸ਼ਨਾਂ ਦੀ ਤੁਲਨਾ ਉਸੇ ਸੈਸ਼ਨ ਵਿੱਚ ਬਾਂਦਰਾਂ ਦੀਆਂ ਮਨੋਭੌਤਿਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਤਾਂ ਜੋ ਨਿਊਰੋਨਸ ਦੀ ਜਾਲੀ ਟੈਕਸਟਚਰ ਨਾਲ ਮਨੋਭੌਤਿਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੀ ਸਿੱਧੀ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਸਕੇ। ਅਸੀਂ ਨਮੂਨੇ ਵਿੱਚ ਸਾਰੀਆਂ ਇਕਾਈਆਂ ਲਈ ਦੋ ਸਿਗਨਲ ਖੋਜ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੇ, ਪੈਟਰਨ ਦੀ ਹਰੇਕ ਦਿਸ਼ਾ (ਦੁਬਾਰਾ, ਉੱਪਰ ਜਾਂ ਹੇਠਾਂ) ਲਈ ਵੱਖਰੇ ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਗਣਨਾ ਕੀਤੀ। ਇਹ ਨੋਟ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ, ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ, ਅਸੀਂ ਸਿਰਫ ਉਹਨਾਂ ਅਜ਼ਮਾਇਸ਼ਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਹੈ ਜਿਨ੍ਹਾਂ ਵਿੱਚ (i) ਉਤੇਜਨਾ ਵਿੱਚ ਇੱਕ ਟੈਕਸਟਚਰ ਕਿਊ ਸੀ ਅਤੇ (ii) ਬਾਂਦਰਾਂ ਨੇ ਉਸ ਸੰਕੇਤ (ਭਾਵ, "ਸਹੀ" ਅਜ਼ਮਾਇਸ਼ਾਂ) ਦੇ ਅਨੁਸਾਰ ਜਵਾਬ ਦਿੱਤਾ।
ਅੱਗ ਦੀਆਂ ਦਰਾਂ ਕ੍ਰਮਵਾਰ ਟੈਕਸਟਚਰ ਸਾਈਨ ਕੰਟ੍ਰਾਸਟ ਦੇ ਵਿਰੁੱਧ ਪਲਾਟ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਗ੍ਰੇਟਿੰਗਾਂ ਨੂੰ ਉੱਪਰ (ਖੱਬੇ) ਜਾਂ ਹੇਠਾਂ (ਸੱਜੇ) ਬਦਲਣ ਲਈ, ਠੋਸ ਲਾਈਨ ਸਭ ਤੋਂ ਵਧੀਆ ਫਿੱਟ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਅਤੇ ਉੱਪਰ (ਹੇਠਾਂ) ਕਤਾਰ ਵਿੱਚ ਡੇਟਾ ਚਿੱਤਰ ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਡੇਟਾ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ। ਚੌਲ। 3a ਸੈੱਲ, b (ਚਿੱਤਰ 3c, d)। ਰਿਗਰੈਸ਼ਨ ਢਲਾਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਵਰਤੋਂ ਹਰੇਕ ਸੈੱਲ/ਜਾਲੀ ਸਥਿਤੀ (n ≥ 20 ਟ੍ਰਾਇਲ ਪ੍ਰਤੀ ਉਤੇਜਕ ਸਥਿਤੀ) ਨੂੰ ਪਸੰਦੀਦਾ ਟੈਕਸਟਚਰ ਸੰਕੇਤ (ਸੁਸੰਗਤ/ਪਾਰਦਰਸ਼ੀ) ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕੀਤੀ ਗਈ ਸੀ। ਗਲਤੀ ਬਾਰ ਔਸਤ ਦੇ ਮਿਆਰੀ ਭਟਕਣ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ba ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਯੂਨਿਟਾਂ ਦੇ ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਉਸੇ ਸੈਸ਼ਨ ਦੌਰਾਨ ਇਕੱਠੇ ਕੀਤੇ ਗਏ ਮਨੋਵਿਗਿਆਨਕ ਫੰਕਸ਼ਨਾਂ ਦੇ ਨਾਲ ਦਰਸਾਇਆ ਗਿਆ ਹੈ। ਹੁਣ, ਹਰੇਕ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ, ਅਸੀਂ ਟੈਕਸਟਚਰ ਦੇ ਸਾਈਨ ਕੰਟ੍ਰਾਸਟ (abscissa) ਦੇ ਪ੍ਰਤੀਸ਼ਤ ਵਜੋਂ ਪਸੰਦੀਦਾ ਟੂਲਟਿਪ ਚੋਣ (ਆਰਡੀਨੇਟ) (ਟੈਕਸਟ ਵੇਖੋ) ਪਲਾਟ ਕਰਦੇ ਹਾਂ। ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਨੂੰ ਬਦਲਿਆ ਗਿਆ ਹੈ ਤਾਂ ਜੋ ਪਸੰਦੀਦਾ ਟੂਲਟਿਪ ਸਕਾਰਾਤਮਕ ਹੋਣ ਅਤੇ ਖਾਲੀ ਟੂਲਟਿਪ ਨਕਾਰਾਤਮਕ ਹੋਣ। ਉੱਪਰ ਵੱਲ (ਹੇਠਾਂ ਵੱਲ) ਵਹਿਣ ਵਾਲੇ ਗਰਿੱਡਾਂ ਤੋਂ ਡੇਟਾ ਖੱਬੇ (ਸੱਜੇ) ਪੈਨਲਾਂ ਵਿੱਚ, ਉੱਪਰ (ਹੇਠਲੀਆਂ) ਕਤਾਰਾਂ ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ - ਚਿੱਤਰ 3a,b (ਚਿੱਤਰ 3c,d) ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਸੈੱਲਾਂ ਤੋਂ ਡੇਟਾ। ਹਰੇਕ ਪੈਨਲ ਵਿੱਚ ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਅਤੇ ਸਾਈਕੋਮੈਟ੍ਰਿਕ ਥ੍ਰੈਸ਼ਹੋਲਡ (N/P) ਦੇ ਅਨੁਪਾਤ ਦਿਖਾਏ ਗਏ ਹਨ। ਸਪੋਕਸ। ਸਪਾਈਕਸ, ਸਕਿੰਟ। ਸਕਿੰਟ, ਡਾਇਰੈਕਟਰੀ। ਦਿਸ਼ਾ, ਪ੍ਰਾਂਤ ਤਰਜੀਹੀ, psi। ਸਾਈਕੋਮੈਟਰੀ, ਨਿਊਰੋਲੋਜੀ।
ਦੋ ਪ੍ਰਤੀਨਿਧੀ MT ਸੈੱਲਾਂ ਦੇ ਜਾਲੀ ਟਿਊਨਿੰਗ ਕਰਵ ਅਤੇ ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਫੰਕਸ਼ਨ ਅਤੇ ਉਹਨਾਂ ਨਾਲ ਜੁੜੇ ਮਨੋਮੈਟ੍ਰਿਕ ਫੰਕਸ਼ਨ, ਇਹਨਾਂ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਦੇ ਨਾਲ ਇਕੱਠੇ ਕੀਤੇ ਗਏ ਹਨ, ਕ੍ਰਮਵਾਰ ਚਿੱਤਰ 4a,b ਦੇ ਉੱਪਰ ਅਤੇ ਹੇਠਲੇ ਪੈਨਲਾਂ ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਹਨ। ਇਹ ਸੈੱਲ ਲਗਭਗ ਇਕਸਾਰ ਵਾਧਾ ਜਾਂ ਕਮੀ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿਉਂਕਿ ਬਣਤਰ ਦਾ ਸੰਕੇਤ ਪਾਰਦਰਸ਼ੀ ਤੋਂ ਸੁਮੇਲ ਵੱਲ ਜਾਂਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਬੰਧਨ ਦੀ ਦਿਸ਼ਾ ਅਤੇ ਤਾਕਤ ਜਾਲੀ ਗਤੀ ਦੀ ਦਿਸ਼ਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਅੰਤ ਵਿੱਚ, ਇਹਨਾਂ ਸੈੱਲਾਂ ਦੇ ਜਵਾਬਾਂ ਤੋਂ ਗਿਣਿਆ ਗਿਆ ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਫੰਕਸ਼ਨ ਸਿਰਫ ਇਕ-ਦਿਸ਼ਾਵੀ ਗਰਿੱਡ ਗਤੀ ਦੇ ਮਨੋ-ਭੌਤਿਕ ਗੁਣਾਂ ਦੇ ਨੇੜੇ ਪਹੁੰਚਿਆ (ਪਰ ਫਿਰ ਵੀ ਇਸਦੇ ਅਨੁਸਾਰ ਨਹੀਂ ਸੀ)। ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਅਤੇ ਮਨੋਵਿਗਿਆਨਕ ਫੰਕਸ਼ਨ ਦੋਵਾਂ ਨੂੰ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨਾਲ ਸੰਖੇਪ ਕੀਤਾ ਗਿਆ ਸੀ, ਭਾਵ ਸਹੀ ਢੰਗ ਨਾਲ ਚੁਣੇ ਗਏ ਕੰਟ੍ਰਾਸਟ ਦੇ ਲਗਭਗ 84% ਦੇ ਅਨੁਸਾਰੀ (ਫਿੱਟ ਕੀਤੇ ਸੰਚਤ ਗੌਸੀਅਨ ਫੰਕਸ਼ਨ ਦੇ ਔਸਤ + 1 sd ਦੇ ਅਨੁਸਾਰ)। ਪੂਰੇ ਨਮੂਨੇ ਵਿੱਚ, N/P ਅਨੁਪਾਤ, ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦਾ ਸਾਈਕੋਮੈਟ੍ਰਿਕ ਇੱਕ ਨਾਲ ਅਨੁਪਾਤ, ਬਾਂਦਰ N ਵਿੱਚ ਔਸਤਨ 12.4 ± 1.2 ਅਤੇ ਬਾਂਦਰ S ਵਿੱਚ 15.9 ± 1.8 ਸੀ, ਅਤੇ ਜਾਲੀ ਨੂੰ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਦਿਸ਼ਾ ਵਿੱਚ ਜਾਣ ਲਈ, ਬਾਂਦਰ N (ਬਾਂਦਰ S) (ਚਿੱਤਰ 5a) ਤੋਂ ਸਿਰਫ਼ ~16% (18). %) ਯੂਨਿਟਾਂ 'ਤੇ। ਚਿੱਤਰ ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਸੈੱਲ ਉਦਾਹਰਣ ਤੋਂ। ਜਿਵੇਂ ਕਿ ਚਿੱਤਰ 3 ਅਤੇ 4 ਵਿੱਚ ਦੇਖਿਆ ਗਿਆ ਹੈ, ਨਿਊਰੋਨਸ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਸੈੱਲ ਦੇ ਪਸੰਦੀਦਾ ਦਿਸ਼ਾ ਅਤੇ ਪ੍ਰਯੋਗਾਂ ਵਿੱਚ ਵਰਤੇ ਗਏ ਜਾਲੀ ਦੇ ਅੰਦੋਲਨ ਦੀ ਦਿਸ਼ਾ ਵਿਚਕਾਰ ਸਬੰਧ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੋ ਸਕਦੀ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਚਿੱਤਰ 3a,c ਵਿੱਚ ਓਰੀਐਂਟੇਸ਼ਨ ਐਡਜਸਟਮੈਂਟ ਕਰਵ ਇੱਕ ਸਿੰਗਲ ਸਾਈਨਸੌਇਡਲ ਐਰੇ ਦੀ ਨਿਊਰੋਨ ਸਥਿਤੀ ਸੈਟਿੰਗ ਅਤੇ ਸਾਡੀ ਟੈਕਸਟਚਰ ਐਰੇ ਵਿੱਚ ਪਾਰਦਰਸ਼ੀ/ਸੁਸੰਗਤ ਗਤੀ ਪ੍ਰਤੀ ਇਸਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਇਹ ਦੋਵੇਂ ਬਾਂਦਰਾਂ ਲਈ ਮਾਮਲਾ ਸੀ (ANOVA; 10° ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਨਾਲ ਬੰਨ੍ਹੀਆਂ ਗਈਆਂ ਸਾਪੇਖਿਕ ਤਰਜੀਹੀ ਦਿਸ਼ਾਵਾਂ; ਬਾਂਦਰ N: F = 2.12, p < 0.01; ਬਾਂਦਰ S: F = 2.01, p < 0.01)। ਇਹ ਦੋਵੇਂ ਬਾਂਦਰਾਂ ਲਈ ਮਾਮਲਾ ਸੀ (ANOVA; 10° ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਨਾਲ ਬੰਨ੍ਹੀਆਂ ਗਈਆਂ ਸਾਪੇਖਿਕ ਤਰਜੀਹੀ ਦਿਸ਼ਾਵਾਂ; ਬਾਂਦਰ N: F = 2.12, p < 0.01; ਬਾਂਦਰ S: F = 2.01, p < 0.01)। Это имело место для обеих обезьян (ANOVA; относительные предпочтительные направления объединены в группы с; N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01). ਇਹ ਦੋਵੇਂ ਬਾਂਦਰਾਂ ਲਈ ਮਾਮਲਾ ਸੀ (ANOVA; 10° ਰੈਜ਼ੋਲਿਊਸ਼ਨ 'ਤੇ ਸਮੂਹਬੱਧ ਸਾਪੇਖਿਕ ਤਰਜੀਹੀ ਦਿਸ਼ਾਵਾਂ; ਬਾਂਦਰ N: F=2.12, p<0.01; ਬਾਂਦਰ 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，2p. 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（f 2.12 ， p <0.01 ； ： ： f = 2.01 ， p <0.01….….…..))))) Это имело место для обеих обезьян (ANOVA; относительная предпочтительная ориентация объединена при разрешении, F12°, F12°; <0,01; обезьяна S: F = 2,01, p <0,01). ਇਹ ਦੋਵੇਂ ਬਾਂਦਰਾਂ ਲਈ ਮਾਮਲਾ ਸੀ (ANOVA; 10° ਰੈਜ਼ੋਲਿਊਸ਼ਨ 'ਤੇ ਪੂਲ ਕੀਤਾ ਗਿਆ ਸਾਪੇਖਿਕ ਤਰਜੀਹੀ ਸਥਿਤੀ; ਬਾਂਦਰ N: F=2.12, p<0.01; ਬਾਂਦਰ S: F=2.01, p<0.01)।ਨਿਊਰੋਨ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੀ ਵੱਡੀ ਡਿਗਰੀ ਨੂੰ ਦੇਖਦੇ ਹੋਏ (ਚਿੱਤਰ 5a), ਸਾਪੇਖਿਕ ਪਸੰਦੀਦਾ ਦਿਸ਼ਾਵਾਂ 'ਤੇ ਨਿਊਰੋਨ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੀ ਨਿਰਭਰਤਾ ਨੂੰ ਕਲਪਨਾ ਕਰਨ ਲਈ, ਅਸੀਂ ਪਹਿਲਾਂ ਹਰੇਕ ਸੈੱਲ ਦੇ ਪਸੰਦੀਦਾ ਦਿਸ਼ਾ ਨੂੰ ਗਰਿੱਡ ਪੈਟਰਨ (ਭਾਵ ਦਿਸ਼ਾ) ਦੀ ਗਤੀ ਲਈ "ਸਭ ਤੋਂ ਵਧੀਆ" ਦਿਸ਼ਾ ਵੱਲ ਆਮ ਬਣਾਇਆ। ਜਿਸ ਵਿੱਚ ਗਰੇਟਿੰਗ ਪਸੰਦੀਦਾ ਸੈੱਲ ਸਥਿਤੀ ਅਤੇ ਗਰੇਟਿੰਗ ਪੈਟਰਨ ਦੀ ਸਥਿਤੀ ਦੇ ਵਿਚਕਾਰ ਸਭ ਤੋਂ ਛੋਟਾ ਕੋਣ ਬਣਾਉਂਦੀ ਹੈ)। ਅਸੀਂ ਪਾਇਆ ਕਿ ਨਿਊਰੋਨਸ ਦੇ ਸਾਪੇਖਿਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ("ਸਭ ਤੋਂ ਮਾੜੇ" ਜਾਲੀ ਸਥਿਤੀ ਲਈ ਥ੍ਰੈਸ਼ਹੋਲਡ/"ਸਭ ਤੋਂ ਵਧੀਆ" ਜਾਲੀ ਸਥਿਤੀ ਲਈ ਥ੍ਰੈਸ਼ਹੋਲਡ) ਇਸ ਸਧਾਰਣ ਪਸੰਦੀਦਾ ਸਥਿਤੀ ਦੇ ਨਾਲ ਵੱਖੋ-ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ, ਇਸ ਥ੍ਰੈਸ਼ਹੋਲਡ ਅਨੁਪਾਤ ਵਿੱਚ ਸਿਖਰ ਪੈਟਰਨਾਂ ਜਾਂ ਕੰਪੋਨੈਂਟ ਸਥਿਤੀਆਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਹੁੰਦੇ ਹਨ (ਚਿੱਤਰ 5b)। ))। ਇਸ ਪ੍ਰਭਾਵ ਨੂੰ ਹਰੇਕ ਨਮੂਨੇ ਵਿੱਚ ਇਕਾਈਆਂ ਵਿੱਚ ਪਲੇਡ ਪੈਟਰਨ ਜਾਂ ਕੰਪੋਨੈਂਟ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵੱਲ ਤਰਜੀਹੀ ਦਿਸ਼ਾਵਾਂ ਦੀ ਵੰਡ ਵਿੱਚ ਪੱਖਪਾਤ ਦੁਆਰਾ ਸਮਝਾਇਆ ਨਹੀਂ ਜਾ ਸਕਦਾ (ਚਿੱਤਰ 5c; ਰੇਲੇ ਟੈਸਟ; ਬਾਂਦਰ N: z = 8.33, p < 10−3, ਗੋਲਾਕਾਰ ਔਸਤ = 190.13 ਡਿਗਰੀ ± 9.83 ਡਿਗਰੀ; ਬਾਂਦਰ S: z = 0.79, p = 0.45) ਅਤੇ ਪਲੇਡ ਇੰਟਰ-ਗ੍ਰੇਟਿੰਗ ਕੋਣਾਂ ਵਿੱਚ ਇਕਸਾਰ ਸੀ (ਪੂਰਕ ਚਿੱਤਰ 2)। ਇਸ ਪ੍ਰਭਾਵ ਨੂੰ ਹਰੇਕ ਨਮੂਨੇ ਵਿੱਚ ਇਕਾਈਆਂ ਵਿੱਚ ਪਲੇਡ ਪੈਟਰਨ ਜਾਂ ਕੰਪੋਨੈਂਟ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵੱਲ ਤਰਜੀਹੀ ਦਿਸ਼ਾਵਾਂ ਦੀ ਵੰਡ ਵਿੱਚ ਪੱਖਪਾਤ ਦੁਆਰਾ ਸਮਝਾਇਆ ਨਹੀਂ ਜਾ ਸਕਦਾ (ਚਿੱਤਰ 5c; ਰੇਲੇ ਟੈਸਟ; ਬਾਂਦਰ N: z = 8.33, p < 10−3, ਗੋਲਾਕਾਰ ਔਸਤ = 190.13 ਡਿਗਰੀ ± 9.83 ਡਿਗਰੀ; ਬਾਂਦਰ S: z = 0.79, p = 0.45) ਅਤੇ ਪਲੇਡ ਇੰਟਰ-ਗ੍ਰੇਟਿੰਗ ਕੋਣਾਂ ਵਿੱਚ ਇਕਸਾਰ ਸੀ (ਪੂਰਕ ਚਿੱਤਰ 2)। Этот эффект нельзя было объяснить смещением распределения предпочтительных направлений в единицах в каждой выбогодогодокры. клетчатых направлений или направлений компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,33, p < 10–3)। ਇਸ ਪ੍ਰਭਾਵ ਨੂੰ ਹਰੇਕ ਨਮੂਨੇ ਵਿੱਚ ਇਕਾਈਆਂ ਵਿੱਚ ਪਸੰਦੀਦਾ ਦਿਸ਼ਾਵਾਂ ਦੀ ਵੰਡ ਵਿੱਚ ਚੈਕਰਡ ਦਿਸ਼ਾਵਾਂ ਜਾਂ ਕੰਪੋਨੈਂਟ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵੱਲ ਤਬਦੀਲੀ ਦੁਆਰਾ ਸਮਝਾਇਆ ਨਹੀਂ ਜਾ ਸਕਦਾ (ਚਿੱਤਰ 5c; ਰੇਲੇ ਟੈਸਟ; ਬਾਂਦਰ N: z = 8.33, p < 10–3)।