ขอบคุณที่เยี่ยมชม Nature.comเวอร์ชันเบราว์เซอร์ที่คุณใช้มีการรองรับ CSS ที่จำกัดเพื่อประสบการณ์ที่ดีที่สุด เราขอแนะนำให้คุณใช้เบราว์เซอร์ที่อัปเดตแล้ว (หรือปิดใช้งานโหมดความเข้ากันได้ใน Internet Explorer)ในระหว่างนี้ เพื่อให้แน่ใจว่าได้รับการสนับสนุนอย่างต่อเนื่อง เราจะแสดงไซต์โดยไม่มีสไตล์และ JavaScript
ม้าหมุนที่แสดงสามสไลด์พร้อมกันใช้ปุ่มก่อนหน้าและถัดไปเพื่อเลื่อนผ่านสามสไลด์พร้อมกัน หรือใช้ปุ่มตัวเลื่อนที่ส่วนท้ายเพื่อเลื่อนผ่านสามสไลด์พร้อมกัน
การมองเห็นที่มีความละเอียดสูงต้องการการสุ่มตัวอย่างจอประสาทตาอย่างละเอียดและการผสานรวมเพื่อสร้างคุณสมบัติของวัตถุขึ้นใหม่สิ่งสำคัญคือต้องสังเกตว่าเมื่อผสมตัวอย่างในพื้นที่จากวัตถุต่างๆ ความแม่นยำจะสูญเสียไปดังนั้น การแบ่งส่วน การจัดกลุ่มพื้นที่ของภาพสำหรับการประมวลผลแยกต่างหาก จึงมีความสำคัญต่อการรับรู้ในงานก่อนหน้านี้ มีการใช้โครงสร้างตาข่ายแบบบิสเทเบิล ซึ่งถือได้ว่าเป็นพื้นผิวที่เคลื่อนที่ได้ตั้งแต่หนึ่งพื้นผิวขึ้นไป เพื่อศึกษากระบวนการนี้ที่นี่ เรารายงานความสัมพันธ์ระหว่างกิจกรรมและการตัดสินการแบ่งส่วนในพื้นที่กึ่งกลางของเส้นทางการมองเห็นของไพรเมตโดยเฉพาะอย่างยิ่ง เราพบว่าเซลล์ประสาทขมับมัธยฐานแบบเลือกทิศทางนั้นไวต่อสัญญาณพื้นผิวที่ใช้ในการบิดเบือนการรับรู้ของความพึงพอใจ bistable และแสดงความสัมพันธ์อย่างมีนัยสำคัญระหว่างการทดลองและการรับรู้อัตนัยของสิ่งเร้าถาวรความสัมพันธ์นี้มีค่ามากกว่าในหน่วยที่ส่งสัญญาณการเคลื่อนไหวทั่วโลกในรูปแบบที่มีทิศทางหลายทิศทางดังนั้นเราจึงสรุปได้ว่าโดเมนเวลาระหว่างกลางมีสัญญาณที่ใช้ในการแยกฉากที่ซับซ้อนออกเป็นวัตถุและพื้นผิวที่เป็นส่วนประกอบ
การมองเห็นไม่ได้ขึ้นอยู่กับการเลือกปฏิบัติที่แม่นยำของลักษณะภาพพื้นฐาน เช่น การวางแนวของขอบและความเร็วเท่านั้น แต่ที่สำคัญกว่านั้นอยู่ที่การรวมคุณสมบัติเหล่านี้อย่างถูกต้องเพื่อคำนวณคุณสมบัติด้านสิ่งแวดล้อม เช่น รูปร่างของวัตถุและวิถีการเคลื่อนที่1อย่างไรก็ตาม ปัญหาเกิดขึ้นเมื่อภาพเรตินาสนับสนุนกลุ่มคุณสมบัติที่น่าเชื่อถือพอๆ กันหลายกลุ่ม 2, 3, 4 (รูปที่ 1a)ตัวอย่างเช่น เมื่อสัญญาณความเร็วสองชุดอยู่ใกล้กันมาก อาจตีความได้ว่าเป็นวัตถุเคลื่อนที่ชิ้นเดียวหรือวัตถุเคลื่อนที่หลายชิ้น (รูปที่ 1b)สิ่งนี้แสดงให้เห็นถึงลักษณะส่วนตัวของการแบ่งส่วน นั่นคือมันไม่ใช่คุณสมบัติตายตัวของภาพ แต่เป็นกระบวนการตีความแม้จะมีความสำคัญอย่างชัดเจนสำหรับการรับรู้ปกติ แต่ความเข้าใจของเราเกี่ยวกับพื้นฐานทางประสาทของการแบ่งส่วนการรับรู้ยังคงไม่สมบูรณ์ที่สุด
ภาพการ์ตูนของปัญหาการแบ่งส่วนการรับรู้การรับรู้ความลึกของผู้สังเกตการณ์ในลูกบาศก์ Necker (ซ้าย) สลับไปมาระหว่างสองคำอธิบายที่เป็นไปได้ (ขวา)นี่เป็นเพราะไม่มีสัญญาณใดในภาพที่ช่วยให้สมองสามารถระบุการวางแนว 3 มิติของภาพได้โดยไม่ซ้ำกัน (แสดงโดยสัญญาณการบดเคี้ยวข้างเดียวทางด้านขวา)b เมื่อมีสัญญาณการเคลื่อนไหวหลายรายการในพื้นที่ใกล้เคียงกัน ระบบวิชันซิสเต็มจะต้องพิจารณาว่าตัวอย่างในพื้นที่นั้นมาจากวัตถุตั้งแต่หนึ่งชิ้นขึ้นไปหรือไม่ความคลุมเครือโดยกำเนิดของสัญญาณการเคลื่อนไหวเฉพาะที่ เช่น ลำดับของการเคลื่อนที่ของวัตถุสามารถทำให้เกิดการเคลื่อนไหวเฉพาะที่เดียวกัน