, ਗੋਲਾਕਾਰ ਔਸਤ = 190.13 ਡਿਗਰੀ ± 9.83 ਡਿਗਰੀ; ਬਾਂਦਰ S: z = 0.79, p = 0.45) ਅਤੇ ਪਲੇਡ ਗਰਿੱਡ ਦੇ ਸਾਰੇ ਕੋਨਿਆਂ ਲਈ ਇੱਕੋ ਜਿਹਾ ਸੀ (ਪੂਰਕ ਚਿੱਤਰ 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）.ਪਰ来 解释 （图 图 图 瑞利 测试 ； 猴子 n ： z = 8.33 ， p <10-3 ， 平均值 平坢圢圽圽圽圆形 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 клетках в каждом обрацоветен. структуры решетки, либо в сторону одной из ориентаций компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,303, p <)। ਇਸ ਪ੍ਰਭਾਵ ਨੂੰ ਇਸ ਤੱਥ ਦੁਆਰਾ ਸਮਝਾਇਆ ਨਹੀਂ ਜਾ ਸਕਦਾ ਕਿ ਹਰੇਕ ਨਮੂਨੇ ਵਿੱਚ ਸੈੱਲਾਂ ਵਿੱਚ ਤਰਜੀਹੀ ਦਿਸ਼ਾਵਾਂ ਦੀ ਵੰਡ ਜਾਂ ਤਾਂ ਜਾਲੀ ਢਾਂਚੇ ਵੱਲ ਜਾਂ ਕਿਸੇ ਇੱਕ ਹਿੱਸੇ ਦੇ ਦਿਸ਼ਾਵਾਂ ਵੱਲ ਪੱਖਪਾਤੀ ਹੈ (ਚਿੱਤਰ 5c; ਰੇਲੇ ਦਾ ਟੈਸਟ; ਬਾਂਦਰ N: z = 8.33, p < 10–3)।, ਗੋਲਾਕਾਰ ਔਸਤ) = 190.13 ਡਿਗਰੀ ± 9.83 ਡਿਗਰੀ; ਬਾਂਦਰ S: z = 0.79, p = 0.45) ਅਤੇ ਗਰਿੱਡਾਂ ਵਿਚਕਾਰ ਜਾਲੀ ਵਾਲੇ ਕੋਣਾਂ ਵਿੱਚ ਬਰਾਬਰ ਸਨ (ਪੂਰਕ ਚਿੱਤਰ 2)।ਇਸ ਤਰ੍ਹਾਂ, ਟੈਕਸਚਰਡ ਗਰਿੱਡਾਂ ਪ੍ਰਤੀ ਨਿਊਰੋਨਸ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ, ਘੱਟੋ ਘੱਟ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ, MT ਟਿਊਨਿੰਗ ਦੇ ਬੁਨਿਆਦੀ ਗੁਣਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।
ਖੱਬਾ ਪੈਨਲ N/P ਅਨੁਪਾਤ (ਨਿਊਰੋਨ/ਸਾਈਕੋਫਿਜ਼ੀਓਲੋਜੀਕਲ ਥ੍ਰੈਸ਼ਹੋਲਡ) ਦੀ ਵੰਡ ਦਰਸਾਉਂਦਾ ਹੈ; ਹਰੇਕ ਸੈੱਲ ਦੋ ਡੇਟਾ ਪੁਆਇੰਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਹਰੇਕ ਦਿਸ਼ਾ ਲਈ ਇੱਕ ਜਿਸ ਵਿੱਚ ਪੈਟਰਨ ਚਲਦਾ ਹੈ। ਸੱਜਾ ਪੈਨਲ ਨਮੂਨੇ ਵਿੱਚ ਸਾਰੀਆਂ ਇਕਾਈਆਂ ਲਈ ਮਨੋਵਿਗਿਆਨਕ ਥ੍ਰੈਸ਼ਹੋਲਡ (ਆਰਡੀਨੇਟ) ਬਨਾਮ ਨਿਊਰੋਨਲ ਥ੍ਰੈਸ਼ਹੋਲਡ (ਐਬਸੀਸਾ) ਪਲਾਟ ਕਰਦਾ ਹੈ। ਉੱਪਰ (ਹੇਠਾਂ) ਕਤਾਰ ਵਿੱਚ ਡੇਟਾ ਬਾਂਦਰ N (S) ਤੋਂ ਹੈ। b ਸਧਾਰਣ ਥ੍ਰੈਸ਼ਹੋਲਡ ਅਨੁਪਾਤ ਅਨੁਕੂਲ ਜਾਲੀ ਸਥਿਤੀ ਅਤੇ ਪਸੰਦੀਦਾ ਸੈੱਲ ਸਥਿਤੀ ਵਿਚਕਾਰ ਅੰਤਰ ਦੀ ਤੀਬਰਤਾ ਦੇ ਵਿਰੁੱਧ ਪਲਾਟ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। "ਸਭ ਤੋਂ ਵਧੀਆ" ਦਿਸ਼ਾ ਨੂੰ ਪਸੰਦੀਦਾ ਸੈੱਲ ਦਿਸ਼ਾ ਦੇ ਸਭ ਤੋਂ ਨੇੜੇ ਗਰੇਟਿੰਗ ਢਾਂਚੇ (ਇੱਕ ਸਿੰਗਲ ਸਾਈਨਸੋਇਡਲ ਗਰੇਟਿੰਗ ਨਾਲ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ) ਦੀ ਦਿਸ਼ਾ ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਡੇਟਾ ਨੂੰ ਪਹਿਲਾਂ ਆਮ ਪਸੰਦੀਦਾ ਸਥਿਤੀ (10° ਬਿਨ) ਦੁਆਰਾ ਬਿਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਫਿਰ ਥ੍ਰੈਸ਼ਹੋਲਡ ਅਨੁਪਾਤ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਮੁੱਲ ਤੱਕ ਸਧਾਰਣ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਹਰੇਕ ਬਿਨ ਦੇ ਅੰਦਰ ਔਸਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਜਾਲੀ ਦੇ ਹਿੱਸਿਆਂ ਦੇ ਸਥਿਤੀ ਨਾਲੋਂ ਥੋੜ੍ਹਾ ਵੱਡਾ ਜਾਂ ਛੋਟਾ ਪਸੰਦੀਦਾ ਸਥਿਤੀ ਵਾਲੇ ਸੈੱਲਾਂ ਵਿੱਚ ਜਾਲੀ ਪੈਟਰਨ ਦੀ ਸਥਿਤੀ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਅੰਤਰ ਸੀ। c ਹਰੇਕ ਬਾਂਦਰ ਵਿੱਚ ਦਰਜ ਸਾਰੀਆਂ MT ਇਕਾਈਆਂ ਦੇ ਪਸੰਦੀਦਾ ਸਥਿਤੀ ਵੰਡ ਦਾ ਗੁਲਾਬੀ ਹਿਸਟੋਗ੍ਰਾਮ।
ਅੰਤ ਵਿੱਚ, MT ਦੀ ਪ੍ਰਤੀਕਿਰਿਆ ਨੂੰ ਗਰੇਟਿੰਗ ਗਤੀ ਦੀ ਦਿਸ਼ਾ ਅਤੇ ਸਾਡੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਿਗਨਲਾਂ (ਟੈਕਚਰ) ਦੇ ਵੇਰਵਿਆਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਨਿਊਰੋਨਲ ਅਤੇ ਮਨੋ-ਭੌਤਿਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੀ ਤੁਲਨਾ ਨੇ ਦਿਖਾਇਆ ਕਿ, ਆਮ ਤੌਰ 'ਤੇ, MT ਇਕਾਈਆਂ ਬਾਂਦਰਾਂ ਨਾਲੋਂ ਵਿਪਰੀਤ ਬਣਤਰ ਸੰਕੇਤਾਂ ਪ੍ਰਤੀ ਬਹੁਤ ਘੱਟ ਸੰਵੇਦਨਸ਼ੀਲ ਸਨ। ਹਾਲਾਂਕਿ, ਨਿਊਰੋਨ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਯੂਨਿਟ ਦੇ ਪਸੰਦੀਦਾ ਦਿਸ਼ਾ ਅਤੇ ਗਰਿੱਡ ਗਤੀ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਅੰਤਰ ਦੇ ਅਧਾਰ ਤੇ ਬਦਲ ਗਈ। ਸਭ ਤੋਂ ਸੰਵੇਦਨਸ਼ੀਲ ਸੈੱਲਾਂ ਵਿੱਚ ਓਰੀਐਂਟੇਸ਼ਨਲ ਤਰਜੀਹਾਂ ਹੁੰਦੀਆਂ ਸਨ ਜੋ ਲਗਭਗ ਜਾਲੀ ਪੈਟਰਨ ਜਾਂ ਇੱਕ ਸੰਘਟਕ ਦਿਸ਼ਾ ਨੂੰ ਕਵਰ ਕਰਦੀਆਂ ਸਨ, ਅਤੇ ਸਾਡੇ ਨਮੂਨਿਆਂ ਦਾ ਇੱਕ ਛੋਟਾ ਉਪ ਸਮੂਹ ਬਾਂਦਰਾਂ ਦੇ ਵਿਪਰੀਤ ਅੰਤਰਾਂ ਦੀ ਧਾਰਨਾ ਨਾਲੋਂ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਂ ਵਧੇਰੇ ਸੰਵੇਦਨਸ਼ੀਲ ਸੀ। ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕਿ ਕੀ ਇਹਨਾਂ ਵਧੇਰੇ ਸੰਵੇਦਨਸ਼ੀਲ ਇਕਾਈਆਂ ਤੋਂ ਸਿਗਨਲ ਬਾਂਦਰਾਂ ਵਿੱਚ ਧਾਰਨਾ ਨਾਲ ਵਧੇਰੇ ਨੇੜਿਓਂ ਜੁੜੇ ਹੋਏ ਸਨ, ਅਸੀਂ ਧਾਰਨਾ ਅਤੇ ਨਿਊਰੋਨਲ ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਦੀ ਜਾਂਚ ਕੀਤੀ।
ਨਿਊਰਲ ਗਤੀਵਿਧੀ ਅਤੇ ਵਿਵਹਾਰ ਵਿਚਕਾਰ ਸਬੰਧ ਸਥਾਪਤ ਕਰਨ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ ਨਿਊਰੋਨਸ ਅਤੇ ਨਿਰੰਤਰ ਉਤੇਜਨਾ ਪ੍ਰਤੀ ਵਿਵਹਾਰਕ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਸਥਾਪਤ ਕਰਨਾ। ਸੈਗਮੈਂਟੇਸ਼ਨ ਫੈਸਲਿਆਂ ਨਾਲ ਨਿਊਰਲ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਨੂੰ ਜੋੜਨ ਲਈ, ਇੱਕ ਅਜਿਹਾ ਉਤੇਜਨਾ ਬਣਾਉਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜੋ ਇੱਕੋ ਜਿਹਾ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਵੱਖ-ਵੱਖ ਅਜ਼ਮਾਇਸ਼ਾਂ ਵਿੱਚ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ। ਮੌਜੂਦਾ ਅਧਿਐਨ ਵਿੱਚ, ਇਸਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਇੱਕ ਜ਼ੀਰੋ ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਗਰੇਟਿੰਗ ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ ਅਸੀਂ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਾਂ ਕਿ, ਜਾਨਵਰਾਂ ਦੇ ਮਨੋਵਿਗਿਆਨਕ ਕਾਰਜਾਂ ਦੇ ਅਧਾਰ ਤੇ, ਘੱਟੋ-ਘੱਟ (~20% ਤੋਂ ਘੱਟ) ਟੈਕਸਟਚਰਲ ਕੰਟ੍ਰਾਸਟ ਵਾਲੇ ਗਰੇਟਿੰਗਾਂ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਸੁਮੇਲ ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ।
ਇਹ ਮਾਪਣ ਲਈ ਕਿ MT ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਅਨੁਭਵੀ ਰਿਪੋਰਟਾਂ ਨਾਲ ਕਿਸ ਹੱਦ ਤੱਕ ਸੰਬੰਧਿਤ ਹਨ, ਅਸੀਂ ਆਪਣੇ ਗਰਿੱਡ ਡੇਟਾ ਦਾ ਇੱਕ ਚੋਣ ਸੰਭਾਵਨਾ (CP) ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ (3 ਵੇਖੋ)। ਸੰਖੇਪ ਵਿੱਚ, CP ਇੱਕ ਗੈਰ-ਪੈਰਾਮੀਟ੍ਰਿਕ, ਗੈਰ-ਮਿਆਰੀ ਮਾਪ ਹੈ ਜੋ ਸਪਾਈਕ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਅਤੇ ਅਨੁਭਵੀ ਨਿਰਣਿਆਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਮਾਪਦਾ ਹੈ30। ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਜ਼ੀਰੋ ਟੈਕਸਟਚਰਲ ਕੰਟ੍ਰਾਸਟ ਵਾਲੇ ਗਰਿੱਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਟ੍ਰਾਇਲਾਂ ਅਤੇ ਸੈਸ਼ਨਾਂ ਤੱਕ ਸੀਮਤ ਕਰਦੇ ਹੋਏ ਜਿਸ ਵਿੱਚ ਬਾਂਦਰਾਂ ਨੇ ਇਹਨਾਂ ਟ੍ਰਾਇਲਾਂ ਦੀ ਹਰੇਕ ਕਿਸਮ ਲਈ ਘੱਟੋ-ਘੱਟ ਪੰਜ ਵਿਕਲਪ ਬਣਾਏ, ਅਸੀਂ ਗਰਿੱਡ ਗਤੀ ਦੀ ਹਰੇਕ ਦਿਸ਼ਾ ਲਈ ਵੱਖਰੇ ਤੌਰ 'ਤੇ SR ਦੀ ਗਣਨਾ ਕੀਤੀ। ਬਾਂਦਰਾਂ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਔਸਤ CP ਮੁੱਲ ਦੇਖਿਆ ਜੋ ਸੰਜੋਗ ਨਾਲ ਸਾਡੀ ਉਮੀਦ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਸੀ (ਚਿੱਤਰ 6a, d; ਬਾਂਦਰ N: ਔਸਤ CP: 0.54, 95% CI: (0.53, 0.56), CP = 0.5, t = 6.7, p < 10−9 ਦੇ null ਦੇ ਵਿਰੁੱਧ ਦੋ-ਪਾਸੜ t-ਟੈਸਟ; ਬਾਂਦਰ S: ਔਸਤ CP: 0.55, 95% CI: (0.54, 0.57), ਦੋ-ਪਾਸੜ t-ਟੈਸਟ, t = 9.4, p < 10−13)। ਬਾਂਦਰਾਂ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਔਸਤ CP ਮੁੱਲ ਦੇਖਿਆ ਜੋ ਸੰਜੋਗ ਨਾਲ ਸਾਡੀ ਉਮੀਦ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਸੀ (ਚਿੱਤਰ 6a, d; ਬਾਂਦਰ N: ਔਸਤ CP: 0.54, 95% CI: (0.53, 0.56), CP = 0.5, t = 6.7, p < 10−9 ਦੇ null ਦੇ ਵਿਰੁੱਧ ਦੋ-ਪਾਸੜ t-ਟੈਸਟ; ਬਾਂਦਰ S: ਔਸਤ CP: 0.55, 95% CI: (0.54, 0.57), ਦੋ-ਪਾਸੜ t-ਟੈਸਟ, t = 9.4, p < 10−13)।ਬਾਂਦਰਾਂ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਔਸਤ CP ਬੇਤਰਤੀਬੇ ਉਮੀਦ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਦੇਖਿਆ (ਚਿੱਤਰ 6a, d; ਬਾਂਦਰ N: ਔਸਤ CP: 0.54, 95% CI: (0.53, 0.56), ਦੋ-ਪੂਛ ਵਾਲਾ ਟੀ-ਟੈਸਟ ਬਨਾਮ ਨਲ ਮੁੱਲ)।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)। ਬਾਂਦਰ S: ਔਸਤ CP: 0.55, 95% CI: (0.54, 0.57), ਦੋ-ਪੂਛ ਵਾਲਾ t-ਟੈਸਟ, 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（图6a，d；猴子N：55%平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, 9.5 CI, 9.5% (9.5%),双边t 检验, t = 9.4, ਪੰਨਾ < 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 值 （图 图 6平均 ： 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 случайно (рис; 6a. среднее CP: 0,54, 95% ДИ: (0,53, 0,56), двусторонний t- тест CP против нуля = 0,5, t = 6,7, p < 10-9, обезьяна %5,5id, %05, обезьяна S: DI: (0,54, 0,57), двусторонний t-критерий, t = 9,4, p < 10- 13)। ਬਾਂਦਰਾਂ ਵਿੱਚ, ਅਸੀਂ ਔਸਤ CP ਮੁੱਲਾਂ ਨੂੰ ਸੰਜੋਗ ਨਾਲ ਉਮੀਦ ਤੋਂ ਬਹੁਤ ਉੱਪਰ ਦੇਖਿਆ (ਚਿੱਤਰ 6a, d; ਬਾਂਦਰ N: ਔਸਤ CP: 0.54, 95% CI: (0.53, 0.56), ਦੋ-ਪੂਛ ਵਾਲਾ ਟੀ-ਟੈਸਟ CP ਬਨਾਮ ਜ਼ੀਰੋ = 0.5, t = 6.7, p < 10-9, ਬਾਂਦਰ S: ਔਸਤ CP: 0.55, 95% CI: (0.54, 0.57), ਦੋ-ਪੂਛ ਵਾਲਾ ਟੀ- ਮਾਪਦੰਡ, t = 9.4, p < 10-13)।ਇਸ ਤਰ੍ਹਾਂ, ਜਦੋਂ ਜਾਨਵਰ ਦੀ ਜਾਲੀ ਗਤੀ ਦੀ ਧਾਰਨਾ ਸੈੱਲ ਦੀਆਂ ਤਰਜੀਹਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ, ਤਾਂ MT ਨਿਊਰੋਨਸ ਕਿਸੇ ਵੀ ਸਪੱਸ਼ਟ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸੰਕੇਤਾਂ ਦੀ ਅਣਹੋਂਦ ਵਿੱਚ ਵੀ ਵਧੇਰੇ ਜ਼ੋਰਦਾਰ ਢੰਗ ਨਾਲ ਫਾਇਰ ਕਰਦੇ ਹਨ।
ਬਾਂਦਰ N ਤੋਂ ਰਿਕਾਰਡ ਕੀਤੇ ਨਮੂਨਿਆਂ ਲਈ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ ਤੋਂ ਬਿਨਾਂ ਗਰਿੱਡਾਂ ਲਈ ਚੋਣ ਸੰਭਾਵਨਾ ਵੰਡ। ਹਰੇਕ ਸੈੱਲ ਦੋ ਡੇਟਾ ਪੁਆਇੰਟਾਂ ਤੱਕ ਯੋਗਦਾਨ ਪਾ ਸਕਦਾ ਹੈ (ਗਰਿੱਡ ਗਤੀ ਦੀ ਹਰੇਕ ਦਿਸ਼ਾ ਲਈ ਇੱਕ)। ਬੇਤਰਤੀਬ (ਚਿੱਟੇ ਤੀਰ) ਤੋਂ ਉੱਪਰ ਇੱਕ ਔਸਤ CP ਮੁੱਲ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕੁੱਲ ਮਿਲਾ ਕੇ MT ਗਤੀਵਿਧੀ ਅਤੇ ਧਾਰਨਾ ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਹੈ। b ਕਿਸੇ ਵੀ ਸੰਭਾਵੀ ਚੋਣ ਪੱਖਪਾਤ ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ, ਅਸੀਂ ਕਿਸੇ ਵੀ ਉਤੇਜਕ ਲਈ ਵੱਖਰੇ ਤੌਰ 'ਤੇ CP ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਿਸ ਲਈ ਬਾਂਦਰਾਂ ਨੇ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਗਲਤੀ ਕੀਤੀ। ਚੋਣ ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਸਾਰੇ ਉਤੇਜਕਾਂ (ਖੱਬੇ) ਲਈ ਚੋਣ ਅਨੁਪਾਤ (ਪ੍ਰੀਫ/ਨਲ) ਅਤੇ ਟੈਕਸਟਚਰ ਮਾਰਕ ਕੰਟ੍ਰਾਸਟ ਦੇ ਸੰਪੂਰਨ ਮੁੱਲਾਂ (ਸੱਜੇ, 120 ਵਿਅਕਤੀਗਤ ਸੈੱਲਾਂ ਤੋਂ ਡੇਟਾ) ਦੇ ਫੰਕਸ਼ਨ ਵਜੋਂ ਪਲਾਟ ਕੀਤਾ ਗਿਆ ਹੈ। ਖੱਬੇ ਪੈਨਲ ਵਿੱਚ ਠੋਸ ਲਾਈਨ ਅਤੇ ਛਾਂਦਾਰ ਖੇਤਰ 20-ਪੁਆਇੰਟ ਮੂਵਿੰਗ ਔਸਤ ਦੇ ਔਸਤ ± ਸੇਮ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਅਸੰਤੁਲਿਤ ਚੋਣ ਅਨੁਪਾਤ ਵਾਲੇ ਉਤੇਜਕਾਂ ਲਈ ਗਣਨਾ ਕੀਤੀਆਂ ਗਈਆਂ ਚੋਣ ਸੰਭਾਵਨਾਵਾਂ, ਜਿਵੇਂ ਕਿ ਉੱਚ ਸਿਗਨਲ ਕੰਟ੍ਰਾਸਟ ਵਾਲੇ ਗਰਿੱਡ, ਵਧੇਰੇ ਭਿੰਨ ਸਨ ਅਤੇ ਸੰਭਾਵਨਾਵਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਕਲੱਸਟਰ ਕੀਤੇ ਗਏ ਸਨ। ਸੱਜੇ ਪੈਨਲ ਵਿੱਚ ਸਲੇਟੀ-ਛਾਂ ਵਾਲਾ ਖੇਤਰ ਉੱਚ ਚੋਣ ਸੰਭਾਵਨਾ ਦੀ ਗਣਨਾ ਵਿੱਚ ਸ਼ਾਮਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਕੰਟ੍ਰਾਸਟ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ। c ਇੱਕ ਵੱਡੀ ਚੋਣ (ਆਰਡੀਨੇਟ) ਦੀ ਸੰਭਾਵਨਾ ਨਿਊਰੋਨ (ਐਬਸੀਸਾ) ਦੇ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦੇ ਵਿਰੁੱਧ ਪਲਾਟ ਕੀਤੀ ਗਈ ਹੈ। ਚੋਣ ਦੀ ਸੰਭਾਵਨਾ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਨਕਾਰਾਤਮਕ ਤੌਰ 'ਤੇ ਸੰਬੰਧਿਤ ਸੀ। ਕਨਵੈਨਸ਼ਨ df ac ਦੇ ਸਮਾਨ ਹੈ ਪਰ ਬਾਂਦਰ S ਤੋਂ 157 ਸਿੰਗਲ ਡੇਟਾ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਕਿ ਹੋਰ ਨੋਟ ਨਾ ਕੀਤਾ ਗਿਆ ਹੋਵੇ। g ਸਭ ਤੋਂ ਵੱਧ ਚੋਣ ਸੰਭਾਵਨਾ (ਆਰਡੀਨੇਟ) ਦੋ ਬਾਂਦਰਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਲਈ ਸਧਾਰਣ ਪਸੰਦੀਦਾ ਦਿਸ਼ਾ (ਐਬਸੀਸਾ) ਦੇ ਵਿਰੁੱਧ ਪਲਾਟ ਕੀਤੀ ਗਈ ਹੈ। ਹਰੇਕ MT ਸੈੱਲ ਨੇ ਦੋ ਡੇਟਾ ਪੁਆਇੰਟ (ਜਾਲੀ ਢਾਂਚੇ ਦੀ ਹਰੇਕ ਦਿਸ਼ਾ ਲਈ ਇੱਕ) ਦਾ ਯੋਗਦਾਨ ਪਾਇਆ। h ਹਰੇਕ ਇੰਟਰ-ਰਾਸਟਰ ਐਂਗਲ ਲਈ ਚੋਣ ਸੰਭਾਵਨਾ ਦੇ ਵੱਡੇ ਬਾਕਸ ਪਲਾਟ। ਠੋਸ ਰੇਖਾ ਮੱਧਮਾਨ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਬਾਕਸ ਦੇ ਹੇਠਲੇ ਅਤੇ ਉੱਪਰਲੇ ਕਿਨਾਰੇ ਕ੍ਰਮਵਾਰ 25ਵੇਂ ਅਤੇ 75ਵੇਂ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਮੁੱਛਾਂ ਨੂੰ ਇੰਟਰਕੁਆਰਟਾਈਲ ਰੇਂਜ ਦੇ 1.5 ਗੁਣਾ ਤੱਕ ਵਧਾਇਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇਸ ਸੀਮਾ ਤੋਂ ਪਰੇ ਆਊਟਲੀਅਰ ਨੋਟ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਖੱਬੇ (ਸੱਜੇ) ਪੈਨਲਾਂ ਵਿੱਚ ਡੇਟਾ 120 (157) ਵਿਅਕਤੀਗਤ N(S) ਬਾਂਦਰ ਸੈੱਲਾਂ ਤੋਂ ਹੈ। i ਚੋਣ (ਆਰਡੀਨੇਟ) ਦੀ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਨਾ ਉਤੇਜਨਾ (ਐਬਸੀਸਾ) ਦੀ ਸ਼ੁਰੂਆਤ ਦੇ ਸਮੇਂ ਦੇ ਵਿਰੁੱਧ ਪਲਾਟ ਕੀਤੀ ਗਈ ਹੈ। ਪੂਰੇ ਟੈਸਟ ਦੌਰਾਨ ਵੱਡੇ CP ਦੀ ਗਣਨਾ ਸਲਾਈਡਿੰਗ ਆਇਤਾਕਾਰਾਂ (ਚੌੜਾਈ 100 ms, ਕਦਮ 10 ms) ਵਿੱਚ ਕੀਤੀ ਗਈ ਸੀ ਅਤੇ ਫਿਰ ਯੂਨਿਟਾਂ ਉੱਤੇ ਔਸਤ ਕੀਤੀ ਗਈ ਸੀ।
ਕੁਝ ਪਿਛਲੇ ਅਧਿਐਨਾਂ ਨੇ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ ਕਿ CP ਬੇਸਲ ਰੇਟ ਵੰਡ ਵਿੱਚ ਟ੍ਰਾਇਲਾਂ ਦੀ ਸਾਪੇਖਿਕ ਸੰਖਿਆ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਭਾਵ ਇਹ ਮਾਪ ਉਹਨਾਂ ਉਤੇਜਕਾਂ ਲਈ ਘੱਟ ਭਰੋਸੇਯੋਗ ਹੈ ਜੋ ਹਰੇਕ ਚੋਣ ਦੇ ਅਨੁਪਾਤ ਵਿੱਚ ਵੱਡੇ ਅੰਤਰ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਸਾਡੇ ਡੇਟਾ ਵਿੱਚ ਇਸ ਪ੍ਰਭਾਵ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ, ਅਸੀਂ ਸਾਰੇ ਉਤੇਜਕਾਂ ਲਈ ਵੱਖਰੇ ਤੌਰ 'ਤੇ CP ਦੀ ਗਣਨਾ ਕੀਤੀ, ਭਾਵੇਂ ਸਾਈਨ ਟੈਕਸਚਰ ਕੰਟ੍ਰਾਸਟ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ, ਅਤੇ ਬਾਂਦਰਾਂ ਨੇ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਗਲਤ ਟ੍ਰਾਇਲ ਕੀਤਾ। CP ਨੂੰ ਕ੍ਰਮਵਾਰ ਚਿੱਤਰ 6b ਅਤੇ e (ਖੱਬੇ ਪੈਨਲ) ਵਿੱਚ ਹਰੇਕ ਜਾਨਵਰ ਲਈ ਚੋਣ ਅਨੁਪਾਤ (ਪ੍ਰੀਫ/ਨਲ) ਦੇ ਵਿਰੁੱਧ ਪਲਾਟ ਕੀਤਾ ਗਿਆ ਹੈ। ਮੂਵਿੰਗ ਔਸਤਾਂ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ CP ਚੋਣ ਔਡਜ਼ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਉੱਤੇ ਸੰਭਾਵਨਾ ਤੋਂ ਉੱਪਰ ਰਹਿੰਦਾ ਹੈ, ਸਿਰਫ਼ ਉਦੋਂ ਹੀ ਘਟਦਾ ਹੈ ਜਦੋਂ ਔਡਜ਼ 0.2 (0.8) ਤੋਂ ਹੇਠਾਂ (ਵਧਦੇ) ਡਿੱਗਦੇ ਹਨ। ਜਾਨਵਰਾਂ ਦੀਆਂ ਮਨੋਵਿਗਿਆਨਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਆਧਾਰ 'ਤੇ, ਅਸੀਂ ਉਮੀਦ ਕਰਾਂਗੇ ਕਿ ਇਸ ਵਿਸ਼ਾਲਤਾ ਦੇ ਚੋਣ ਗੁਣਾਂਕ ਸਿਰਫ਼ ਉੱਚ-ਵਿਪਰੀਤ ਟੈਕਸਟਚਰ ਸੰਕੇਤਾਂ (ਸੁਸੰਗਤ ਜਾਂ ਪਾਰਦਰਸ਼ੀ) ਵਾਲੇ ਉਤੇਜਕਾਂ 'ਤੇ ਲਾਗੂ ਹੋਣਗੇ (ਚਿੱਤਰ 2a, b ਵਿੱਚ ਮਨੋਵਿਗਿਆਨਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਵੇਖੋ)। ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕਿ ਕੀ ਇਹ ਮਾਮਲਾ ਸੀ ਅਤੇ ਕੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ PC ਸਪੱਸ਼ਟ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਿਗਨਲਾਂ ਦੇ ਨਾਲ ਉਤੇਜਨਾ ਲਈ ਵੀ ਕਾਇਮ ਰਹਿੰਦਾ ਹੈ, ਅਸੀਂ PC 'ਤੇ ਸੰਪੂਰਨ ਟੈਕਸਟਚਰਲ ਕੰਟ੍ਰਾਸਟ ਮੁੱਲਾਂ ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਜਾਂਚ ਕੀਤੀ (ਚਿੱਤਰ 6b, ਈ-ਸੱਜੇ)। ਜਿਵੇਂ ਕਿ ਉਮੀਦ ਕੀਤੀ ਗਈ ਸੀ, CP ਮੱਧਮ (~20% ਕੰਟ੍ਰਾਸਟ ਜਾਂ ਘੱਟ) ਸੈਗਮੈਂਟੇਸ਼ਨ ਸੰਕੇਤਾਂ ਵਾਲੇ ਉਤੇਜਨਾ ਲਈ ਸੰਭਾਵਨਾ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਸੀ।
ਓਰੀਐਂਟੇਸ਼ਨ, ਗਤੀ, ਅਤੇ ਬੇਮੇਲ ਪਛਾਣ ਕਾਰਜਾਂ ਵਿੱਚ, MT CP ਸਭ ਤੋਂ ਵੱਧ ਸੰਵੇਦਨਸ਼ੀਲ ਨਿਊਰੋਨਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਹੁੰਦਾ ਹੈ, ਸ਼ਾਇਦ ਕਿਉਂਕਿ ਇਹ ਨਿਊਰੋਨਾਂ ਸਭ ਤੋਂ ਵੱਧ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਸੰਕੇਤ 30,32,33,34 ਲੈ ਕੇ ਜਾਂਦੇ ਹਨ।ਇਹਨਾਂ ਖੋਜਾਂ ਦੇ ਅਨੁਸਾਰ ਅਸੀਂ ਗ੍ਰੈਂਡ ਸੀਪੀ ਵਿਚਕਾਰ ਇੱਕ ਮਾਮੂਲੀ ਪਰ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਦੇਖਿਆ, ਜੋ ਕਿ ਚਿੱਤਰ ਦੇ ਸਭ ਤੋਂ ਸੱਜੇ ਪੈਨਲ ਵਿੱਚ ਉਜਾਗਰ ਕੀਤੇ ਗਏ ਟੈਕਸਟਚਰ ਕਿਊ ਕੰਟ੍ਰਾਸਟ ਵਿੱਚ z-ਸਕੋਰਡ ਫਾਇਰਿੰਗ ਦਰਾਂ ਤੋਂ ਗਿਣਿਆ ਗਿਆ ਹੈ।6b, e, ਅਤੇ ਨਿਊਰੋਨਲ ਥ੍ਰੈਸ਼ਹੋਲਡ (ਚਿੱਤਰ 6c, f; ਜਿਓਮੈਟ੍ਰਿਕ ਔਸਤ ਰਿਗਰੈਸ਼ਨ; ਬਾਂਦਰ N: r = −0.12, p = 0.07 ਬਾਂਦਰ S: r = −0.18, p < 10−3)। 6b, e, ਅਤੇ ਨਿਊਰੋਨਲ ਥ੍ਰੈਸ਼ਹੋਲਡ (ਚਿੱਤਰ 6c, f; ਜਿਓਮੈਟ੍ਰਿਕ ਔਸਤ ਰਿਗਰੈਸ਼ਨ; ਬਾਂਦਰ N: r = −0.12, p = 0.07 ਬਾਂਦਰ S: r = −0.18, p < 10−3)।ਇਹਨਾਂ ਖੋਜਾਂ ਦੇ ਅਨੁਸਾਰ, ਅਸੀਂ ਚਿੱਤਰ 6b, e, ਅਤੇ ਨਿਊਰੋਨਲ ਥ੍ਰੈਸ਼ਹੋਲਡ (ਚਿੱਤਰ 6c, f; ਜਿਓਮੈਟ੍ਰਿਕ) ਦੇ ਸਭ ਤੋਂ ਸੱਜੇ ਪੈਨਲ ਵਿੱਚ ਉਜਾਗਰ ਕੀਤੇ ਗਏ ਟੈਕਸਟਚਰ ਸਿਗਨਲ ਕੰਟ੍ਰਾਸਟ ਤੋਂ ਐਕਸਾਈਟੇਸ਼ਨ ਫ੍ਰੀਕੁਐਂਸੀ z-ਸਕੋਰ ਤੋਂ ਗਣਨਾ ਕੀਤੇ ਗਏ ਵੱਡੇ CP ਵਿਚਕਾਰ ਇੱਕ ਮਾਮੂਲੀ ਪਰ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਦੇਖਿਆ। ਜਿਓਮੈਟ੍ਰਿਕ ਔਸਤ ਰਿਗਰੈਸ਼ਨ;обезьяна N: r = -0,12, p = 0,07 обезьяна S: r = -0,18, p < 10-3)। ਬਾਂਦਰ N: r = -0.12, p = 0.07 ਬਾਂਦਰ 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e6b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 = -0.8.与 这些发现一致 ，我们到大大之间 存在适度、但 显着的相关性这湛澯b 6和 元 阈值 （图 图 6c 、 f ； 回归 ； 猴子 n ： r = -0.12, p = 0.07 猴子S：r = -0））） 猴子S：r = -0.18.ਇਹਨਾਂ ਖੋਜਾਂ ਦੇ ਅਨੁਸਾਰ, ਅਸੀਂ ਚਿੱਤਰ 6b,e ਅਤੇ ਨਿਊਰੋਨ ਥ੍ਰੈਸ਼ਹੋਲਡ ਵਿੱਚ ਦਰਸਾਏ ਗਏ ਵੱਡੇ CVs ਵਿਚਕਾਰ ਇੱਕ ਮਾਮੂਲੀ ਪਰ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਦੇਖਿਆ (ਚਿੱਤਰ 6c,f; ਜਿਓਮੈਟ੍ਰਿਕ ਔਸਤ ਰਿਗਰੈਸ਼ਨ; ਬਾਂਦਰ N: r = -0.12, p = 0.07)।Обезьяна S: г = -0,18, р <10-3)। ਬਾਂਦਰ S: r = -0.18, p < 10-3)।ਇਸ ਲਈ, ਸਭ ਤੋਂ ਵੱਧ ਜਾਣਕਾਰੀ ਵਾਲੀਆਂ ਇਕਾਈਆਂ ਦੇ ਸੰਕੇਤ ਬਾਂਦਰਾਂ ਵਿੱਚ ਵਿਅਕਤੀਗਤ ਵਿਭਾਜਨ ਨਿਰਣਿਆਂ ਦੇ ਨਾਲ ਵਧੇਰੇ ਸਹਿ-ਪ੍ਰਸਾਰ ਦਿਖਾਉਂਦੇ ਸਨ, ਜੋ ਕਿ ਅਨੁਭਵੀ ਪੱਖਪਾਤ ਵਿੱਚ ਜੋੜੇ ਗਏ ਕਿਸੇ ਵੀ ਟੈਕਸਟਚਰਲ ਸੰਕੇਤਾਂ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਇਹ ਦੇਖਦੇ ਹੋਏ ਕਿ ਅਸੀਂ ਪਹਿਲਾਂ ਗਰਿੱਡ ਟੈਕਸਟਚਰ ਸਿਗਨਲਾਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਅਤੇ ਤਰਜੀਹੀ ਨਿਊਰੋਨਲ ਓਰੀਐਂਟੇਸ਼ਨ ਵਿਚਕਾਰ ਇੱਕ ਸਬੰਧ ਸਥਾਪਤ ਕੀਤਾ ਸੀ, ਅਸੀਂ ਸੋਚਿਆ ਕਿ ਕੀ CP ਅਤੇ ਤਰਜੀਹੀ ਓਰੀਐਂਟੇਸ਼ਨ (ਚਿੱਤਰ 6g) ਵਿਚਕਾਰ ਇੱਕ ਸਮਾਨ ਸਬੰਧ ਹੈ। ਇਹ ਸਬੰਧ ਬਾਂਦਰ S (ANOVA; ਬਾਂਦਰ N: 1.03, p=0.46; ਬਾਂਦਰ S: F=1.73, p=0.04) ਵਿੱਚ ਥੋੜ੍ਹਾ ਜਿਹਾ ਮਹੱਤਵਪੂਰਨ ਸੀ। ਅਸੀਂ ਕਿਸੇ ਵੀ ਜਾਨਵਰ ਵਿੱਚ ਜਾਲੀਆਂ ਦੇ ਵਿਚਕਾਰ ਜਾਲੀਆਂ ਦੇ ਕੋਣਾਂ ਲਈ CP ਵਿੱਚ ਕੋਈ ਅੰਤਰ ਨਹੀਂ ਦੇਖਿਆ (ਚਿੱਤਰ 6h; ANOVA; ਬਾਂਦਰ N: F = 1.8, p = 0.11; ਬਾਂਦਰ S: F = 0.32, p = 0. 9)।