ส่งผลให้เกิดการตีความที่น่าเชื่อถือเท่าๆ กันของอินพุตภาพ เช่น ฟิลด์เวกเตอร์อาจเกิดขึ้นจากการเคลื่อนไหวที่สัมพันธ์กันของพื้นผิวเดียวหรือการเคลื่อนที่แบบโปร่งใสของพื้นผิวที่ทับซ้อนกันc (ซ้าย) ตัวอย่างของการกระตุ้นด้วยกริดพื้นผิวของเราตะแกรงสี่เหลี่ยมลอยตั้งฉากกับทิศทางของมัน (“ทิศทางส่วนประกอบ” – ลูกศรสีขาว) ซ้อนทับกันเพื่อสร้างรูปแบบตะแกรงตาข่ายสามารถรับรู้ได้ว่าเป็นการเคลื่อนที่ของทิศทางเดียว สม่ำเสมอ เชื่อมต่อกัน (ลูกศรสีแดง) หรือการเคลื่อนที่แบบโปร่งใสของทิศทางผสมการรับรู้ของตาข่ายถูกบิดเบือนโดยการเพิ่มตัวชี้นำพื้นผิวแบบสุ่ม(กลาง) พื้นที่ที่ไฮไลต์ด้วยสีเหลืองจะขยายและแสดงเป็นชุดของเฟรมสำหรับสัญญาณที่เชื่อมโยงกันและโปร่งใสตามลำดับการเคลื่อนที่ของจุดในแต่ละกรณีจะแสดงด้วยลูกศรสีเขียวและสีแดง(ขวา) กราฟตำแหน่ง (x, y) ของจุดเลือกเทียบกับจำนวนเฟรมในกรณีที่สอดคล้องกัน พื้นผิวทั้งหมดจะเลื่อนไปในทิศทางเดียวกันในกรณีของความโปร่งใส พื้นผิวจะเคลื่อนไปตามทิศทางของส่วนประกอบd ภาพประกอบการ์ตูนของงานแบ่งส่วนการเคลื่อนไหวของเราลิงเริ่มการทดลองแต่ละครั้งโดยแก้ไขจุดเล็กๆหลังจากการหน่วงเวลาสั้นๆ รูปแบบตะแกรงบางประเภท (การเชื่อมโยงกัน/ความโปร่งใส) และขนาดสัญญาณพื้นผิว (เช่น ความคมชัด) ปรากฏขึ้นที่ตำแหน่งของ MT RFในระหว่างการทดสอบแต่ละครั้ง ตะแกรงอาจเลื่อนไปในทิศทางใดทิศทางหนึ่งจากสองทิศทางที่เป็นไปได้ของรูปแบบหลังจากการถอนตัวกระตุ้น เป้าหมายการเลือกปรากฏด้านบนและด้านล่าง MT RFลิงจะต้องแสดงการรับรู้ของพวกมันต่อตารางเป็น saccades ให้กับเป้าหมายการเลือกที่เหมาะสม
การประมวลผลของการเคลื่อนไหวทางสายตานั้นมีลักษณะเฉพาะที่ดี ดังนั้นจึงเป็นแบบจำลองที่ยอดเยี่ยมสำหรับการศึกษาวงจรประสาทของการแบ่งส่วนการรับรู้การศึกษาเชิงคำนวณหลายชิ้นได้กล่าวถึงประโยชน์ของโมเดลการประมวลผลการเคลื่อนไหวแบบสองขั้นตอน ซึ่งการประมาณค่าเบื้องต้นที่มีความละเอียดสูงจะตามมาด้วยการรวมตัวอย่างเฉพาะที่แบบเลือกเพื่อขจัดสัญญาณรบกวนและคืนค่าความเร็วของวัตถุ7,8สิ่งสำคัญคือต้องสังเกตว่าระบบวิชันซิสเต็มต้องระมัดระวังในการจำกัดกลุ่มนี้ไว้เฉพาะตัวอย่างในท้องถิ่นจากวัตถุธรรมดาเท่านั้นการศึกษาทางจิตฟิสิกส์ได้อธิบายถึงปัจจัยทางกายภาพที่มีอิทธิพลต่อการแบ่งสัญญาณการเคลื่อนไหวในท้องถิ่น แต่รูปร่างของวิถีทางกายวิภาคและรหัสประสาทยังคงเป็นคำถามเปิดอยู่รายงานจำนวนมากแนะนำว่าเซลล์ที่เลือกวางแนวในบริเวณชั่วคราว (MT) ของไพรเมตคอร์เทกซ์เป็นตัวเลือกสำหรับซับสเตรตประสาท
ที่สำคัญ ในการทดลองก่อนหน้านี้ การเปลี่ยนแปลงของการทำงานของระบบประสาทมีความสัมพันธ์กับการเปลี่ยนแปลงทางกายภาพของสิ่งเร้าที่มองเห็นอย่างไรก็ตาม ตามที่กล่าวไว้ข้างต้น การแบ่งส่วนเป็นกระบวนการการรับรู้โดยพื้นฐานแล้วดังนั้นการศึกษาสารตั้งต้นของระบบประสาทจำเป็นต้องเชื่อมโยงการเปลี่ยนแปลงของกิจกรรมของระบบประสาทกับการเปลี่ยนแปลงในการรับรู้ของสิ่งเร้าที่คงที่ดังนั้นเราจึงฝึกลิงสองตัวให้รายงานว่ารูปแบบตะแกรงบิสเทเบิลที่รับรู้ซึ่งเกิดจากตะแกรงสี่เหลี่ยมที่ลอยซ้อนทับนั้นเป็นพื้นผิวเดียวหรือสองพื้นผิวที่เป็นอิสระต่อกันเพื่อศึกษาความสัมพันธ์ระหว่างการทำงานของระบบประสาทและการตัดสินการแบ่งกลุ่ม เราได้บันทึกกิจกรรมเดียวใน MT เมื่อลิงทำภารกิจนี้