ਅੰਤ ਵਿੱਚ, ਪਿਛਲੇ ਕੰਮ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਪੂਰੇ ਟ੍ਰਾਇਲ ਦੌਰਾਨ CP ਬਦਲਦਾ ਹੈ। ਕੁਝ ਅਧਿਐਨਾਂ ਨੇ ਇੱਕ ਤਿੱਖੀ ਵਾਧੇ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ ਜਿਸ ਤੋਂ ਬਾਅਦ ਇੱਕ ਮੁਕਾਬਲਤਨ ਨਿਰਵਿਘਨ ਚੋਣ ਪ੍ਰਭਾਵ ਆਇਆ ਹੈ, 30 ਜਦੋਂ ਕਿ ਦੂਜਿਆਂ ਨੇ ਟ੍ਰਾਇਲ ਦੇ ਦੌਰਾਨ ਚੋਣ ਸਿਗਨਲ ਵਿੱਚ ਇੱਕ ਸਥਿਰ ਵਾਧਾ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ 31। ਹਰੇਕ ਬਾਂਦਰ ਲਈ, ਅਸੀਂ ਪ੍ਰੀ-ਸਟਿਮੁਲਸ ਸ਼ੁਰੂਆਤ ਤੋਂ ਪੋਸਟ ਮੀਨ ਪ੍ਰੀ-ਸਟਿਮੁਲਸ ਆਫਸੈੱਟ ਤੱਕ ਹਰ 20 ms ਕਦਮ ਰੱਖਦੇ ਹੋਏ 100 ms ਸੈੱਲਾਂ ਵਿੱਚ ਜ਼ੀਰੋ ਟੈਕਸਟਚਰਲ ਕੰਟ੍ਰਾਸਟ (ਕ੍ਰਮਵਾਰ, ਪੈਟਰਨ ਓਰੀਐਂਟੇਸ਼ਨ ਦੇ ਅਨੁਸਾਰ) ਦੇ ਨਾਲ ਟ੍ਰਾਇਲਾਂ ਵਿੱਚ ਹਰੇਕ ਯੂਨਿਟ ਦੇ CP ਦੀ ਗਣਨਾ ਕੀਤੀ। ਦੋ ਬਾਂਦਰਾਂ ਲਈ ਔਸਤ CP ਗਤੀਸ਼ੀਲਤਾ ਚਿੱਤਰ 6i ਵਿੱਚ ਦਿਖਾਈ ਗਈ ਹੈ। ਦੋਵਾਂ ਮਾਮਲਿਆਂ ਵਿੱਚ, CP ਇੱਕ ਬੇਤਰਤੀਬ ਪੱਧਰ 'ਤੇ ਰਿਹਾ ਜਾਂ ਇਸਦੇ ਬਹੁਤ ਨੇੜੇ ਰਿਹਾ ਜਦੋਂ ਤੱਕ ਉਤੇਜਨਾ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਲਗਭਗ 500 ms ਤੱਕ ਨਹੀਂ, ਜਿਸ ਤੋਂ ਬਾਅਦ CP ਤੇਜ਼ੀ ਨਾਲ ਵਧਿਆ।
ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਬਦਲਣ ਤੋਂ ਇਲਾਵਾ, CP ਨੂੰ ਸੈੱਲ ਟਿਊਨਿੰਗ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਕੁਝ ਗੁਣਾਂ ਦੁਆਰਾ ਵੀ ਪ੍ਰਭਾਵਿਤ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। ਉਦਾਹਰਨ ਲਈ, Uka ਅਤੇ DeAngelis34 ਨੇ ਪਾਇਆ ਕਿ ਦੂਰਬੀਨ ਮਿਸਮੈਚ ਪਛਾਣ ਕਾਰਜ ਵਿੱਚ CP ਡਿਵਾਈਸ ਦੇ ਦੂਰਬੀਨ ਮਿਸਮੈਚ ਟਿਊਨਿੰਗ ਕਰਵ ਦੀ ਸਮਰੂਪਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਇੱਕ ਸੰਬੰਧਿਤ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ ਪੈਟਰਨ ਦਿਸ਼ਾ ਚੋਣਵੇਂ (PDS) ਸੈੱਲ ਕੰਪੋਨੈਂਟ ਦਿਸ਼ਾ ਚੋਣਵੇਂ (CDS) ਸੈੱਲਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹਨ। PDS ਸੈੱਲ ਕਈ ਸਥਾਨਕ ਦਿਸ਼ਾਵਾਂ ਵਾਲੇ ਪੈਟਰਨਾਂ ਦੇ ਆਮ ਸਥਿਤੀ ਨੂੰ ਏਨਕੋਡ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ CDS ਸੈੱਲ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਪੈਟਰਨ ਭਾਗਾਂ ਦੀ ਗਤੀ ਦਾ ਜਵਾਬ ਦਿੰਦੇ ਹਨ (ਚਿੱਤਰ 7a)।
ਮੋਡ ਕੰਪੋਨੈਂਟ ਟਿਊਨਿੰਗ ਉਤੇਜਕ ਅਤੇ ਕਾਲਪਨਿਕ ਗਰੇਟਿੰਗ (ਖੱਬੇ) ਅਤੇ ਗਰੇਟਿੰਗ ਓਰੀਐਂਟੇਸ਼ਨ ਟਿਊਨਿੰਗ ਕਰਵ (ਸੱਜੇ) ਦੀ ਇੱਕ ਯੋਜਨਾਬੱਧ ਪ੍ਰਤੀਨਿਧਤਾ (ਸਮੱਗਰੀ ਅਤੇ ਵਿਧੀਆਂ ਵੇਖੋ)। ਸੰਖੇਪ ਵਿੱਚ, ਜੇਕਰ ਇੱਕ ਸੈੱਲ ਪੈਟਰਨ ਗਤੀ ਨੂੰ ਸਿਗਨਲ ਕਰਨ ਲਈ ਗਰਿੱਡ ਹਿੱਸਿਆਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਕੋਈ ਵਿਅਕਤੀਗਤ ਗਰਿੱਡ ਅਤੇ ਗਰਿੱਡ ਉਤੇਜਕ (ਆਖਰੀ ਕਾਲਮ, ਠੋਸ ਵਕਰ) ਲਈ ਇੱਕੋ ਜਿਹੇ ਟਿਊਨਿੰਗ ਕਰਵ ਦੀ ਉਮੀਦ ਕਰੇਗਾ। ਇਸਦੇ ਉਲਟ, ਜੇਕਰ ਸੈੱਲ ਸਿਗਨਲ ਪੈਟਰਨ ਦੀ ਗਤੀ ਵਿੱਚ ਹਿੱਸਿਆਂ ਦੀਆਂ ਦਿਸ਼ਾਵਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਤਾਂ ਕੋਈ ਗ੍ਰੈਟਿੰਗ ਗਤੀ ਦੀ ਹਰੇਕ ਦਿਸ਼ਾ ਵਿੱਚ ਇੱਕ ਸਿਖਰ ਦੇ ਨਾਲ ਇੱਕ ਦੋ-ਪੱਖੀ ਟਿਊਨਿੰਗ ਕਰਵ ਦੀ ਉਮੀਦ ਕਰੇਗਾ ਜੋ ਇੱਕ ਹਿੱਸੇ ਨੂੰ ਸੈੱਲ ਦੀ ਪਸੰਦੀਦਾ ਦਿਸ਼ਾ (ਆਖਰੀ ਕਾਲਮ, ਡੈਸ਼ਡ ਕਰਵ) ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ। . ਚਿੱਤਰ 1 ਅਤੇ 2 ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਸੈੱਲਾਂ ਲਈ ਸਾਈਨਸੋਇਡਲ ਐਰੇ ਦੇ ਓਰੀਐਂਟੇਸ਼ਨ ਨੂੰ ਐਡਜਸਟ ਕਰਨ ਲਈ b (ਖੱਬੇ) ਕਰਵ। 3 ਅਤੇ 4 (ਉੱਪਰਲੀ ਕਤਾਰ - ਚਿੱਤਰ 3a,b ਅਤੇ 4a,b (ਉੱਪਰ) ਵਿੱਚ ਸੈੱਲ; ਹੇਠਲਾ ਪੈਨਲ - ਚਿੱਤਰ 3c, d ਅਤੇ 4a,b (ਹੇਠਾਂ) ਦੇ ਸੈੱਲ)। (ਮੱਧਮ) ਜਾਲੀ ਟਿਊਨਿੰਗ ਪ੍ਰੋਫਾਈਲਾਂ ਤੋਂ ਗਣਨਾ ਕੀਤੇ ਗਏ ਪੈਟਰਨ ਅਤੇ ਕੰਪੋਨੈਂਟ ਭਵਿੱਖਬਾਣੀਆਂ। (ਸੱਜੇ) ਇਹਨਾਂ ਸੈੱਲਾਂ ਦੇ ਗਰਿੱਡ ਨੂੰ ਐਡਜਸਟ ਕਰਨਾ। ਉੱਪਰਲੇ (ਹੇਠਲੇ) ਪੈਨਲ ਦੇ ਸੈੱਲਾਂ ਨੂੰ ਟੈਂਪਲੇਟ (ਕੰਪੋਨੈਂਟ) ਸੈੱਲਾਂ ਵਜੋਂ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਗਿਆ ਹੈ। ਧਿਆਨ ਦਿਓ ਕਿ ਪੈਟਰਨ ਕੰਪੋਨੈਂਟਾਂ ਦੇ ਵਰਗੀਕਰਨ ਅਤੇ ਸੁਮੇਲ/ਪਾਰਦਰਸ਼ੀ ਸੈੱਲ ਗਤੀ ਲਈ ਤਰਜੀਹਾਂ ਵਿਚਕਾਰ ਕੋਈ ਇੱਕ-ਤੋਂ-ਇੱਕ ਪੱਤਰ ਵਿਹਾਰ ਨਹੀਂ ਹੈ (ਚਿੱਤਰ 4a ਵਿੱਚ ਇਹਨਾਂ ਸੈੱਲਾਂ ਲਈ ਟੈਕਸਟਚਰ ਜਾਲੀ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਵੇਖੋ)। c N (ਖੱਬੇ) ਅਤੇ S (ਸੱਜੇ) ਬਾਂਦਰਾਂ ਵਿੱਚ ਦਰਜ ਸਾਰੇ ਸੈੱਲਾਂ ਲਈ z-ਸਕੋਰ ਕੰਪੋਨੈਂਟ (abscissa) ਦੇ ਅੰਸ਼ਕ ਸਹਿ-ਸੰਬੰਧ ਗੁਣਾਂਕ ਦੇ ਵਿਰੁੱਧ ਪਲਾਟ ਕੀਤੇ ਗਏ z-ਸਕੋਰ ਮੋਡ (ordinate) ਦੇ ਅੰਸ਼ਕ ਸਹਿ-ਸੰਬੰਧ ਦਾ ਗੁਣਾਂਕ। ਮੋਟੀਆਂ ਲਾਈਨਾਂ ਸੈੱਲਾਂ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਵਰਤੇ ਗਏ ਮਹੱਤਵ ਮਾਪਦੰਡਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ। d ਉੱਚ ਚੋਣ ਸੰਭਾਵਨਾ (ordinate) ਬਨਾਮ ਮੋਡ ਸੂਚਕਾਂਕ (Zp - Zc) (abscissa) ਦਾ ਪਲਾਟ। ਖੱਬੇ (ਸੱਜੇ) ਪੈਨਲਾਂ ਵਿੱਚ ਡੇਟਾ ਬਾਂਦਰ N(S) ਦਾ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ। ਕਾਲੇ ਚੱਕਰ ਲਗਭਗ ਇਕਾਈਆਂ ਵਿੱਚ ਡੇਟਾ ਦਰਸਾਉਂਦੇ ਹਨ। ਦੋਵਾਂ ਜਾਨਵਰਾਂ ਵਿੱਚ, ਉੱਚ ਚੋਣ ਸੰਭਾਵਨਾ ਅਤੇ ਪੈਟਰਨ ਸੂਚਕਾਂਕ ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਸੀ, ਜੋ ਕਿ ਮਲਟੀਪਲ ਕੰਪੋਨੈਂਟ ਓਰੀਐਂਟੇਸ਼ਨ ਵਾਲੇ ਉਤੇਜਨਾ ਵਿੱਚ ਸਿਗਨਲ ਪੈਟਰਨ ਓਰੀਐਂਟੇਸ਼ਨ ਵਾਲੇ ਸੈੱਲਾਂ ਲਈ ਇੱਕ ਵੱਡਾ ਅਨੁਭਵੀ ਸਬੰਧ ਦਰਸਾਉਂਦਾ ਹੈ।
ਇਸ ਲਈ, ਇੱਕ ਵੱਖਰੇ ਟੈਸਟ ਸੈੱਟ ਵਿੱਚ, ਅਸੀਂ ਆਪਣੇ ਨਮੂਨਿਆਂ ਵਿੱਚ ਨਿਊਰੋਨਸ ਨੂੰ PDS ਜਾਂ CDS (ਵਿਧੀ ਵੇਖੋ) ਦੇ ਰੂਪ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਲਈ ਸਾਈਨਸੌਇਡਲ ਗਰਿੱਡਾਂ ਅਤੇ ਗਰਿੱਡਾਂ ਦੇ ਜਵਾਬਾਂ ਨੂੰ ਮਾਪਿਆ। ਜਾਲੀ ਟਿਊਨਿੰਗ ਕਰਵ, ਇਸ ਟਿਊਨਿੰਗ ਡੇਟਾ ਤੋਂ ਬਣੇ ਟੈਂਪਲੇਟ ਕੰਪੋਨੈਂਟ ਪੂਰਵ-ਅਨੁਮਾਨ, ਅਤੇ ਚਿੱਤਰ 1 ਅਤੇ 3 ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਸੈੱਲਾਂ ਲਈ ਜਾਲੀ ਟਿਊਨਿੰਗ ਕਰਵ। ਚਿੱਤਰ 3 ਅਤੇ 4 ਅਤੇ ਪੂਰਕ ਚਿੱਤਰ 3 ਚਿੱਤਰ 7b ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਹਨ। ਪੈਟਰਨ ਵੰਡ ਅਤੇ ਭਾਗ ਚੋਣ, ਅਤੇ ਨਾਲ ਹੀ ਹਰੇਕ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਤਰਜੀਹੀ ਸੈੱਲ ਸਥਿਤੀ, ਕ੍ਰਮਵਾਰ ਚਿੱਤਰ 7c ਅਤੇ ਪੂਰਕ ਚਿੱਤਰ 4 ਵਿੱਚ ਹਰੇਕ ਬਾਂਦਰ ਲਈ ਦਿਖਾਈ ਗਈ ਹੈ।
ਪੈਟਰਨ ਕੰਪੋਨੈਂਟਸ ਦੇ ਸੁਧਾਰ 'ਤੇ CP ਦੀ ਨਿਰਭਰਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ, ਅਸੀਂ ਪਹਿਲਾਂ ਪੈਟਰਨ ਇੰਡੈਕਸ 35 (PI) ਦੀ ਗਣਨਾ ਕੀਤੀ, ਜਿਸਦੇ ਵੱਡੇ (ਛੋਟੇ) ਮੁੱਲ ਇੱਕ ਵੱਡੇ PDS (CDS) ਸਮਾਨ ਵਿਵਹਾਰ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਉਪਰੋਕਤ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਦੇਖਦੇ ਹੋਏ ਕਿ: (i) ਨਿਊਰੋਨਲ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਪਸੰਦੀਦਾ ਸੈੱਲ ਸਥਿਤੀ ਅਤੇ ਉਤੇਜਕ ਗਤੀ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਅੰਤਰ ਦੇ ਨਾਲ ਬਦਲਦੀ ਹੈ, ਅਤੇ (ii) ਸਾਡੇ ਨਮੂਨੇ ਵਿੱਚ ਨਿਊਰੋਨਲ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਅਤੇ ਚੋਣ ਸੰਭਾਵਨਾ ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਹੈ, ਅਸੀਂ PI ਵਿਚਕਾਰ ਇੱਕ ਸਬੰਧ ਪਾਇਆ ਅਤੇ ਹਰੇਕ ਸੈੱਲ ਦੀ ਗਤੀ ਦੀ "ਸਭ ਤੋਂ ਵਧੀਆ" ਦਿਸ਼ਾ ਲਈ ਕੁੱਲ CP ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਗਿਆ ਸੀ (ਉੱਪਰ ਦੇਖੋ)। ਅਸੀਂ ਪਾਇਆ ਕਿ CP PI ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਸੰਬੰਧਿਤ ਸੀ (ਚਿੱਤਰ 7d; ਜਿਓਮੈਟ੍ਰਿਕ ਔਸਤ ਰਿਗਰੈਸ਼ਨ; ਗ੍ਰੈਂਡ CP ਬਾਂਦਰ N: r = 0.23, p < 0.01; ਦੋ-ਸਥਿਰ CP ਬਾਂਦਰ N r = 0.21, p = 0.013; ਗ੍ਰੈਂਡ CP ਬਾਂਦਰ S: r = 0.30, p < 10−4; ਦੋ-ਸਥਿਰ CP ਬਾਂਦਰ S: r = 0.29, p < 10−3), ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ PDS ਵਜੋਂ ਵਰਗੀਕ੍ਰਿਤ ਸੈੱਲਾਂ ਨੇ CDS ਅਤੇ ਗੈਰ-ਵਰਗੀਕ੍ਰਿਤ ਸੈੱਲਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਚੋਣ-ਸੰਬੰਧੀ ਗਤੀਵਿਧੀ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੀ। ਅਸੀਂ ਪਾਇਆ ਕਿ CP PI ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਸੰਬੰਧਿਤ ਸੀ (ਚਿੱਤਰ 7d; ਜਿਓਮੈਟ੍ਰਿਕ ਔਸਤ ਰਿਗਰੈਸ਼ਨ; ਗ੍ਰੈਂਡ CP ਬਾਂਦਰ N: r = 0.23, p < 0.01; ਦੋ-ਸਥਿਰ CP ਬਾਂਦਰ N r = 0.21, p = 0.013; ਗ੍ਰੈਂਡ CP ਬਾਂਦਰ S: r = 0.30, p < 10−4; ਦੋ-ਸਥਿਰ CP ਬਾਂਦਰ S: r = 0.29, p < 10−3), ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ PDS ਵਜੋਂ ਵਰਗੀਕ੍ਰਿਤ ਸੈੱਲਾਂ ਨੇ CDS ਅਤੇ ਗੈਰ-ਵਰਗੀਕ੍ਰਿਤ ਸੈੱਲਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਚੋਣ-ਸੰਬੰਧੀ ਗਤੀਵਿਧੀ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੀ। Мы обнаружили, что CP значительно коррелирует с PI (рис. 7d; регрессия среднего геометрического; большая обезьяна, большая обезьяна, 02, CP: <02,02; бистабильная обезьяна CP N r = 0,21, p = 0,013; большая обезьяна CP S: r = 0,30, p < 10-4; что указывает на то, что клетки, классифицированные как PDS, проявляли большую активность, связанную с выбором, чем CDS и неклассифицированные как. ਅਸੀਂ ਪਾਇਆ ਕਿ CP PI ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਸੰਬੰਧਿਤ ਸੀ (ਚਿੱਤਰ 7d; ਜਿਓਮੈਟ੍ਰਿਕ ਔਸਤ ਰਿਗਰੈਸ਼ਨ; ਮਹਾਨ ਬਾਂਦਰ CP N: r = 0.23, p < 0.01; ਬਿਸਟੇਬਲ ਬਾਂਦਰ CP N r = 0.21, p = 0.013; ਮਹਾਨ ਬਾਂਦਰ CP S: r = 0.30, p < 10-4; ਬਾਂਦਰ S ਬਿਸਟੇਬਲ CP: r = 0.29, p < 10-3), ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ PDS ਵਜੋਂ ਵਰਗੀਕ੍ਰਿਤ ਸੈੱਲਾਂ ਨੇ CDS ਅਤੇ ਗੈਰ-ਵਰਗੀਕ੍ਰਿਤ ਸੈੱਲਾਂ ਨਾਲੋਂ ਚੋਣ ਨਾਲ ਸੰਬੰਧਿਤ ਵਧੇਰੇ ਗਤੀਵਿਧੀ ਦਿਖਾਈ।