เราพบความสัมพันธ์ที่สำคัญระหว่างการศึกษากิจกรรม MT และการรับรู้ความสัมพันธ์นี้มีอยู่ไม่ว่าสิ่งเร้าจะมีตัวชี้นำการแบ่งส่วนที่ชัดเจนหรือไม่ก็ตามนอกจากนี้ ความแรงของเอฟเฟกต์นี้เกี่ยวข้องกับความไวต่อสัญญาณการแบ่งส่วน เช่นเดียวกับดัชนีรูปแบบหลังวัดระดับที่หน่วยแผ่ออกไปทั่วโลกมากกว่าการเคลื่อนไหวในท้องถิ่นในรูปแบบที่ซับซ้อนแม้ว่าการเลือกสรรสำหรับทิศทางแฟชั่นได้รับการยอมรับมานานแล้วว่าเป็นคุณสมบัติที่กำหนดของ MT และเซลล์ที่เลือกตามแฟชั่นแสดงการปรับให้เข้ากับสิ่งเร้าที่ซับซ้อนซึ่งสอดคล้องกับการรับรู้ของมนุษย์ต่อสิ่งเร้าเหล่านั้น ตามความรู้ที่ดีที่สุดของเรา นี่เป็นหลักฐานแรกสำหรับความสัมพันธ์ระหว่างรูปแบบดัชนีและการแบ่งส่วนการรับรู้
เราฝึกลิงสองตัวเพื่อแสดงการรับรู้ของพวกมันต่อสิ่งเร้าแบบกริดที่เลื่อนลอย (การเคลื่อนไหวที่สอดคล้องกันหรือโปร่งใส)ผู้สังเกตการณ์ที่เป็นมนุษย์มักรับรู้สิ่งเร้าเหล่านี้ว่าเป็นการเคลื่อนไหวที่สอดคล้องกันหรือโปร่งใสโดยมีความถี่ใกล้เคียงกันโดยประมาณเพื่อให้คำตอบที่ถูกต้องในการทดลองนี้และกำหนดพื้นฐานสำหรับรางวัลผู้ดำเนินการ เราสร้างสัญญาณการแบ่งส่วนโดยการทำให้พื้นผิวแรสเตอร์ของส่วนประกอบที่เป็นโครงตาข่าย (รูปที่ 1c, d)ภายใต้เงื่อนไขที่สอดคล้องกัน พื้นผิวทั้งหมดจะเคลื่อนไปตามทิศทางของรูปแบบ (รูปที่ 1c, “สอดคล้องกัน”)ในสถานะโปร่งใส พื้นผิวจะเคลื่อนที่ในแนวตั้งฉากกับทิศทางของตะแกรงที่ซ้อนทับ (รูปที่ 1c, "โปร่งใส")เราควบคุมความยากของงานโดยเปลี่ยนคอนทราสต์ของป้ายกำกับพื้นผิวนี้ในการทดลองใช้คิว ลิงจะได้รับรางวัลสำหรับการตอบสนองที่สอดคล้องกับคิวบ์พื้นผิว และมีการเสนอรางวัลแบบสุ่ม (อัตราต่อรอง 50/50) ในการทดลองที่มีรูปแบบที่ไม่มีคิวบ์พื้นผิว (เงื่อนไขคอนทราสต์ของพื้นผิวเป็นศูนย์)
ข้อมูลพฤติกรรมจากการทดลองตัวแทนสองรายการแสดงอยู่ในรูปที่ 2a และการตอบสนองถูกพล็อตเป็นสัดส่วนของการตัดสินความสอดคล้องกันเมื่อเทียบกับความเปรียบต่างของสัญญาณพื้นผิว (ความเปรียบต่างที่โปร่งใสถือเป็นเชิงลบตามคำนิยาม) สำหรับรูปแบบที่เลื่อนขึ้นหรือลงตามลำดับ โดยรวมแล้ว การรับรู้ความสอดคล้องกัน/ความโปร่งใสของลิงได้รับผลกระทบอย่างน่าเชื่อถือจากทั้งเครื่องหมาย (โปร่งใส เชื่อมโยงกัน) และความแข็งแรง (ความคมชัด) ของคิวพื้นผิว (ANOVA; Monkey N: ทิศทาง – F = 0.58, p = 0.45, เครื่องหมาย – F = 1248, p <10−10, ความคมชัด – F = 22.63, p <10;−10 ลิง S: ทิศทาง – F = 0.41, p = 0.52, เครื่องหมาย – F = 2876.7, p < 10−10, ความคมชัด – F = 36.5, p < 10−10) โดยรวมแล้ว การรับรู้ความสอดคล้องกัน/ความโปร่งใสของลิงได้รับผลกระทบอย่างน่าเชื่อถือจากทั้งเครื่องหมาย (โปร่งใส เชื่อมโยงกัน) และความแข็งแรง (ความคมชัด) ของคิวพื้นผิว (ANOVA; Monkey N: ทิศทาง – F = 0.58, p = 0.45, เครื่องหมาย – F = 1248, p <10−10, ความคมชัด – F = 22.63, p <10; −10 ลิง S: ทิศทาง – F = 0.41 , p = 0.52, เครื่องหมาย – F = 2876.7, p < 10−10, ความคมชัด – F = 36.5, p < 10−10). В целом на восприятие обезьянами когерентности/прозрачности достоверно влияли как знак (прозрачность, когерентность), так и сила (контрастность) текстурного признака (ANOVA; обезьяна N: направление — F = 0,58, p = 0,45, знак — F = 1248, p < 10−10, контраст – F = 22,63, p < 10; −10 обезьяна S: направление – F = 0,41, p = 0,52, признак – F = 2876,7, p < 10−10, контраст – F = 36,5, р < 10-10). โดยทั่วไป การรับรู้การเชื่อมโยงกัน/ความโปร่งใสของลิงได้รับผลกระทบอย่างมีนัยสำคัญจากทั้งเครื่องหมาย (ความโปร่งใส การเชื่อมโยงกัน) และความแข็งแรง (ความคมชัด) ของลักษณะพื้นผิว (ANOVA; Monkey N: ทิศทาง — F = 0.58, p = 0.45, เครื่องหมาย — F = 1248, p < 10−10, ความคมชัด – F = 22.63, p < 10; -10 ลิง S: ทิศทาง – F = 0.41 , p = 0.52, เครื่องหมาย – F = 2876.7, p < 10 −10, ความคมชัด – 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）。โดยทั่วไป การรับรู้การเชื่อมโยงกัน/ความโปร่งใสของลิงได้รับผลกระทบอย่างมีนัยสำคัญจากสัญญาณ (ความโปร่งใส การเชื่อมโยงกัน) และความเข้ม (ความคมชัด) ของสัญญาณพื้นผิว (ANOVA);обезьяна N: ориентация – F = 0,58, p = 0,45, знак – F = 1248, p < 10−10, Контрастность — F = 22,63, p < 10; ลิง N: การวางแนว – F = 0.58, p = 0.45, เครื่องหมาย – F = 1248, p <10−10, ความคมชัด – 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 Monkey S: การวางแนว – F = 0.41, p = 0.52, เครื่องหมาย – F = 2876.7, p < 10-10, ความคมชัด – F = 36.5, p < 10-10)ฟังก์ชันสะสมแบบเกาส์เซียนได้รับการติดตั้งเข้ากับข้อมูลจากแต่ละเซสชันเพื่อระบุลักษณะเฉพาะทางจิตฟิสิกส์ของลิงบนมะเดื่อ2b แสดงการกระจายของข้อตกลงสำหรับโมเดลเหล่านี้ในทุกช่วงสำหรับลิงทั้งสองโดยรวมแล้ว ลิงเหล่านี้ทำงานสำเร็จอย่างถูกต้องและสม่ำเสมอ และเราปฏิเสธเซสชันของลิงสองตัวน้อยกว่า 13% เนื่องจากไม่เหมาะสมกับแบบจำลองเกาส์เซียนแบบสะสม
ตัวอย่างพฤติกรรมของลิงในการประชุมตัวแทน (การทดลอง n ≥ 20 ครั้งต่อเงื่อนไขการกระตุ้น)ในแผงด้านซ้าย (ขวา) ข้อมูลจากเซสชันลิง N(S) หนึ่งเซสชันจะถูกพล็อตเป็นคะแนนการเลือกที่สอดคล้องกัน (ลำดับ) เทียบกับสัญญาณความคมชัดของสัญญาณพื้นผิว (abscissa)ในที่นี้สันนิษฐานว่าพื้นผิวโปร่งใส (เชื่อมโยงกัน) มีค่าเป็นลบ (บวก)การตอบสนองถูกสร้างขึ้นแยกกันตามทิศทางการเคลื่อนที่ของรูปแบบ (ขึ้น (90°) หรือลง (270°)) ในการทดสอบสำหรับสัตว์ทั้งสอง การแสดง ไม่ว่าการตอบสนองจะถูกหารด้วยคอนทราสต์ 50/50 (PSE – ลูกศรทึบ) หรือจำนวนคอนทราสต์ของพื้นผิวที่จำเป็นต่อการรองรับประสิทธิภาพระดับหนึ่ง (ธรณีประตู – ลูกศรเปิด) ล้วนอยู่ในทิศทางดริฟท์เหล่านี้ข ฮิสโตแกรมที่ติดตั้งของค่า R2 ของฟังก์ชันสะสมแบบเกาส์เซียนข้อมูล Monkey S(N) จะแสดงทางซ้าย (ขวา)c (บนสุด) PSE ที่วัดได้สำหรับกริดเลื่อนลง (ordinate) เทียบกับ PSE เลื่อนขึ้นบนกริด (abscissa) ที่วางแผนไว้ โดยมีขอบแสดงการกระจาย PSE สำหรับแต่ละเงื่อนไขและลูกศรบ่งชี้ค่าเฉลี่ยสำหรับทุกเงื่อนไขข้อมูลสำหรับเซสชันลิง N(S) ทั้งหมดระบุไว้ในคอลัมน์ซ้าย (ขวา)(ด้านล่าง) แบบแผนเดียวกันกับข้อมูล PSE แต่สำหรับเกณฑ์คุณลักษณะที่พอดีไม่มีความแตกต่างอย่างมีนัยสำคัญในเกณฑ์ PSE หรือแนวโน้มแฟชั่น (ดูข้อความ)d PSE และความชัน (พิกัด) ถูกลงจุดโดยขึ้นอยู่กับการวางแนวแรสเตอร์ที่ทำให้เป็นมาตรฐานขององค์ประกอบการแยกเชิงมุม (“มุมตะแกรงอินทิกรัล” – abscissa)วงกลมเปิดคือค่าเฉลี่ย