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； CPN r = 0.01； CPN 0.21，p = 0.013；大CP 猴S： r = 0.30，p < 10-4；双稳态CP 猴S：r = 0.29，p < 10-3），表明分P CD 滔烞 CD 烞烞烠 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2，CP 猴1 = 0.23. 0.21, p3; 0.0 Мы обнаружили, что CP был значительно связан с PI (рис. 7d; регрессия среднего геометрического; большая обезья, 03CP = 03; бистабильная обезьяна CP N r = 0,21, p = 0,013; большая обезьяна CP S: r = 0,013) 0,30, p < 10-4; ਅਸੀਂ ਪਾਇਆ ਕਿ CP ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ PI ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਸੀ (ਚਿੱਤਰ 7d; ਜਿਓਮੈਟ੍ਰਿਕ ਔਸਤ ਰਿਗਰੈਸ਼ਨ; ਮਹਾਨ ਬਾਂਦਰ CP N: r = 0.23, p < 0.01; ਬਿਸਟੇਬਲ ਬਾਂਦਰ CP N r = 0.21, p = 0.013; ਮਹਾਨ ਬਾਂਦਰ CP S: r = 0.013) 0.30, p < 10-4; бистабильный CP обезьяны S: r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как PDS, проявляциовлекулисули как. активность, чем клетки, классифицированные как CDS ਅਤੇ неклассифицированные. ਬਾਂਦਰ ਐਸ ਬਿਸਟੇਬਲ ਸੀਪੀ: r = 0.29, ਪੀ < 10-3), ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਪੀਡੀਐਸ ਵਜੋਂ ਵਰਗੀਕ੍ਰਿਤ ਸੈੱਲਾਂ ਨੇ ਸੀਡੀਐਸ ਵਜੋਂ ਵਰਗੀਕ੍ਰਿਤ ਅਤੇ ਗੈਰ-ਵਰਗੀਕ੍ਰਿਤ ਸੈੱਲਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਚੋਣ ਗਤੀਵਿਧੀ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੀ।ਕਿਉਂਕਿ PI ਅਤੇ ਨਿਊਰੋਨ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੋਵੇਂ CP ਨਾਲ ਸੰਬੰਧਿਤ ਹਨ, ਅਸੀਂ ਕਈ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੇ (PI ਅਤੇ ਨਿਊਰੋਨ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨੂੰ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਵਜੋਂ ਅਤੇ ਵੱਡੇ CP ਨੂੰ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਵਜੋਂ) ਤਾਂ ਜੋ ਦੋ ਮਾਪਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਰੱਦ ਕੀਤਾ ਜਾ ਸਕੇ ਜੋ ਪ੍ਰਭਾਵ ਦੀ ਸੰਭਾਵਨਾ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ। . ਦੋਵੇਂ ਅੰਸ਼ਕ ਸਹਿ-ਸਬੰਧ ਗੁਣਾਂਕ ਮਹੱਤਵਪੂਰਨ ਸਨ (ਬਾਂਦਰ N: ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਨਾਮ CP: r = −0.13, p = 0.04, PI ਬਨਾਮ CP: r = 0.23, p < 0.01; ਬਾਂਦਰ S: ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਨਾਮ CP: r = −0.16, p = 0.03, PI ਬਨਾਮ CP: 0.29, p < 10−3), ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ CP ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨਾਲ ਵਧਦਾ ਹੈ ਅਤੇ ਇੱਕ ਸੁਤੰਤਰ ਢੰਗ ਨਾਲ PI ਨਾਲ ਵਧਦਾ ਹੈ। ਦੋਵੇਂ ਅੰਸ਼ਕ ਸਹਿ-ਸਬੰਧ ਗੁਣਾਂਕ ਮਹੱਤਵਪੂਰਨ ਸਨ (ਬਾਂਦਰ N: ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਨਾਮ CP: r = −0.13, p = 0.04, PI ਬਨਾਮ CP: r = 0.23, p < 0.01; ਬਾਂਦਰ S: ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਨਾਮ CP: r = −0.16, p = 0.03, PI ਬਨਾਮ CP: 0.29, p < 10−3), ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ CP ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨਾਲ ਵਧਦਾ ਹੈ ਅਤੇ ਇੱਕ ਸੁਤੰਤਰ ਢੰਗ ਨਾਲ PI ਨਾਲ ਵਧਦਾ ਹੈ। Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, PI против, p = 0,04, PI против, 0,3 CP; обезьяна S: порог против CP: r = -0,16, p = 0,03, PI ਬਨਾਮ CP: 0,29, p < 10-3), предполагая, что CP увеличивается с чувильность независимым образом увеличивается с PI. ਦੋਵੇਂ ਅੰਸ਼ਕ ਸਹਿ-ਸਬੰਧ ਗੁਣਾਂਕ ਮਹੱਤਵਪੂਰਨ ਸਨ (ਬਾਂਦਰ N: ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਨਾਮ CP: r=-0.13, p=0.04, PI ਬਨਾਮ CP: r=0.23, p<0.01; ਬਾਂਦਰ S: ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਨਾਮ CP: r = -0.16, p = 0.03, PI ਬਨਾਮ CP: 0.29, p < 10-3), ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ CP ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨਾਲ ਵਧਦਾ ਹੈ ਅਤੇ PI ਨਾਲ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਵਧਦਾ ਹੈ।两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI 与CP：r = 0.23，p < 0.01；猴子S：阈值与CP：r = -0.16, p = 0.03，PI ਬਨਾਮ CP：0.29，p <10-3），表明CP随灵敏度增加而增加,并且以独立方式随PI 增加.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 ਬਨਾਮ CP：0.29，p <1-0.29，p <1 Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, PI против, p = 0,04, PI против, 0,3 CP; обезьяна S: порог против CP: r = -0,16, p = 0,03 , PI против CP: 0,29, p < 10-3), что указывает на то, что CP увеливчивастьивастьюстьиность увеличивалась с PI независимым ਓਬਰਾਜ਼ਮ। ਦੋਵੇਂ ਅੰਸ਼ਕ ਸਹਿ-ਸਬੰਧ ਗੁਣਾਂਕ ਮਹੱਤਵਪੂਰਨ ਸਨ (ਬਾਂਦਰ N: ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਨਾਮ CP: r=-0.13, p=0.04, PI ਬਨਾਮ CP: r=0.23, p<0.01; ਬਾਂਦਰ S: ਥ੍ਰੈਸ਼ਹੋਲਡ ਬਨਾਮ CP: r = -0.16, p = 0.03, PI ਬਨਾਮ CP: 0.29, p < 10-3), ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ CP ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੇ ਨਾਲ ਵਧਿਆ ਅਤੇ PI ਦੇ ਨਾਲ ਸੁਤੰਤਰ ਢੰਗ ਨਾਲ ਵਧਿਆ।
ਅਸੀਂ MT ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਗਤੀਵਿਧੀ ਰਿਕਾਰਡ ਕੀਤੀ, ਅਤੇ ਬਾਂਦਰਾਂ ਨੇ ਪੈਟਰਨਾਂ ਦੀ ਆਪਣੀ ਧਾਰਨਾ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਜੋ ਸੁਮੇਲ ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਹਰਕਤਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਦਿਖਾਈ ਦੇ ਸਕਦੇ ਹਨ। ਪੱਖਪਾਤੀ ਧਾਰਨਾਵਾਂ ਵਿੱਚ ਜੋੜੀਆਂ ਗਈਆਂ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸੰਕੇਤਾਂ ਪ੍ਰਤੀ ਨਿਊਰੋਨਸ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਹੁੰਦੀ ਹੈ ਅਤੇ ਘੱਟੋ-ਘੱਟ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ, ਯੂਨਿਟ ਦੇ ਪਸੰਦੀਦਾ ਓਰੀਐਂਟੇਸ਼ਨ ਅਤੇ ਉਤੇਜਕ ਗਤੀ ਦੀ ਦਿਸ਼ਾ ਵਿਚਕਾਰ ਸਬੰਧ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਪੂਰੀ ਆਬਾਦੀ ਵਿੱਚ, ਨਿਊਰੋਨਲ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਮਨੋ-ਭੌਤਿਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨਾਲੋਂ ਕਾਫ਼ੀ ਘੱਟ ਸੀ, ਹਾਲਾਂਕਿ ਸਭ ਤੋਂ ਵੱਧ ਸੰਵੇਦਨਸ਼ੀਲ ਇਕਾਈਆਂ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਿਗਨਲਾਂ ਨਾਲ ਵਿਵਹਾਰਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਜਾਂ ਵੱਧ ਗਈਆਂ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਫਾਇਰਿੰਗ ਫ੍ਰੀਕੁਐਂਸੀ ਅਤੇ ਧਾਰਨਾ ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਹਿ-ਭਿੰਨਤਾ ਹੈ, ਜੋ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਕਿ MT ਸਿਗਨਲਿੰਗ ਸੈਗਮੈਂਟੇਸ਼ਨ ਵਿੱਚ ਇੱਕ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੀ ਹੈ। ਪਸੰਦੀਦਾ ਓਰੀਐਂਟੇਸ਼ਨ ਵਾਲੇ ਸੈੱਲਾਂ ਨੇ ਜਾਲੀ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਿਗਨਲਾਂ ਵਿੱਚ ਅੰਤਰਾਂ ਪ੍ਰਤੀ ਆਪਣੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਇਆ ਅਤੇ ਕਈ ਸਥਾਨਕ ਓਰੀਐਂਟੇਸ਼ਨਾਂ ਦੇ ਨਾਲ ਉਤੇਜਨਾ ਵਿੱਚ ਗਲੋਬਲ ਗਤੀ ਨੂੰ ਸੰਕੇਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ, ਸਭ ਤੋਂ ਵੱਧ ਅਨੁਭਵੀ ਸਬੰਧ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ। ਇੱਥੇ ਅਸੀਂ ਇਹਨਾਂ ਨਤੀਜਿਆਂ ਦੀ ਪਿਛਲੇ ਕੰਮ ਨਾਲ ਤੁਲਨਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੁਝ ਸੰਭਾਵੀ ਸਮੱਸਿਆਵਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਦੇ ਹਾਂ।
ਜਾਨਵਰਾਂ ਦੇ ਮਾਡਲਾਂ ਵਿੱਚ ਬਿਸਟੇਬਲ ਉਤੇਜਨਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਖੋਜ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਵਿਵਹਾਰਕ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਦਿਲਚਸਪੀ ਦੇ ਆਯਾਮ 'ਤੇ ਅਧਾਰਤ ਨਹੀਂ ਹੋ ਸਕਦੀਆਂ। ਉਦਾਹਰਣ ਵਜੋਂ, ਸਾਡੇ ਬਾਂਦਰ ਜਾਲੀ ਦੇ ਤਾਲਮੇਲ ਦੀ ਆਪਣੀ ਧਾਰਨਾ ਤੋਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਟੈਕਸਟਚਰ ਓਰੀਐਂਟੇਸ਼ਨ ਦੀ ਆਪਣੀ ਧਾਰਨਾ ਦੀ ਰਿਪੋਰਟ ਕਰ ਸਕਦੇ ਹਨ। ਡੇਟਾ ਦੇ ਦੋ ਪਹਿਲੂ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਇਹ ਮਾਮਲਾ ਨਹੀਂ ਹੈ। ਪਹਿਲਾਂ, ਪਿਛਲੀਆਂ ਰਿਪੋਰਟਾਂ ਦੇ ਅਨੁਸਾਰ, ਵੱਖ ਕਰਨ ਵਾਲੇ ਐਰੇ ਹਿੱਸਿਆਂ ਦੇ ਸਾਪੇਖਿਕ ਓਰੀਐਂਟੇਸ਼ਨ ਕੋਣ ਨੂੰ ਯੋਜਨਾਬੱਧ ਢੰਗ ਨਾਲ ਬਦਲਣ ਨਾਲ ਇਕਸਾਰ ਧਾਰਨਾ ਦੀ ਸੰਭਾਵਨਾ ਬਦਲ ਗਈ। ਦੂਜਾ, ਔਸਤਨ, ਪ੍ਰਭਾਵ ਉਹਨਾਂ ਪੈਟਰਨਾਂ ਲਈ ਇੱਕੋ ਜਿਹਾ ਹੁੰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਟੈਕਸਟਚਰ ਸਿਗਨਲ ਹੁੰਦੇ ਹਨ ਜਾਂ ਨਹੀਂ ਹੁੰਦੇ। ਇਕੱਠੇ ਲਏ ਜਾਣ 'ਤੇ, ਇਹ ਨਿਰੀਖਣ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਬਾਂਦਰਾਂ ਦੇ ਜਵਾਬ ਲਗਾਤਾਰ ਜੁੜਨ/ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਉਨ੍ਹਾਂ ਦੀ ਧਾਰਨਾ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।