เส้นทึบคือแบบจำลองการถดถอยที่เหมาะสมที่สุด และเส้นประคือช่วงความเชื่อมั่น 95% สำหรับแบบจำลองการถดถอยมีความสัมพันธ์อย่างมีนัยสำคัญระหว่าง PSE และมุมการผสานที่ทำให้เป็นมาตรฐาน แต่ไม่มีความชันและมุมการผสานที่ทำให้เป็นมาตรฐาน ซึ่งบ่งชี้ว่าฟังก์ชันไซโครเมทริกจะเปลี่ยนไปเมื่อมุมแยกโครงตาข่ายของส่วนประกอบออก แต่ไม่ได้ทำให้แหลมหรือแบนราบ(Monkey N, n = 32 ครั้ง Monkey S, n = 43 ครั้ง)ในแผงทั้งหมด แถบข้อผิดพลาดแสดงถึงข้อผิดพลาดมาตรฐานของค่าเฉลี่ยฮ่าๆการเชื่อมโยงกัน, คะแนนความเท่าเทียมกันเชิงอัตนัยของ PSE, บรรทัดฐานมาตรฐาน
ตามที่ระบุไว้ข้างต้น ทั้งความเปรียบต่างของพื้นผิวและทิศทางการเคลื่อนที่ของรูปแบบจะแตกต่างกันไปในแต่ละการทดลอง โดยสิ่งเร้าจะเลื่อนขึ้นหรือลงในการทดลองที่กำหนดสิ่งนี้ทำเพื่อลดผลการปรับตัวทางจิตและประสาท 28การวางรูปแบบเทียบกับอคติ (คะแนนความเท่าเทียมกันตามอัตนัยหรือ PSE) (การทดสอบผลรวมอันดับ Wilcoxon; monkey N: z = 0.25, p = 0.8; monkey S: z = 0.86, p = 0.39) หรือเกณฑ์ฟังก์ชันที่พอดี (ผลรวมของอันดับ Wilcoxon; monkey N: z = 0.14, p = 0.89, monkey S: z = 0.49, p = 0 62) (รูปที่ 2ค)นอกจากนี้ ไม่มีความแตกต่างอย่างมีนัยสำคัญระหว่างลิงในระดับความคมชัดของพื้นผิวที่จำเป็นต่อการรักษาระดับเกณฑ์ประสิทธิภาพ (ลิง N = 24.5% ± 3.9%, ลิง S = 18.9% ± 1.9%; ผลรวมอันดับ Wilcoxon , z = 1.01, p = 0.31)
ในแต่ละเซสชัน เราเปลี่ยนมุมขัดแตะเพื่อแยกการวางแนวของโครงตาข่ายการศึกษาทางจิตฟิสิกส์แสดงให้เห็นว่าผู้คนมีแนวโน้มที่จะรับรู้ว่าเซลล์ 10 เชื่อมต่อกันเมื่อมุมนี้เล็กลงหากลิงรายงานการรับรู้ความสอดคล้องกัน/ความโปร่งใสได้อย่างน่าเชื่อถือ จากผลการวิจัยเหล่านี้ ใครๆ ก็คาดหวังว่า PSE คอนทราสต์ของพื้นผิวที่สอดคล้องกับการแยกชุดระหว่างความสอดคล้องกันและความโปร่งใสจะเพิ่มขึ้นตามปฏิสัมพันธ์มุมขัดแตะ นี่เป็นกรณีจริง (รูปที่ 2d; ยุบตามทิศทางของรูปแบบ, Kruskal–Wallis; ลิง N: χ2 = 23.06, p <10−3; ลิง S: χ2 = 22.22, p <10−3; ความสัมพันธ์ระหว่างมุมระหว่างตะแกรงปกติและ PSE – ลิง N: r = 0.67, p <10−9; ลิง S: r = 0.76, p < 10−13). นี่เป็นกรณีจริง (รูปที่ 2d; ยุบตามทิศทางของรูปแบบ, Kruskal–Wallis; ลิง N: χ2 = 23.06, p <10−3; ลิง S: χ2 = 22.22, p <10−3; ความสัมพันธ์ระหว่างมุมอินเตอร์เกรตติงปกติและ PSE – ลิง N: r = 0.67, p <10−9; ลิง S: r = 0.76, p < 10−13). Это действительно имело место (рис. 2d; коллапс поперек направления паттерна, Крускал-Уоллис; обезьяна N: χ2 = 23,06, p < 1 0–3; обезьяна S: χ2 = 22,22, p < 10–3; корреляция между нормализованными угол решетки и PSE – обезьяна N: r = 0,67, p < 10-9, обезья บน S: r = 0,76, p < 10-13). สิ่งนี้เกิดขึ้นจริง (รูปที่ 2d; ยุบตามทิศทางของรูปแบบ, Kruskal-Wallis; ลิง N: χ2 = 23.06, p <10–3; ลิง S: χ2 = 22.22, p <10–3; ความสัมพันธ์ระหว่างมุมขัดแตะปกติและ PSE – ลิง N: r = 0.67, p <10-9, ลิง 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；猴子S：χ2 = 22.22，p < 10-3；标准化间光栅角和PSE – 猴子N：r = 0.67，p < 10-9；猴子S：r = 0.76，p < 10-13）。情况 确实如此 （ 图 2D ； 方向 折叠， kruskal-wallis ； n ： ：2 = 23.06 ， p <10-3 ； 猴子 ： ：2 = 22.22 ， p <10-3 ； 间 光栅角 和 pse-猴子 猴子 猴子 猴子 猴子 猴子 猴子N：r = 0.67，p < 10-9；猴子S：r = 0.76，p < 10-13）。 Это действительно имело место (рис. 2d; кратность по оси моды, Крускал-Уоллис; обезьяна N: χ2 = 23,06, p < 10-3; обезьяна S: χ2 = 22,22, p < 10-3; нормализованный межрешеточный угол). นี่เป็นกรณีจริง (รูปที่ 2d; พับตามแกนโหมด, Kruskal-Wallis; ลิง N: χ2 = 23.06, p <10-3; ลิง S: χ2 = 22.22, p <10-3; มุมขัดแตะปกติ) PSE-обезьяна N: r = 0,67, p < 10–9, обезьяна S: r = 0,76, p < 10–13). PSE ลิง N: r = 0.67, p <10–9, ลิง S: r = 0.76, p <10–13)ในทางตรงกันข้าม การเปลี่ยนมุมขัดแตะไม่มีผลอย่างมีนัยสำคัญต่อความชันของฟังก์ชันไซโครเมตริก (รูปที่ 2d; cross-modal orientation fold, Kruskal-Wallis; Monkey N: χ2 = 8.09, p = 0.23; Monkey S χ2 = 3.18 , p = 0.67, ความสัมพันธ์ระหว่างมุมขัดแตะมาตรฐานและความชัน – Monkey N: r = -0.4, p = 0.2, Monkey S: r = 0.03, p = 0.76)ดังนั้น ตามข้อมูลทางจิตฟิสิกส์ของบุคคล ผลกระทบโดยเฉลี่ยของการเปลี่ยนมุมระหว่างตะแกรงคือการเปลี่ยนแปลงของจุดกระจัด ไม่ใช่การเพิ่มหรือลดความไวต่อสัญญาณการแบ่งส่วน
สุดท้าย รางวัลจะสุ่มมอบให้ด้วยความน่าจะเป็น 0.5 ในการทดลองที่ไม่มีคอนทราสต์ของพื้นผิวหากลิงทุกตัวรับรู้ถึงการสุ่มที่ไม่เหมือนใครนี้ และสามารถแยกความแตกต่างระหว่างความเปรียบต่างของพื้นผิวเป็นศูนย์กับสิ่งเร้าคิวได้ พวกมันสามารถพัฒนากลยุทธ์ที่แตกต่างกันสำหรับการทดลองทั้งสองประเภทข้อสังเกตสองประการชี้ให้เห็นอย่างชัดเจนว่าไม่เป็นเช่นนั้นประการแรก การเปลี่ยนมุมของตะแกรงมีผลที่คล้ายคลึงกันในเชิงคุณภาพต่อคิวและคะแนนความเปรียบต่างของพื้นผิวเป็นศูนย์ (รูปที่ 2d และรูปที่ 1 เพิ่มเติม)ประการที่สอง สำหรับลิงทั้งสอง การเลือกการทดลองแบบ bistable ไม่น่าจะซ้ำกับการเลือกรางวัลล่าสุด (ก่อนหน้า) (การทดสอบแบบทวินาม ลิง N ตัว: 0.52, z = 0.74, p = 0.22; S ลิง: 0.51 , r = 0.9, p = 0.18)
โดยสรุปแล้ว พฤติกรรมของลิงในงานแบ่งกลุ่มของเราอยู่ภายใต้การควบคุมการกระตุ้นที่ดีการพึ่งพาการตัดสินด้วยการรับรู้เกี่ยวกับเครื่องหมายและขนาดของตัวชี้นำพื้นผิว เช่นเดียวกับการเปลี่ยนแปลงใน PSE ด้วยมุมตะแกรง บ่งชี้ว่าลิงรายงานการรับรู้เชิงอัตวิสัยของการเชื่อมโยงกัน/ความโปร่งใสของมอเตอร์สุดท้าย การตอบสนองของลิงในการทดสอบความคมชัดของพื้นผิวเป็นศูนย์ไม่ได้รับผลกระทบจากประวัติการให้รางวัลของการทดลองก่อนหน้านี้ และได้รับผลกระทบอย่างมีนัยสำคัญจากการเปลี่ยนแปลงเชิงมุมระหว่างแรสเตอร์สิ่งนี้ชี้ให้เห็นว่าลิงยังคงรายงานการรับรู้ตามอัตวิสัยของโครงร่างพื้นผิวขัดแตะต่อไปภายใต้เงื่อนไขที่สำคัญนี้
ดังที่กล่าวไว้ข้างต้น การเปลี่ยนคอนทราสต์ของพื้นผิวจากลบเป็นบวกเทียบเท่ากับการเปลี่ยนการรับรู้ของสิ่งเร้าจากโปร่งใสเป็นสอดคล้องกันโดยทั่วไป สำหรับเซลล์ที่กำหนด การตอบสนองของ MT มีแนวโน้มที่จะเพิ่มขึ้นหรือลดลงเมื่อคอนทราสต์ของพื้นผิวเปลี่ยนจากลบเป็นบวก และทิศทางของเอฟเฟกต์นี้มักจะขึ้นอยู่กับทิศทางการเคลื่อนที่ของรูปแบบ/ส่วนประกอบตัวอย่างเช่น เส้นโค้งการปรับทิศทางของเซลล์ MT ที่เป็นตัวแทนสองเซลล์แสดงในรูปที่ 3 พร้อมกับการตอบสนองของเซลล์เหล่านี้ต่อตะแกรงที่มีสัญญาณพื้นผิวที่เชื่อมโยงกันหรือโปร่งใสที่มีคอนทราสต์ต่ำหรือสูงเราได้พยายามหาปริมาณการตอบสนองแบบกริดเหล่านี้ให้ดีขึ้น ซึ่งอาจเกี่ยวข้องกับประสิทธิภาพทางจิตสรีรวิทยาของลิงของเรา