ਇੱਕ ਹੋਰ ਸੰਭਾਵੀ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਖਾਸ ਸਥਿਤੀ ਲਈ ਗਰੇਟਿੰਗ ਮੋਸ਼ਨ ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਅਨੁਕੂਲ ਨਹੀਂ ਬਣਾਇਆ ਹੈ। ਨਿਊਰੋਨਲ ਅਤੇ ਮਨੋ-ਭੌਤਿਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੀ ਤੁਲਨਾ ਕਰਨ ਵਾਲੇ ਕਈ ਪਿਛਲੇ ਕੰਮਾਂ ਵਿੱਚ, ਹਰੇਕ ਰਜਿਸਟਰਡ ਯੂਨਿਟ [31, 32, 34, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45] ਲਈ ਉਤੇਜਨਾ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਚੁਣਿਆ ਗਿਆ ਸੀ। ਇੱਥੇ ਅਸੀਂ ਹਰੇਕ ਸੈੱਲ ਦੇ ਓਰੀਐਂਟੇਸ਼ਨ ਦੇ ਸਮਾਯੋਜਨ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਜਾਲੀ ਪੈਟਰਨ ਦੀ ਗਤੀ ਦੀਆਂ ਉਹੀ ਦੋ ਦਿਸ਼ਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ। ਇਸ ਡਿਜ਼ਾਈਨ ਨੇ ਸਾਨੂੰ ਇਹ ਅਧਿਐਨ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ ਕਿ ਜਾਲੀ ਦੀ ਗਤੀ ਅਤੇ ਤਰਜੀਹੀ ਸਥਿਤੀ ਦੇ ਵਿਚਕਾਰ ਓਵਰਲੈਪ ਨਾਲ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਕਿਵੇਂ ਬਦਲਦੀ ਹੈ, ਹਾਲਾਂਕਿ, ਇਸਨੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਇੱਕ ਤਰਜੀਹੀ ਆਧਾਰ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕੀਤਾ ਕਿ ਸੈੱਲ ਸੁਮੇਲ ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਜਾਲੀ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। ਇਸ ਲਈ, ਅਸੀਂ ਅਨੁਭਵੀ ਮਾਪਦੰਡਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਾਂ, ਹਰੇਕ ਸੈੱਲ ਦੇ ਟੈਕਸਟਚਰ ਜਾਲੀ ਪ੍ਰਤੀ ਜਵਾਬ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਜਾਲੀ ਦੀ ਗਤੀ ਦੀ ਹਰੇਕ ਸ਼੍ਰੇਣੀ ਨੂੰ ਤਰਜੀਹ ਅਤੇ ਜ਼ੀਰੋ ਲੇਬਲ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ। ਹਾਲਾਂਕਿ ਅਸੰਭਵ ਹੈ, ਇਹ ਸਾਡੇ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ CP ਸਿਗਨਲ ਖੋਜ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਯੋਜਨਾਬੱਧ ਢੰਗ ਨਾਲ ਵਿਗਾੜ ਸਕਦਾ ਹੈ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਕਿਸੇ ਵੀ ਮਾਪ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਹੇਠਾਂ ਚਰਚਾ ਕੀਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਡੇਟਾ ਦੇ ਕਈ ਪਹਿਲੂ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਇਹ ਮਾਮਲਾ ਨਹੀਂ ਹੈ।
ਪਹਿਲਾਂ, ਉਹਨਾਂ ਉਤੇਜਕਾਂ ਨੂੰ ਤਰਜੀਹੀ (ਨਲ) ਨਾਮ ਨਿਰਧਾਰਤ ਕਰਨਾ ਜੋ ਵਧੇਰੇ (ਘੱਟ) ਗਤੀਵਿਧੀ ਨੂੰ ਉਤਪੰਨ ਕਰਦੇ ਹਨ, ਇਹਨਾਂ ਪ੍ਰਤੀਕਿਰਿਆ ਵੰਡਾਂ ਦੀ ਭਿੰਨਤਾ ਨੂੰ ਪ੍ਰਭਾਵਤ ਨਹੀਂ ਕਰਦੇ ਸਨ। ਇਸ ਦੀ ਬਜਾਏ, ਇਹ ਸਿਰਫ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਨਿਊਰੋਮੈਟ੍ਰਿਕ ਅਤੇ ਸਾਈਕੋਮੈਟ੍ਰਿਕ ਫੰਕਸ਼ਨਾਂ ਦਾ ਇੱਕੋ ਜਿਹਾ ਚਿੰਨ੍ਹ ਹੈ, ਇਸ ਲਈ ਉਹਨਾਂ ਦੀ ਸਿੱਧੀ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਦੂਜਾ, CP (ਟੈਕਸਟਚਰਡ ਗ੍ਰੈਟਿੰਗ ਲਈ "ਗਲਤ" ਟ੍ਰਾਇਲ ਅਤੇ ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਤੋਂ ਬਿਨਾਂ ਗ੍ਰੈਟਿੰਗ ਲਈ ਸਾਰੇ ਟ੍ਰਾਇਲ) ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਵਰਤੇ ਗਏ ਜਵਾਬਾਂ ਨੂੰ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ ਜੋ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਸੀ ਕਿ ਹਰੇਕ ਸੈੱਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਖੇਡਾਂ ਨੂੰ "ਪਸੰਦ" ਕਰਦਾ ਹੈ। ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਚੋਣ ਪ੍ਰਭਾਵ ਤਰਜੀਹੀ/ਅਵੈਧ ਅਹੁਦਿਆਂ ਵੱਲ ਪੱਖਪਾਤੀ ਨਹੀਂ ਹਨ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਚੋਣ ਸੰਭਾਵਨਾ ਹੁੰਦੀ ਹੈ।
ਨਿਊਸਮ ਅਤੇ ਉਸਦੇ ਸਾਥੀਆਂ [36, 39, 46, 47] ਦੇ ਅਧਿਐਨਾਂ ਨੇ ਗਤੀ ਦੀ ਦਿਸ਼ਾ ਦੇ ਅਨੁਮਾਨਤ ਅਨੁਮਾਨ ਵਿੱਚ MT ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਾਲੇ ਪਹਿਲੇ ਵਿਅਕਤੀ ਸਨ। ਬਾਅਦ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਨੇ ਡੂੰਘਾਈ ਵਿੱਚ MT ਭਾਗੀਦਾਰੀ 'ਤੇ ਡੇਟਾ ਇਕੱਠਾ ਕੀਤਾ ਹੈ34,44,48,49,50,51 ਅਤੇ ਗਤੀ32,52, ਵਧੀਆ ਸਥਿਤੀ33 ਅਤੇ ਗਤੀ31,53,54 (3D ਟਿਕਾਊ ਜੰਗਲ) ਤੋਂ 3D ਢਾਂਚੇ ਦੀ ਧਾਰਨਾ ਨੂੰ ਨਿਯਮਿਤ ਕਰਨ ਲਈ। ਅਸੀਂ ਇਹਨਾਂ ਨਤੀਜਿਆਂ ਨੂੰ ਦੋ ਮਹੱਤਵਪੂਰਨ ਤਰੀਕਿਆਂ ਨਾਲ ਵਧਾਉਂਦੇ ਹਾਂ। ਪਹਿਲਾਂ, ਅਸੀਂ ਸਬੂਤ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਾਂ ਕਿ MT ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਵਿਜ਼ੂਓਮੋਟਰ ਸਿਗਨਲਾਂ ਦੇ ਅਨੁਭਵੀ ਵਿਭਾਜਨ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੀਆਂ ਹਨ। ਦੂਜਾ, ਅਸੀਂ MT ਮੋਡ ਓਰੀਐਂਟੇਸ਼ਨ ਚੋਣ ਅਤੇ ਇਸ ਚੋਣ ਸਿਗਨਲ ਵਿਚਕਾਰ ਇੱਕ ਸਬੰਧ ਦੇਖਿਆ।
ਸੰਕਲਪਿਕ ਤੌਰ 'ਤੇ, ਮੌਜੂਦਾ ਨਤੀਜੇ 3-D SFM 'ਤੇ ਕੰਮ ਦੇ ਸਭ ਤੋਂ ਵੱਧ ਸਮਾਨ ਹਨ, ਕਿਉਂਕਿ ਦੋਵੇਂ ਗੁੰਝਲਦਾਰ ਬਿਸਟੇਬਲ ਧਾਰਨਾ ਹਨ ਜਿਸ ਵਿੱਚ ਗਤੀ ਅਤੇ ਡੂੰਘਾਈ ਕ੍ਰਮ ਸ਼ਾਮਲ ਹੈ। ਡੌਡ ਐਟ ਅਲ.31 ਨੇ ਇੱਕ ਬਿਸਟੇਬਲ 3D SFM ਸਿਲੰਡਰ ਦੇ ਰੋਟੇਸ਼ਨਲ ਓਰੀਐਂਟੇਸ਼ਨ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਵਾਲੇ ਬਾਂਦਰ ਟਾਸਕ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਚੋਣ ਸੰਭਾਵਨਾ (0.67) ਲੱਭੀ। ਸਾਨੂੰ ਬਿਸਟੇਬਲ ਗਰਿੱਡ ਉਤੇਜਨਾ ਲਈ ਇੱਕ ਬਹੁਤ ਛੋਟਾ ਚੋਣ ਪ੍ਰਭਾਵ ਮਿਲਿਆ (ਦੋਵੇਂ ਬਾਂਦਰਾਂ ਲਈ ਲਗਭਗ 0.55)। ਕਿਉਂਕਿ CP ਦਾ ਮੁਲਾਂਕਣ ਚੋਣ ਗੁਣਾਂਕ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਇਸ ਲਈ ਵੱਖ-ਵੱਖ ਕਾਰਜਾਂ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਸਥਿਤੀਆਂ ਵਿੱਚ ਪ੍ਰਾਪਤ CP ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਹਾਲਾਂਕਿ, ਚੋਣ ਪ੍ਰਭਾਵ ਦੀ ਤੀਬਰਤਾ ਜੋ ਅਸੀਂ ਦੇਖੀ ਉਹ ਜ਼ੀਰੋ ਅਤੇ ਘੱਟ ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਗ੍ਰੇਟਿੰਗ ਲਈ ਇੱਕੋ ਜਿਹੀ ਸੀ, ਅਤੇ ਜਦੋਂ ਅਸੀਂ ਪਾਵਰ ਵਧਾਉਣ ਲਈ ਘੱਟ/ਕੋਈ ਟੈਕਸਟਚਰ ਕੰਟ੍ਰਾਸਟ ਉਤੇਜਨਾ ਨੂੰ ਜੋੜਿਆ ਸੀ। ਇਸ ਲਈ, CP ਵਿੱਚ ਇਹ ਅੰਤਰ ਡੇਟਾਸੈੱਟਾਂ ਵਿਚਕਾਰ ਚੋਣ ਦਰਾਂ ਵਿੱਚ ਅੰਤਰ ਦੇ ਕਾਰਨ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ।
ਬਾਅਦ ਵਾਲੇ ਮਾਮਲੇ ਵਿੱਚ ਧਾਰਨਾ ਦੇ ਨਾਲ ਆਉਣ ਵਾਲੇ MT ਫਾਇਰਿੰਗ ਰੇਟ ਵਿੱਚ ਮਾਮੂਲੀ ਬਦਲਾਅ 3-D SFM ਉਤੇਜਨਾ ਅਤੇ ਬਿਸਟੇਬਲ ਗਰਿੱਡ ਢਾਂਚਿਆਂ ਦੁਆਰਾ ਪ੍ਰੇਰਿਤ ਤੀਬਰ ਅਤੇ ਗੁਣਾਤਮਕ ਤੌਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਧਾਰਨਾਤਮਕ ਅਵਸਥਾਵਾਂ ਦੇ ਮੁਕਾਬਲੇ ਉਲਝਣ ਵਾਲੇ ਜਾਪਦੇ ਹਨ। ਇੱਕ ਸੰਭਾਵਨਾ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਉਤੇਜਨਾ ਦੀ ਪੂਰੀ ਮਿਆਦ ਦੌਰਾਨ ਫਾਇਰਿੰਗ ਰੇਟ ਦੀ ਗਣਨਾ ਕਰਕੇ ਚੋਣ ਪ੍ਰਭਾਵ ਨੂੰ ਘੱਟ ਸਮਝਿਆ ਹੈ। 31 3-D SFM ਦੇ ਮਾਮਲੇ ਦੇ ਉਲਟ, ਜਿੱਥੇ MT ਗਤੀਵਿਧੀ ਵਿੱਚ ਅੰਤਰ ਅਜ਼ਮਾਇਸ਼ਾਂ ਵਿੱਚ ਲਗਭਗ 250 ms ਵਿਕਸਤ ਹੋਏ ਅਤੇ ਫਿਰ ਸਾਰੇ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੌਰਾਨ ਲਗਾਤਾਰ ਵਧਦੇ ਗਏ, ਚੋਣ ਸਿਗਨਲਾਂ ਦੀ ਅਸਥਾਈ ਗਤੀਸ਼ੀਲਤਾ ਦਾ ਸਾਡਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਦੋਵਾਂ ਬਾਂਦਰਾਂ ਵਿੱਚ ਉਤੇਜਨਾ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਬਾਅਦ 500 ms ਵੇਖੋ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਮਿਆਦ ਦੇ ਦੌਰਾਨ ਇੱਕ ਤੇਜ਼ ਵਾਧੇ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਅਜ਼ਮਾਇਸ਼ ਦੇ ਬਾਕੀ ਸਮੇਂ ਦੌਰਾਨ CP ਵਿੱਚ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਦੇਖਿਆ। ਹੂਪ ਅਤੇ ਰੁਬਿਨ55 ਰਿਪੋਰਟ ਕਰਦੇ ਹਨ ਕਿ ਬਿਸਟੇਬਲ ਆਇਤਾਕਾਰ ਐਰੇ ਦੀ ਮਨੁੱਖੀ ਧਾਰਨਾ ਅਕਸਰ ਲੰਬੇ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੌਰਾਨ ਬਦਲਦੀ ਹੈ। ਹਾਲਾਂਕਿ ਸਾਡੇ ਉਤੇਜਨਾ ਸਿਰਫ 1.5 ਸਕਿੰਟਾਂ ਲਈ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਸਨ, ਸਾਡੇ ਬਾਂਦਰਾਂ ਦੀ ਧਾਰਨਾ ਵੀ ਅਜ਼ਮਾਇਸ਼ ਦੌਰਾਨ ਇਕਸੁਰਤਾ ਤੋਂ ਪਾਰਦਰਸ਼ਤਾ ਤੱਕ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦੀ ਹੈ (ਉਨ੍ਹਾਂ ਦੇ ਜਵਾਬ ਸੰਕੇਤ ਚੋਣ 'ਤੇ ਉਨ੍ਹਾਂ ਦੀ ਅੰਤਮ ਧਾਰਨਾ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।) ਇਸ ਲਈ, ਸਾਡੇ ਕਾਰਜ ਦਾ ਇੱਕ ਪ੍ਰਤੀਕ੍ਰਿਆ ਸਮਾਂ ਸੰਸਕਰਣ, ਜਾਂ ਯੋਜਨਾ ਜਿਸ ਵਿੱਚ ਬਾਂਦਰ ਲਗਾਤਾਰ ਆਪਣੀ ਧਾਰਨਾ ਦੀ ਰਿਪੋਰਟ ਕਰ ਸਕਦੇ ਹਨ, ਦੇ ਇੱਕ ਵੱਡੇ ਚੋਣ ਪ੍ਰਭਾਵ ਹੋਣ ਦੀ ਉਮੀਦ ਹੈ। ਆਖਰੀ ਸੰਭਾਵਨਾ ਇਹ ਹੈ ਕਿ MT ਸਿਗਨਲ ਨੂੰ ਦੋ ਕਾਰਜਾਂ ਵਿੱਚ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਪੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਸੋਚਿਆ ਜਾ ਰਿਹਾ ਹੈ ਕਿ CPU ਸਿਗਨਲ ਸੰਵੇਦੀ ਡੀਕੋਡਿੰਗ ਅਤੇ ਸਹਿ-ਸਬੰਧਤ ਸ਼ੋਰ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਹੁੰਦੇ ਹਨ,56 Gu ਅਤੇ ਸਹਿਯੋਗੀਆਂ57 ਨੇ ਪਾਇਆ ਕਿ ਕੰਪਿਊਟੇਸ਼ਨਲ ਮਾਡਲਾਂ ਵਿੱਚ, ਵੱਖ-ਵੱਖ ਪੂਲਿੰਗ ਰਣਨੀਤੀਆਂ, ਨਾ ਕਿ ਸਹਿ-ਸਬੰਧਤ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੇ ਪੱਧਰਾਂ ਨਾਲੋਂ, ਡੋਰਸਲ ਮੀਡੀਆ-ਸੁਪੀਰੀਅਰ ਟੈਂਪੋਰਲ ਨਿਊਰੋਨਸ ਵਿੱਚ CPU ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਸਮਝਾ ਸਕਦਾ ਹੈ। ਸ਼ੀਟ ਚੇਂਜ ਓਰੀਐਂਟੇਸ਼ਨ ਰਿਕੋਗਨੀਸ਼ਨ ਟਾਸਕ (MSTd)। MT ਵਿੱਚ ਅਸੀਂ ਜੋ ਛੋਟਾ ਚੋਣ ਪ੍ਰਭਾਵ ਦੇਖਿਆ ਹੈ ਉਹ ਸ਼ਾਇਦ ਇੱਕਸਾਰਤਾ ਜਾਂ ਪਾਰਦਰਸ਼ਤਾ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਬਣਾਉਣ ਲਈ ਬਹੁਤ ਸਾਰੇ ਘੱਟ-ਜਾਣਕਾਰੀ ਵਾਲੇ ਨਿਊਰੋਨਸ ਦੇ ਵਿਆਪਕ ਸਮੂਹ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਕਿਸੇ ਵੀ ਸਥਿਤੀ ਵਿੱਚ ਜਿੱਥੇ ਸਥਾਨਕ ਗਤੀ ਸੰਕੇਤਾਂ ਨੂੰ ਇੱਕ ਜਾਂ ਦੋ ਵਸਤੂਆਂ (ਬਿਸਟੇਬਲ ਗਰੇਟਿੰਗ) ਜਾਂ ਆਮ ਵਸਤੂਆਂ ਦੀਆਂ ਵੱਖਰੀਆਂ ਸਤਹਾਂ (3-D SFM) ਵਿੱਚ ਸਮੂਹਬੱਧ ਕੀਤਾ ਜਾਣਾ ਸੀ, ਸੁਤੰਤਰ ਸਬੂਤ ਕਿ MT ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਅਨੁਭਵੀ ਨਿਰਣਿਆਂ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਜੁੜੀਆਂ ਹੋਈਆਂ ਸਨ, ਉੱਥੇ ਮਜ਼ਬੂਤ ​​MT ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਸਨ। ਵਿਜ਼ੂਅਲ ਮੋਸ਼ਨ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਗੁੰਝਲਦਾਰ ਚਿੱਤਰਾਂ ਨੂੰ ਬਹੁ-ਆਬਜੈਕਟ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਵੰਡਣ ਵਿੱਚ ਭੂਮਿਕਾ ਨਿਭਾਉਣ ਦਾ ਪ੍ਰਸਤਾਵ ਹੈ।