แผนภาพเชิงขั้วของเส้นโค้งการปรับทิศทางของตัวแทนลิง MT เซลล์ S เพื่อตอบสนองต่ออาร์เรย์ไซน์เดียวมุมระบุทิศทางการเคลื่อนที่ของตะแกรง ขนาดบ่งชี้การแผ่รังสี และทิศทางของเซลล์ที่ต้องการจะทับซ้อนกันประมาณ 90° (ขึ้น) กับทิศทางของส่วนประกอบหนึ่งในทิศทางของรูปแบบตะแกรงb ฮิสโตแกรมเวลากระตุ้นรายสัปดาห์ (PSTH) ของตารางตอบสนอง เลื่อนไปตามทิศทางแม่แบบ 90° (แสดงแผนผังทางด้านซ้าย) สำหรับเซลล์ที่แสดงใน aคำตอบจะจัดเรียงตามประเภทคำใบ้พื้นผิว (เหนียว/โปร่งใส – แผงกลาง/ขวาตามลำดับ) และคอนทราสต์ของ Michelson (คำใบ้สี PSTH)เฉพาะความพยายามที่ถูกต้องเท่านั้นที่จะแสดงสำหรับสัญญาณพื้นผิวที่มีคอนทราสต์ต่ำและคอนทราสต์สูงแต่ละประเภทเซลล์ตอบสนองได้ดีขึ้นต่อรูปแบบโครงตาข่ายที่ลอยขึ้นด้านบนด้วยสัญญาณพื้นผิวโปร่งใส และการตอบสนองต่อรูปแบบเหล่านี้เพิ่มขึ้นด้วยคอนทราสต์ของพื้นผิวที่เพิ่มขึ้นc, d เป็นหลักการเดียวกับใน a และ b แต่สำหรับเซลล์ MT ที่ไม่ใช่ลิง S การวางแนวที่ต้องการเกือบจะทับซ้อนกับของตารางดริฟท์ด้านล่างหน่วยนี้ชอบการเลื่อนแบบเลื่อนลงด้านล่างด้วยสัญญาณพื้นผิวที่สอดคล้องกัน และการตอบสนองต่อรูปแบบเหล่านี้จะเพิ่มขึ้นตามคอนทราสต์ของพื้นผิวที่เพิ่มขึ้นในแผงทั้งหมด พื้นที่แรเงาแสดงถึงข้อผิดพลาดมาตรฐานของค่าเฉลี่ยซี่แหลม, วินาที.ที่สอง.
ในการสำรวจความสัมพันธ์ระหว่างการกำหนดค่าพื้นผิวขัดแตะ (เชื่อมโยงกันหรือโปร่งใส) ตามที่ระบุโดยสัญญาณพื้นผิวและกิจกรรม MT ของเรา ขั้นแรกเราได้ถดถอยความสัมพันธ์ระหว่างเซลล์สำหรับการเคลื่อนไหวที่สอดคล้องกัน (ความชันเชิงบวก) หรือการเคลื่อนไหวแบบโปร่งใส (ความชันเชิงลบ) โดยการถดถอยกำหนดให้จัดประเภทเซลล์ตามอัตราการตอบสนองของสัญญาณเมื่อเทียบกับความคมชัด (แยกกันสำหรับแต่ละทิศทางของโหมด)ตัวอย่างของเส้นโค้งการปรับแต่งแลตทิซเหล่านี้จากเซลล์ตัวอย่างเดียวกันในรูปที่ 3 แสดงในรูปที่ 4aหลังจากการจำแนกประเภท เราใช้การวิเคราะห์ประสิทธิภาพของเครื่องรับ (ROC) เพื่อหาปริมาณความไวของเซลล์แต่ละเซลล์ต่อการปรับสัญญาณพื้นผิว (ดูวิธีการ)ฟังก์ชันนิวโรเมตริกที่ได้จากวิธีนี้สามารถเปรียบเทียบได้โดยตรงกับลักษณะทางจิตฟิสิกส์ของลิงในเซสชั่นเดียวกัน เพื่อเปรียบเทียบความไวทางจิตฟิสิกส์ของเซลล์ประสาทโดยตรงกับพื้นผิวขัดแตะเราทำการวิเคราะห์การตรวจจับสัญญาณสองครั้งสำหรับหน่วยทั้งหมดในตัวอย่าง โดยคำนวณคุณสมบัติทางประสาทเมตริกแยกกันสำหรับแต่ละทิศทางของรูปแบบ (อีกครั้ง ขึ้นหรือลง)สิ่งสำคัญคือต้องสังเกตว่า สำหรับการวิเคราะห์นี้ เรารวมเฉพาะการทดลองที่ (i) สิ่งเร้ามีสัญลักษณ์พื้นผิว และ (ii) ลิงตอบสนองตามสัญญาณนั้น (เช่น การทดลองที่ "ถูกต้อง")