ਜਿਵੇਂ ਕਿ ਉੱਪਰ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਅਸੀਂ MT ਪੈਟਰਨ ਸੈਲੂਲਰ ਗਤੀਵਿਧੀ ਅਤੇ ਧਾਰਨਾ ਵਿਚਕਾਰ ਸਬੰਧ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਵਾਲੇ ਪਹਿਲੇ ਵਿਅਕਤੀ ਸੀ। ਜਿਵੇਂ ਕਿ Movshon ਅਤੇ ਸਹਿਯੋਗੀਆਂ ਦੁਆਰਾ ਮੂਲ ਦੋ-ਪੜਾਅ ਮਾਡਲ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਮੋਡ ਯੂਨਿਟ MT ਦਾ ਆਉਟਪੁੱਟ ਪੜਾਅ ਹੈ। ਹਾਲਾਂਕਿ, ਹਾਲ ਹੀ ਦੇ ਕੰਮ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਮੋਡ ਅਤੇ ਕੰਪੋਨੈਂਟ ਸੈੱਲ ਇੱਕ ਨਿਰੰਤਰਤਾ ਦੇ ਵੱਖ-ਵੱਖ ਸਿਰਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਅਤੇ ਇਹ ਕਿ ਰਿਸੈਪਟਿਵ ਫੀਲਡ ਦੀ ਬਣਤਰ ਵਿੱਚ ਪੈਰਾਮੀਟ੍ਰਿਕ ਅੰਤਰ ਮੋਡ ਕੰਪੋਨੈਂਟਸ ਦੇ ਟਿਊਨਿੰਗ ਸਪੈਕਟ੍ਰਮ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹਨ। ਇਸ ਲਈ, ਸਾਨੂੰ CP ਅਤੇ PI ਵਿਚਕਾਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਮਿਲਿਆ, ਜੋ ਕਿ ਡੂੰਘਾਈ ਪਛਾਣ ਕਾਰਜ ਵਿੱਚ ਦੂਰਬੀਨ ਬੇਮੇਲ ਸਮਾਯੋਜਨ ਸਮਰੂਪਤਾ ਅਤੇ CP ਵਿਚਕਾਰ ਸਬੰਧ ਜਾਂ ਵਧੀਆ ਓਰੀਐਂਟੇਸ਼ਨ ਵਿਤਕਰੇ ਕਾਰਜ ਵਿੱਚ ਓਰੀਐਂਟੇਸ਼ਨ ਸੈਟਿੰਗ ਸੰਰਚਨਾ ਦੇ ਸਮਾਨ ਹੈ। ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ CP 33 ਵਿਚਕਾਰ ਸਬੰਧ। Wang ਅਤੇ Movshon62 ਨੇ MT ਓਰੀਐਂਟੇਸ਼ਨ ਚੋਣਤਮਕਤਾ ਵਾਲੇ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਸੈੱਲਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਅਤੇ ਪਾਇਆ ਕਿ, ਔਸਤਨ, ਮੋਡ ਸੂਚਕਾਂਕ ਬਹੁਤ ਸਾਰੀਆਂ ਟਿਊਨਿੰਗ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਸੀ, ਜੋ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਮੋਡ ਚੋਣਤਮਕਤਾ ਕਈ ਹੋਰ ਕਿਸਮਾਂ ਦੇ ਸਿਗਨਲਾਂ ਵਿੱਚ ਮੌਜੂਦ ਹੈ ਜੋ MT ਆਬਾਦੀ ਤੋਂ ਪੜ੍ਹੇ ਜਾ ਸਕਦੇ ਹਨ। . ਇਸ ਲਈ, MT ਗਤੀਵਿਧੀ ਅਤੇ ਵਿਅਕਤੀਗਤ ਧਾਰਨਾ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੇ ਭਵਿੱਖ ਦੇ ਅਧਿਐਨਾਂ ਲਈ, ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੋਵੇਗਾ ਕਿ ਕੀ ਪੈਟਰਨ ਸੂਚਕਾਂਕ ਦੂਜੇ ਕਾਰਜ ਅਤੇ ਉਤੇਜਨਾ ਚੋਣ ਸੰਕੇਤਾਂ ਨਾਲ ਵੀ ਇਸੇ ਤਰ੍ਹਾਂ ਸੰਬੰਧਿਤ ਹੈ, ਜਾਂ ਕੀ ਇਹ ਸਬੰਧ ਅਨੁਭਵੀ ਵਿਭਾਜਨ ਦੇ ਮਾਮਲੇ ਲਈ ਵਿਸ਼ੇਸ਼ ਹੈ।
ਇਸੇ ਤਰ੍ਹਾਂ, ਨੀਨਬਰਗ ਅਤੇ ਕਮਿੰਗ 42 ਨੇ ਪਾਇਆ ਕਿ ਹਾਲਾਂਕਿ V2 ਵਿੱਚ ਦੂਰਬੀਨ ਬੇਮੇਲ ਲਈ ਚੋਣਵੇਂ ਨੇੜੇ ਅਤੇ ਦੂਰ ਸੈੱਲ ਡੂੰਘਾਈ ਵਿਤਕਰੇ ਦੇ ਕੰਮ ਵਿੱਚ ਬਰਾਬਰ ਸੰਵੇਦਨਸ਼ੀਲ ਸਨ, ਸਿਰਫ ਨੇੜੇ-ਪਸੰਦ ਸੈੱਲ ਆਬਾਦੀ ਨੇ ਮਹੱਤਵਪੂਰਨ CP ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ। ਹਾਲਾਂਕਿ, ਬਾਂਦਰਾਂ ਨੂੰ ਤਰਜੀਹੀ ਤੌਰ 'ਤੇ ਦੂਰੀ ਦੇ ਅੰਤਰਾਂ ਨੂੰ ਭਾਰ ਕਰਨ ਲਈ ਦੁਬਾਰਾ ਸਿਖਲਾਈ ਦੇਣ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਵਧੇਰੇ ਪਸੰਦੀਦਾ ਪਿੰਜਰਿਆਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ CP ਪ੍ਰਾਪਤ ਹੋਏ। ਹੋਰ ਅਧਿਐਨਾਂ ਨੇ ਇਹ ਵੀ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ ਕਿ ਸਿਖਲਾਈ ਇਤਿਹਾਸ ਅਨੁਭਵੀ ਸਬੰਧਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ34,40,63 ਜਾਂ MT ਗਤੀਵਿਧੀ ਅਤੇ ਵਿਭਿੰਨ ਵਿਤਕਰੇ ਵਿਚਕਾਰ ਇੱਕ ਕਾਰਕ ਸਬੰਧ48। CP ਅਤੇ ਰੈਜੀਮੈਨ ਦਿਸ਼ਾ ਚੋਣ ਦੇ ਵਿਚਕਾਰ ਅਸੀਂ ਜੋ ਸਬੰਧ ਦੇਖਿਆ ਹੈ ਉਹ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਉਸ ਖਾਸ ਰਣਨੀਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਬਾਂਦਰਾਂ ਨੇ ਸਾਡੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਵਰਤੀ ਸੀ, ਨਾ ਕਿ ਵਿਜ਼ੂਅਲ-ਮੋਟਰ ਧਾਰਨਾ ਵਿੱਚ ਮੋਡ ਚੋਣ ਸਿਗਨਲਾਂ ਦੀ ਖਾਸ ਭੂਮਿਕਾ। ਭਵਿੱਖ ਦੇ ਕੰਮ ਵਿੱਚ, ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੋਵੇਗਾ ਕਿ ਕੀ ਸਿੱਖਣ ਦੇ ਇਤਿਹਾਸ ਦਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਪੈਂਦਾ ਹੈ ਕਿ ਕਿਹੜੇ MT ਸਿਗਨਲਾਂ ਨੂੰ ਤਰਜੀਹੀ ਅਤੇ ਲਚਕਦਾਰ ਢੰਗ ਨਾਲ ਭਾਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਜੋ ਵਿਭਾਜਨ ਨਿਰਣੇ ਕੀਤੇ ਜਾ ਸਕਣ।
ਸਟੋਨਰ ਅਤੇ ਸਹਿਯੋਗੀ 14,23 ਪਹਿਲੇ ਸਨ ਜਿਨ੍ਹਾਂ ਨੇ ਰਿਪੋਰਟ ਕੀਤੀ ਕਿ ਓਵਰਲੈਪਿੰਗ ਗਰਿੱਡ ਖੇਤਰਾਂ ਦੀ ਚਮਕ ਬਦਲਣ ਨਾਲ ਮਨੁੱਖੀ ਨਿਰੀਖਕ ਰਿਪੋਰਟਾਂ ਦੀ ਇਕਸਾਰਤਾ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਮੈਕਾਕ ਐਮਟੀ ਨਿਊਰੋਨਸ ਵਿੱਚ ਦਿਸ਼ਾਤਮਕ ਸਮਾਯੋਜਨ ਪ੍ਰਭਾਵਿਤ ਹੋਏ। ਲੇਖਕਾਂ ਨੇ ਪਾਇਆ ਕਿ ਜਦੋਂ ਓਵਰਲੈਪਿੰਗ ਖੇਤਰਾਂ ਦੀ ਚਮਕ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਪਾਰਦਰਸ਼ਤਾ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ, ਤਾਂ ਨਿਰੀਖਕਾਂ ਨੇ ਵਧੇਰੇ ਪਾਰਦਰਸ਼ੀ ਧਾਰਨਾ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ, ਜਦੋਂ ਕਿ ਐਮਟੀ ਨਿਊਰੋਨਸ ਰਾਸਟਰ ਹਿੱਸਿਆਂ ਦੀ ਗਤੀ ਦਾ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ। ਇਸਦੇ ਉਲਟ, ਜਦੋਂ ਓਵਰਲੈਪਿੰਗ ਚਮਕ ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਓਵਰਲੈਪ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਅਸੰਗਤ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਨਿਰੀਖਕ ਇਕਸਾਰ ਗਤੀ ਨੂੰ ਸਮਝਦਾ ਹੈ, ਅਤੇ ਐਮਟੀ ਨਿਊਰੋਨਸ ਪੈਟਰਨ ਦੀ ਗਲੋਬਲ ਗਤੀ ਦਾ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਅਧਿਐਨ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਵਿਜ਼ੂਅਲ ਉਤੇਜਨਾ ਵਿੱਚ ਭੌਤਿਕ ਤਬਦੀਲੀਆਂ ਜੋ ਵਿਭਾਜਨ ਰਿਪੋਰਟਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਪ੍ਰਭਾਵਤ ਕਰਦੀਆਂ ਹਨ, ਐਮਟੀ ਉਤਸ਼ਾਹ ਵਿੱਚ ਵੀ ਅਨੁਮਾਨਤ ਤਬਦੀਲੀਆਂ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਦੀਆਂ ਹਨ। ਇਸ ਖੇਤਰ ਵਿੱਚ ਹਾਲ ਹੀ ਵਿੱਚ ਕੀਤੇ ਗਏ ਕੰਮ ਨੇ ਖੋਜ ਕੀਤੀ ਹੈ ਕਿ ਕਿਹੜੇ ਐਮਟੀ ਸਿਗਨਲ ਗੁੰਝਲਦਾਰ ਉਤੇਜਨਾ 18,24,64 ਦੀ ਅਨੁਭਵੀ ਦਿੱਖ ਨੂੰ ਟਰੈਕ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਐਮਟੀ ਨਿਊਰੋਨਸ ਦੇ ਇੱਕ ਉਪ ਸਮੂਹ ਨੂੰ ਇੱਕ ਬੇਤਰਤੀਬ ਬਿੰਦੂ ਮੋਸ਼ਨ ਮੈਪ (RDK) ਵਿੱਚ ਦੋ ਦਿਸ਼ਾਵਾਂ ਦੇ ਨਾਲ ਬਾਈਮੋਡਲ ਟਿਊਨਿੰਗ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ ਦਿਖਾਇਆ ਗਿਆ ਹੈ ਜੋ ਇੱਕ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ RDK ਨਾਲੋਂ ਘੱਟ ਦੂਰੀ 'ਤੇ ਹਨ। ਸੈਲੂਲਰ ਟਿਊਨਿੰਗ ਦੀ ਬੈਂਡਵਿਡਥ 19, 25। ਨਿਰੀਖਕ ਹਮੇਸ਼ਾ ਪਹਿਲੇ ਪੈਟਰਨ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਗਤੀ ਦੇ ਰੂਪ ਵਿੱਚ ਦੇਖਦੇ ਹਨ, ਭਾਵੇਂ ਕਿ ਜ਼ਿਆਦਾਤਰ MT ਨਿਊਰੋਨ ਇਹਨਾਂ ਉਤੇਜਨਾ ਦੇ ਜਵਾਬ ਵਿੱਚ ਯੂਨੀਮੋਡਲ ਅਨੁਕੂਲਨ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੇ ਹਨ, ਅਤੇ ਸਾਰੇ MT ਸੈੱਲਾਂ ਦੀ ਇੱਕ ਸਧਾਰਨ ਔਸਤ ਇੱਕ ਯੂਨੀਮੋਡਲ ਆਬਾਦੀ ਪ੍ਰਤੀਕਿਰਿਆ ਦਿੰਦੀ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਬਾਈਮੋਡਲ ਟਿਊਨਿੰਗ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਵਾਲੇ ਸੈੱਲਾਂ ਦਾ ਇੱਕ ਉਪ ਸਮੂਹ ਇਸ ਧਾਰਨਾ ਲਈ ਨਿਊਰਲ ਸਬਸਟਰੇਟ ਬਣਾ ਸਕਦਾ ਹੈ। ਦਿਲਚਸਪ ਗੱਲ ਇਹ ਹੈ ਕਿ, ਮਾਰਮੋਸੈਟਸ ਵਿੱਚ, ਇਹ ਆਬਾਦੀ ਰਵਾਇਤੀ ਗਰਿੱਡ ਅਤੇ ਗਰਿੱਡ ਉਤੇਜਨਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੈਸਟ ਕੀਤੇ ਜਾਣ 'ਤੇ PDS ਸੈੱਲਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ।
ਸਾਡੇ ਨਤੀਜੇ ਉਪਰੋਕਤ ਤੋਂ ਇੱਕ ਕਦਮ ਅੱਗੇ ਜਾਂਦੇ ਹਨ, ਜੋ ਕਿ ਅਨੁਭਵੀ ਵਿਭਾਜਨ ਵਿੱਚ MT ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਸਥਾਪਿਤ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹਨ। ਦਰਅਸਲ, ਵਿਭਾਜਨ ਇੱਕ ਵਿਅਕਤੀਗਤ ਵਰਤਾਰਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਪੋਲੀਸਟੇਬਲ ਵਿਜ਼ੂਅਲ ਡਿਸਪਲੇਅ ਵਿਜ਼ੂਅਲ ਸਿਸਟਮ ਦੀ ਇੱਕ ਤੋਂ ਵੱਧ ਤਰੀਕਿਆਂ ਨਾਲ ਨਿਰੰਤਰ ਉਤੇਜਨਾ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨ ਅਤੇ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਸਾਡੇ ਅਧਿਐਨ ਵਿੱਚ ਇੱਕੋ ਸਮੇਂ ਤੰਤੂ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਅਤੇ ਅਨੁਭਵੀ ਰਿਪੋਰਟਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਨਾਲ ਸਾਨੂੰ MT ਫਾਇਰਿੰਗ ਦਰ ਅਤੇ ਨਿਰੰਤਰ ਉਤੇਜਨਾ ਦੀ ਅਨੁਭਵੀ ਵਿਆਖਿਆ ਵਿਚਕਾਰ ਸਹਿ-ਵੇਰੀਅੰਸ ਦੀ ਪੜਚੋਲ ਕਰਨ ਦੀ ਆਗਿਆ ਮਿਲੀ। ਇਸ ਸਬੰਧ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਸਵੀਕਾਰ ਕਰਦੇ ਹਾਂ ਕਿ ਕਾਰਣਤਾ ਦੀ ਦਿਸ਼ਾ ਸਥਾਪਤ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ, ਯਾਨੀ ਕਿ, ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਹੋਰ ਪ੍ਰਯੋਗਾਂ ਦੀ ਲੋੜ ਹੈ ਕਿ ਕੀ ਸਾਡੇ ਦੁਆਰਾ ਦੇਖਿਆ ਗਿਆ ਅਨੁਭਵੀ ਵਿਭਾਜਨ ਦਾ ਸੰਕੇਤ, ਜਿਵੇਂ ਕਿ ਕੁਝ ਲੋਕ ਦਲੀਲ ਦਿੰਦੇ ਹਨ [65, 66, 67], ਆਟੋਮੈਟਿਕ ਹੈ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਦੁਬਾਰਾ ਉੱਚ ਖੇਤਰਾਂ 68, 69, 70 (ਚਿੱਤਰ 8) ਤੋਂ ਸੰਵੇਦੀ ਕਾਰਟੈਕਸ ਵਿੱਚ ਵਾਪਸ ਆਉਣ ਵਾਲੇ ਉਤਰਦੇ ਸਿਗਨਲਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। MSTd71 ਵਿੱਚ ਪੈਟਰਨ-ਚੋਣਵੇਂ ਸੈੱਲਾਂ ਦੇ ਇੱਕ ਵੱਡੇ ਅਨੁਪਾਤ ਦੀਆਂ ਰਿਪੋਰਟਾਂ, ਜੋ ਕਿ MT ਦੇ ਮੁੱਖ ਕਾਰਟਿਕਲ ਟੀਚਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਸੁਝਾਅ ਦਿੰਦੀਆਂ ਹਨ ਕਿ ਇਹਨਾਂ ਪ੍ਰਯੋਗਾਂ ਨੂੰ MT ਅਤੇ MSTd ਦੀਆਂ ਸਮਕਾਲੀ ਰਿਕਾਰਡਿੰਗਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਵਧਾਉਣਾ ਧਾਰਨਾ ਦੇ ਤੰਤੂ ਵਿਧੀਆਂ ਨੂੰ ਹੋਰ ਸਮਝਣ ਵੱਲ ਇੱਕ ਚੰਗਾ ਪਹਿਲਾ ਕਦਮ ਹੋਵੇਗਾ। ਸੈਗਮੈਂਟੇਸ਼ਨ।
ਕੰਪੋਨੈਂਟ ਅਤੇ ਮੋਡ ਓਰੀਐਂਟੇਸ਼ਨ ਸਿਲੈਕਟੀਵਿਟੀ ਦਾ ਇੱਕ ਦੋ-ਪੜਾਅ ਮਾਡਲ ਅਤੇ ਮਸ਼ੀਨ ਅਨੁਵਾਦ ਵਿੱਚ ਚੋਣ-ਸੰਬੰਧੀ ਗਤੀਵਿਧੀ 'ਤੇ ਟੌਪ-ਡਾਊਨ ਫੀਡਬੈਕ ਦੇ ਸੰਭਾਵੀ ਪ੍ਰਭਾਵ। ਇੱਥੇ, MT ਪੜਾਅ ਵਿੱਚ ਮੋਡ ਦਿਸ਼ਾ ਚੋਣ (PDS - "P") (i) ਦਿਸ਼ਾ ਚੋਣ ਇਨਪੁਟ ਡੇਟਾ ਦੇ ਇੱਕ ਵੱਡੇ ਨਮੂਨੇ ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਹੈ ਜੋ ਖਾਸ ਮੋਡ ਵੇਲੋਸਿਟੀ ਦੇ ਅਨੁਕੂਲ ਹੈ, ਅਤੇ (ii) ਮਜ਼ਬੂਤ ​​ਟਿਊਨਿੰਗ ਦਮਨ। MT ("C") ਪੜਾਅ ਦੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਚੋਣ (CDS) ਹਿੱਸੇ ਵਿੱਚ ਇਨਪੁਟ ਦਿਸ਼ਾ ਵਿੱਚ ਇੱਕ ਤੰਗ ਨਮੂਨਾ ਸੀਮਾ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਟਿਊਨਿੰਗ ਦਮਨ ਨਹੀਂ ਹੈ। ਅਨਟਿਊਨਡ ਇਨਹਿਬਿਸ਼ਨ ਦੋਵਾਂ ਆਬਾਦੀਆਂ 'ਤੇ ਨਿਯੰਤਰਣ ਦਿੰਦਾ ਹੈ। ਰੰਗੀਨ ਤੀਰ ਪਸੰਦੀਦਾ ਡਿਵਾਈਸ ਓਰੀਐਂਟੇਸ਼ਨ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਸਪਸ਼ਟਤਾ ਲਈ, V1-MT ਕਨੈਕਸ਼ਨਾਂ ਦਾ ਸਿਰਫ਼ ਇੱਕ ਸਬਸੈੱਟ ਅਤੇ ਇੱਕ ਕੰਪੋਨੈਂਟ ਮੋਡ ਅਤੇ ਓਰੀਐਂਟੇਸ਼ਨ ਚੋਣ ਬਾਕਸ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। ਸਾਡੇ ਫੀਡ-ਫਾਰਵਰਡ (FF) ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਦੇ ਸੰਦਰਭ ਵਿੱਚ, PDS ਸੈੱਲਾਂ ਵਿੱਚ ਵਿਆਪਕ ਇਨਪੁਟ ਸੈਟਿੰਗ ਅਤੇ ਮਜ਼ਬੂਤ ​​ਟਿਊਨਿੰਗ ਇਨਹਿਬਿਸ਼ਨ (ਲਾਲ ਰੰਗ ਵਿੱਚ ਉਜਾਗਰ ਕੀਤਾ ਗਿਆ) ਕਈ ਅੰਦੋਲਨ ਪੈਟਰਨਾਂ ਦੇ ਜਵਾਬ ਵਿੱਚ ਗਤੀਵਿਧੀ ਵਿੱਚ ਵੱਡੇ ਅੰਤਰ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਸਾਡੀ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਮੱਸਿਆ ਵਿੱਚ, ਇਹ ਸਮੂਹ ਫੈਸਲੇ ਦੀਆਂ ਚੇਨਾਂ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ ਅਤੇ ਧਾਰਨਾ ਨੂੰ ਵਿਗਾੜਦਾ ਹੈ। ਇਸ ਦੇ ਉਲਟ, ਫੀਡਬੈਕ (FB) ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਸੰਵੇਦੀ ਡੇਟਾ ਅਤੇ ਬੋਧਾਤਮਕ ਪੱਖਪਾਤ ਦੁਆਰਾ ਅੱਪਸਟ੍ਰੀਮ ਸਰਕਟਾਂ ਵਿੱਚ ਅਨੁਭਵੀ ਫੈਸਲੇ ਉਤਪੰਨ ਹੁੰਦੇ ਹਨ, ਅਤੇ PDS ਸੈੱਲਾਂ (ਮੋਟੀਆਂ ਲਾਈਨਾਂ) 'ਤੇ ਡਾਊਨਸਟ੍ਰੀਮ FB ਦਾ ਵੱਡਾ ਪ੍ਰਭਾਵ ਚੋਣ ਸੰਕੇਤ ਪੈਦਾ ਕਰਦਾ ਹੈ। b CDS ਅਤੇ PDS ਡਿਵਾਈਸਾਂ ਦੇ ਵਿਕਲਪਕ ਮਾਡਲਾਂ ਦੀ ਯੋਜਨਾਬੱਧ ਪ੍ਰਤੀਨਿਧਤਾ। ਇੱਥੇ MT ਵਿੱਚ PDS ਸਿਗਨਲ ਨਾ ਸਿਰਫ਼ V1 ਦੇ ਸਿੱਧੇ ਇਨਪੁਟ ਦੁਆਰਾ, ਸਗੋਂ V1-V2-MT ਮਾਰਗ ਦੇ ਅਸਿੱਧੇ ਇਨਪੁਟ ਦੁਆਰਾ ਵੀ ਉਤਪੰਨ ਹੁੰਦੇ ਹਨ। ਮਾਡਲ ਦੇ ਅਸਿੱਧੇ ਮਾਰਗਾਂ ਨੂੰ ਟੈਕਸਟਚਰ ਸੀਮਾਵਾਂ (ਗਰਿੱਡ ਓਵਰਲੈਪਿੰਗ ਖੇਤਰਾਂ) ਨੂੰ ਚੋਣ ਦੇਣ ਲਈ ਐਡਜਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। MT ਲੇਅਰ CDS ਮੋਡੀਊਲ ਸਿੱਧੇ ਅਤੇ ਅਸਿੱਧੇ ਇਨਪੁਟਸ ਦਾ ਇੱਕ ਭਾਰ ਵਾਲਾ ਜੋੜ ਕਰਦਾ ਹੈ ਅਤੇ ਆਉਟਪੁੱਟ ਨੂੰ PDS ਮੋਡੀਊਲ ਨੂੰ ਭੇਜਦਾ ਹੈ। PDS ਪ੍ਰਤੀਯੋਗੀ ਰੋਕ ਦੁਆਰਾ ਨਿਯੰਤ੍ਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਦੁਬਾਰਾ, ਸਿਰਫ ਉਹ ਕਨੈਕਸ਼ਨ ਦਿਖਾਏ ਗਏ ਹਨ ਜੋ ਮਾਡਲ ਦੇ ਮੂਲ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਖਿੱਚਣ ਲਈ ਜ਼ਰੂਰੀ ਹਨ। ਇੱਥੇ, a ਵਿੱਚ ਪ੍ਰਸਤਾਵਿਤ ਨਾਲੋਂ ਇੱਕ ਵੱਖਰਾ FF ਵਿਧੀ PDS ਪ੍ਰਤੀ ਸੈਲੂਲਰ ਜਾਲੀ ਪ੍ਰਤੀਕਿਰਿਆ ਵਿੱਚ ਵਧੇਰੇ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਵੱਲ ਲੈ ਜਾ ਸਕਦੀ ਹੈ, ਜੋ ਦੁਬਾਰਾ ਫੈਸਲੇ ਦੇ ਪੈਟਰਨਾਂ ਵਿੱਚ ਪੱਖਪਾਤ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ। ਵਿਕਲਪਕ ਤੌਰ 'ਤੇ, PDS ਸੈੱਲਾਂ ਵਿੱਚ ਵੱਧ CP ਅਜੇ ਵੀ PDS ਸੈੱਲਾਂ ਨਾਲ FB ਅਟੈਚਮੈਂਟ ਦੀ ਤਾਕਤ ਜਾਂ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਪੱਖਪਾਤ ਦਾ ਨਤੀਜਾ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ ਸਬੂਤ ਦੋ- ਅਤੇ ਤਿੰਨ-ਪੜਾਅ ਵਾਲੇ MT PDS ਮਾਡਲਾਂ ਅਤੇ CP FF ਅਤੇ FB ਵਿਆਖਿਆਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ।
ਦੋ ਬਾਲਗ ਮਕਾਕ (ਮੈਕਾਕਾ ਮੁਲੱਟਾ), ਇੱਕ ਨਰ ਅਤੇ ਇੱਕ ਮਾਦਾ (ਕ੍ਰਮਵਾਰ 7 ਅਤੇ 5 ਸਾਲ), ਜਿਨ੍ਹਾਂ ਦਾ ਭਾਰ 4.5 ਤੋਂ 9.0 ਕਿਲੋਗ੍ਰਾਮ ਤੱਕ ਸੀ, ਨੂੰ ਅਧਿਐਨ ਦੇ ਵਸਤੂਆਂ ਵਜੋਂ ਵਰਤਿਆ ਗਿਆ। ਸਾਰੇ ਨਿਰਜੀਵ ਸਰਜਰੀ ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਪਹਿਲਾਂ, ਜਾਨਵਰਾਂ ਨੂੰ MT ਖੇਤਰ ਦੇ ਨੇੜੇ ਆਉਣ ਵਾਲੇ ਵਰਟੀਕਲ ਇਲੈਕਟ੍ਰੋਡਾਂ ਲਈ ਇੱਕ ਕਸਟਮ-ਬਣੇ ਰਿਕਾਰਡਿੰਗ ਚੈਂਬਰ, ਇੱਕ ਸਟੇਨਲੈਸ ਸਟੀਲ ਹੈੱਡਰੇਸਟ ਸਟੈਂਡ (ਕ੍ਰਿਸਟ ਇੰਸਟਰੂਮੈਂਟਸ, ਹੈਗਰਸਟਾਊਨ, MD), ਅਤੇ ਇੱਕ ਮਾਪਿਆ ਗਿਆ ਸਕਲੇਰਲ ਸਰਚ ਕੋਇਲ ਨਾਲ ਅੱਖਾਂ ਦੀ ਸਥਿਤੀ ਨਾਲ ਇਮਪਲਾਂਟ ਕੀਤਾ ਗਿਆ ਸੀ। (ਕੂਨਰ ਵਾਇਰ, ਸੈਨ ਡਿਏਗੋ, ਕੈਲੀਫੋਰਨੀਆ)। ਸਾਰੇ ਪ੍ਰੋਟੋਕੋਲ ਸੰਯੁਕਤ ਰਾਜ ਖੇਤੀਬਾੜੀ ਵਿਭਾਗ (USDA) ਦੇ ਨਿਯਮਾਂ ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਜਾਨਵਰਾਂ ਦੀ ਮਨੁੱਖੀ ਦੇਖਭਾਲ ਅਤੇ ਵਰਤੋਂ ਲਈ ਰਾਸ਼ਟਰੀ ਸਿਹਤ ਸੰਸਥਾ (NIH) ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ ਅਤੇ ਸ਼ਿਕਾਗੋ ਯੂਨੀਵਰਸਿਟੀ ਸੰਸਥਾਗਤ ਜਾਨਵਰ ਦੇਖਭਾਲ ਅਤੇ ਵਰਤੋਂ ਕਮੇਟੀ (IAUKC) ਦੁਆਰਾ ਮਨਜ਼ੂਰ ਕੀਤੇ ਗਏ ਹਨ।
ਸਾਰੇ ਵਿਜ਼ੂਅਲ ਉਤੇਜਨਾ ਨੂੰ ਕਾਲੇ ਜਾਂ ਸਲੇਟੀ ਪਿਛੋਕੜ ਦੇ ਵਿਰੁੱਧ ਇੱਕ ਗੋਲ ਅਪਰਚਰ ਵਿੱਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ। ਰਿਕਾਰਡਿੰਗ ਦੌਰਾਨ, ਇਸ ਛੇਕ ਦੀ ਸਥਿਤੀ ਅਤੇ ਵਿਆਸ ਨੂੰ ਇਲੈਕਟ੍ਰੋਡ ਟਿਪ 'ਤੇ ਨਿਊਰੋਨਸ ਦੇ ਕਲਾਸੀਕਲ ਰਿਸੈਪਟਿਵ ਫੀਲਡ ਦੇ ਅਨੁਸਾਰ ਐਡਜਸਟ ਕੀਤਾ ਗਿਆ ਸੀ। ਅਸੀਂ ਵਿਜ਼ੂਅਲ ਉਤੇਜਨਾ ਦੀਆਂ ਦੋ ਵਿਆਪਕ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ: ਸਾਈਕੋਮੈਟ੍ਰਿਕ ਉਤੇਜਨਾ ਅਤੇ ਟਿਊਨਿੰਗ ਉਤੇਜਨਾ।
ਸਾਈਕੋਮੈਟ੍ਰਿਕ ਉਤੇਜਨਾ ਇੱਕ ਗਰੇਟਿੰਗ ਪੈਟਰਨ ਹੈ (20 cd/m2, 50% ਕੰਟ੍ਰਾਸਟ, 50% ਡਿਊਟੀ ਚੱਕਰ, 5 ਡਿਗਰੀ/ਸੈਕਿੰਡ) ਜੋ ਦੋ ਆਇਤਾਕਾਰ ਗਰੇਟਿੰਗਾਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਦਿਸ਼ਾ ਦੇ ਲੰਬਵਤ ਦਿਸ਼ਾ ਵਿੱਚ ਵਹਿਣ ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਹੈ (ਚਿੱਤਰ 1b)। ਇਹ ਪਹਿਲਾਂ ਦਿਖਾਇਆ ਗਿਆ ਹੈ ਕਿ ਮਨੁੱਖੀ ਨਿਰੀਖਕ ਇਹਨਾਂ ਗਰਿੱਡ ਪੈਟਰਨਾਂ ਨੂੰ ਬਿਸਟੇਬਲ ਉਤੇਜਨਾ ਵਜੋਂ ਸਮਝਦੇ ਹਨ, ਕਈ ਵਾਰ ਇੱਕੋ ਦਿਸ਼ਾ ਵਿੱਚ ਚੱਲ ਰਹੇ ਇੱਕ ਪੈਟਰਨ ਦੇ ਰੂਪ ਵਿੱਚ (ਸੁਸੰਗਤ ਗਤੀ) ਅਤੇ ਕਈ ਵਾਰ ਵੱਖ-ਵੱਖ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਚੱਲ ਰਹੀਆਂ ਦੋ ਵੱਖਰੀਆਂ ਸਤਹਾਂ ਦੇ ਰੂਪ ਵਿੱਚ (ਪਾਰਦਰਸ਼ੀ ਗਤੀ)। ਜਾਲੀ ਪੈਟਰਨ ਦੇ ਹਿੱਸੇ, ਸਮਰੂਪ ਰੂਪ ਵਿੱਚ ਓਰੀਐਂਟਿਡ - ਜਾਲੀਆਂ ਵਿਚਕਾਰ ਕੋਣ 95° ਤੋਂ 130° ਤੱਕ ਹੈ (ਸੈੱਟ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ: 95°, 100°, 105°, 115°, 120°, 125°, 130° °, ਪੂਰੇ ਸੈਸ਼ਨ ਦੌਰਾਨ 115° 'ਤੇ ਆਈਸੋਲੇਸ਼ਨ ਐਂਗਲ ਨਿਊਰੋਨਸ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਸਨ, ਪਰ ਅਸੀਂ ਇੱਥੇ ਮਨੋਭੌਤਿਕ ਡੇਟਾ ਸ਼ਾਮਲ ਕਰਦੇ ਹਾਂ) - ਲਗਭਗ 90° ਜਾਂ 270° (ਪੈਟਰਨ ਓਰੀਐਂਟੇਸ਼ਨ)। ਹਰੇਕ ਸੈਸ਼ਨ ਵਿੱਚ, ਇੰਟਰਲੈਟੀਸ ਜਾਲੀ ਦੇ ਸਿਰਫ਼ ਇੱਕ ਕੋਨੇ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ; ਹਰੇਕ ਸੈਸ਼ਨ ਦੌਰਾਨ, ਹਰੇਕ ਟ੍ਰਾਇਲ ਲਈ ਪੈਟਰਨ ਦੀ ਸਥਿਤੀ ਦੋ ਸੰਭਾਵਨਾਵਾਂ ਵਿੱਚੋਂ ਬੇਤਰਤੀਬ ਢੰਗ ਨਾਲ ਚੁਣੀ ਗਈ ਸੀ।
ਗਰਿੱਡ ਦੀ ਧਾਰਨਾ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨ ਅਤੇ ਕਾਰਵਾਈ ਲਈ ਇਨਾਮ ਲਈ ਇੱਕ ਅਨੁਭਵੀ ਆਧਾਰ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ, ਅਸੀਂ ਹਰੇਕ ਗਰਿੱਡ ਕੰਪੋਨੈਂਟ ਦੇ ਲਾਈਟ ਬਾਰ ਸਟੈਪ 72 ਵਿੱਚ ਬੇਤਰਤੀਬ ਬਿੰਦੂ ਟੈਕਸਚਰ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ। ਇਹ ਪਿਕਸਲ ਦੇ ਇੱਕ ਬੇਤਰਤੀਬ ਚੁਣੇ ਗਏ ਸਬਸੈੱਟ (ਚਿੱਤਰ 1c) ਦੀ ਚਮਕ ਨੂੰ ਵਧਾ ਕੇ ਜਾਂ ਘਟਾ ਕੇ (ਇੱਕ ਨਿਸ਼ਚਿਤ ਮਾਤਰਾ ਦੁਆਰਾ) ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਟੈਕਸਚਰ ਗਤੀ ਦੀ ਦਿਸ਼ਾ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ ਜੋ ਨਿਰੀਖਕ ਦੀ ਧਾਰਨਾ ਨੂੰ ਇਕਸਾਰ ਜਾਂ ਪਾਰਦਰਸ਼ੀ ਗਤੀ (ਚਿੱਤਰ 1c) ਵੱਲ ਬਦਲਦੀ ਹੈ। ਇਕਸਾਰ ਸਥਿਤੀਆਂ ਦੇ ਤਹਿਤ, ਸਾਰੇ ਟੈਕਸਚਰ, ਭਾਵੇਂ ਟੈਕਸਟਚਰ ਜਾਲੀ ਦੇ ਕਵਰ ਦੇ ਕਿਸੇ ਵੀ ਹਿੱਸੇ ਦੇ ਹੋਣ, ਪੈਟਰਨ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਅਨੁਵਾਦ ਕੀਤੇ ਜਾਂਦੇ ਹਨ (ਚਿੱਤਰ 1c, ਇਕਸਾਰ)। ਪਾਰਦਰਸ਼ੀ ਸਥਿਤੀ ਵਿੱਚ, ਟੈਕਸਚਰ ਉਸ ਗਰੇਟਿੰਗ ਦੀ ਦਿਸ਼ਾ ਵੱਲ ਲੰਬਵਤ ਚਲਦਾ ਹੈ ਜਿਸਨੂੰ ਇਹ ਕਵਰ ਕਰਦਾ ਹੈ (ਚਿੱਤਰ 1c, ਪਾਰਦਰਸ਼ੀ) (ਪੂਰਕ ਮੂਵੀ 1)। ਕੰਮ ਦੀ ਗੁੰਝਲਤਾ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ, ਜ਼ਿਆਦਾਤਰ ਸੈਸ਼ਨਾਂ ਵਿੱਚ ਇਸ ਟੈਕਸਚਰ ਮਾਰਕ ਲਈ ਮਾਈਕਲਸਨ ਕੰਟ੍ਰਾਸਟ (Lmax-Lmin/Lmax+Lmin) (-80, -40, -20, -10, -5, 0, 5) ਦੇ ਸੈੱਟ ਤੋਂ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ। , 10, 20, 40, 80)। ਕੰਟ੍ਰਾਸਟ ਨੂੰ ਇੱਕ ਰਾਸਟਰ ਦੀ ਸਾਪੇਖਿਕ ਚਮਕ ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ (ਇਸ ਲਈ 80% ਦੇ ਕੰਟ੍ਰਾਸਟ ਮੁੱਲ ਦੇ ਨਤੀਜੇ ਵਜੋਂ 36 ਜਾਂ 6 cd/m2 ਦੀ ਬਣਤਰ ਹੋਵੇਗੀ)। ਬਾਂਦਰ N ਵਿੱਚ 6 ਸੈਸ਼ਨਾਂ ਅਤੇ ਬਾਂਦਰ S ਵਿੱਚ 5 ਸੈਸ਼ਨਾਂ ਲਈ, ਅਸੀਂ ਸੰਕੁਚਿਤ ਟੈਕਸਟਚਰਲ ਕੰਟ੍ਰਾਸਟ ਰੇਂਜਾਂ (-30, -20, -15, -10, -5, 0, 5, 10, 15, 20, 30) ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਜਿੱਥੇ ਮਨੋਭੌਤਿਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਪੂਰੀ-ਰੇਂਜ ਕੰਟ੍ਰਾਸਟ ਦੇ ਸਮਾਨ ਪੈਟਰਨ ਦੀ ਪਾਲਣਾ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਸੰਤ੍ਰਿਪਤਾ ਤੋਂ ਬਿਨਾਂ।
ਟਿਊਨਿੰਗ ਉਤੇਜਨਾ ਸਾਈਨਸੌਇਡਲ ਗਰਿੱਡ (ਕੰਟਰਾਸਟ 50%, 1 ਚੱਕਰ/ਡਿਗਰੀ, 5 ਡਿਗਰੀ/ਸੈਕਿੰਡ) ਹਨ ਜੋ 16 ਬਰਾਬਰ ਦੂਰੀ ਵਾਲੀਆਂ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿੱਚ ਚਲਦੇ ਹਨ, ਜਾਂ ਸਾਈਨਸੌਇਡਲ ਗਰਿੱਡ ਜੋ ਇਹਨਾਂ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਚਲਦੇ ਹਨ (ਇੱਕ ਦੂਜੇ ਦੇ ਉੱਪਰ ਦੋ ਉਲਟ 135° ਕੋਣਾਂ ਵਾਲੇ ਸਾਈਨਸੌਇਡਲ ਗਰਿੱਡ ਹੁੰਦੇ ਹਨ)। ਪੈਟਰਨ ਦੀ ਉਸੇ ਦਿਸ਼ਾ ਵਿੱਚ।