อัตราการยิงถูกพล็อตเทียบกับความเปรียบต่างของเครื่องหมายพื้นผิวตามลำดับ สำหรับการเลื่อนขึ้น (ซ้าย) หรือลง (ขวา) เส้นทึบแสดงถึงการถดถอยเชิงเส้นที่เหมาะสมที่สุด และข้อมูลในแถวบนสุด (ล่าง) นำมาจากที่แสดงในรูปที่ .ข้าว.3a Cell, b (รูปที่ 3c, d)คุณสมบัติความลาดเอียงถดถอยถูกนำมาใช้เพื่อกำหนดตัวชี้นำพื้นผิวที่ต้องการ (สอดคล้องกัน/โปร่งใส) ให้กับการวางแนวของเซลล์/โครงตาข่ายแต่ละชุด (n ≥ 20 การทดลองต่อเงื่อนไขการกระตุ้น)แถบข้อผิดพลาดแสดงถึงส่วนเบี่ยงเบนมาตรฐานของค่าเฉลี่ยฟังก์ชันนิวโรเมตริกของหน่วยต่างๆ ที่แสดงใน ba ได้รับการอธิบายร่วมกับฟังก์ชันไซโครเมตริกที่รวบรวมในช่วงเวลาเดียวกันตอนนี้ สำหรับคุณลักษณะแต่ละอย่าง เราวางแผนตัวเลือกคำแนะนำเครื่องมือที่ต้องการ (การเรียงลำดับ) (ดูข้อความ) เป็นเปอร์เซ็นต์ของคอนทราสต์เครื่องหมายของพื้นผิว (abscissa)คอนทราสต์ของพื้นผิวถูกเปลี่ยนเพื่อให้คำแนะนำเครื่องมือที่ต้องการเป็นค่าบวก และคำแนะนำเครื่องมือที่ว่างเปล่าเป็นค่าลบข้อมูลจากตารางดริฟท์ขึ้น (ลง) จะแสดงในแผงด้านซ้าย (ขวา) ในแถวบน (ล่าง) – ข้อมูลจากเซลล์ที่แสดงในรูปที่ 3a,b (รูปที่ 3c,d)อัตราส่วนของเกณฑ์นิวโรเมตริกและไซโคเมตริก (N/P) จะแสดงในแต่ละแผงซี่แหลม, วินาที.วินาที, ไดเร็กทอรีทิศทาง, จังหวัดที่ต้องการ, psiไซโคเมตริก, ประสาทวิทยา.
เส้นโค้งการปรับแลตทิซและฟังก์ชันนิวโรเมตริกของเซลล์ MT ที่เป็นตัวแทนสองเซลล์และฟังก์ชันไซโครเมตริกที่เกี่ยวข้อง ซึ่งรวมเข้าด้วยกันกับการตอบสนองเหล่านี้ แสดงในแผงด้านบนและด้านล่างของรูปที่ 4a,b ตามลำดับเซลล์เหล่านี้แสดงการเพิ่มขึ้นหรือลดลงอย่างซ้ำซากจำเจเมื่อพื้นผิวเปลี่ยนจากโปร่งใสเป็นเชื่อมโยงกันนอกจากนี้ ทิศทางและความแข็งแรงของพันธะนี้ขึ้นอยู่กับทิศทางการเคลื่อนที่ของแลตทิซสุดท้าย ฟังก์ชันนิวโรเมตริกที่คำนวณจากการตอบสนองของเซลล์เหล่านี้เข้าใกล้เท่านั้น (แต่ยังไม่สอดคล้องกับ) คุณสมบัติทางจิตฟิสิกส์ของการเคลื่อนที่แบบทิศทางเดียวทั้งฟังก์ชันนิวโรเมตริกและไซโครเมตริกถูกสรุปด้วยเกณฑ์ กล่าวคือ สอดคล้องกับค่าคอนทราสต์ที่เลือกอย่างถูกต้องประมาณ 84% (ซึ่งสอดคล้องกับค่าเฉลี่ย + 1 sd ของฟังก์ชันเกาส์สะสมสะสมพอดี)ในตัวอย่างทั้งหมด อัตราส่วน N/P อัตราส่วนของเกณฑ์นิวโรเมตริกต่อค่าไซโคเมตริก เฉลี่ย 12.4 ± 1.2 ในลิง N และ 15.9 ± 1.8 ในลิง S และสำหรับโครงตาข่ายที่จะเคลื่อนที่อย่างน้อยหนึ่งทิศทาง เพียงที่ ~16% (18)หน่วย %) จากลิง N (ลิง S) (รูปที่ 5a)จากตัวอย่างเซลล์ที่แสดงในรูปดังที่เห็นในรูปที่ 3 และ 4 ความไวของเซลล์ประสาทสามารถได้รับผลกระทบจากความสัมพันธ์ระหว่างทิศทางที่ต้องการของเซลล์และทิศทางของการเคลื่อนที่ของแลตทิซที่ใช้ในการทดลองโดยเฉพาะอย่างยิ่ง เส้นโค้งการปรับการวางแนวในรูปที่ 3a,c แสดงให้เห็นถึงความสัมพันธ์ระหว่างการตั้งค่าการวางแนวเซลล์ประสาทของอาร์เรย์ไซน์เดียวและความไวต่อการเคลื่อนไหวที่โปร่งใส/สอดคล้องกันในอาร์เรย์ที่มีพื้นผิวของเรา นี่เป็นกรณีของลิงทั้งสอง (ANOVA; ทิศทางที่ต้องการสัมพัทธ์ที่มีความละเอียด 10°; ลิง N: F = 2.12, p < 0.01; ลิง S: F = 2.01, p < 0.01) นี่เป็นกรณีของลิงทั้งสอง (ANOVA; ทิศทางที่ต้องการสัมพัทธ์ที่มีความละเอียด 10°; ลิง N: F = 2.12, p < 0.01; ลิง S: F = 2.01, p < 0.01) Это имело место для обеих обезьян (ANOVA; относительные предпочтительные направления объединены в группы с разрешением 10° ; обезьяна N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01). นี่เป็นกรณีของลิงทั้งสอง (ANOVA; ทิศทางที่ต้องการสัมพัทธ์จัดกลุ่มที่ความละเอียด 10°; Monkey 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N：F = 2.12，p < 0.01；猴子S：F = 2.01，p < 0.01）。两只猴子都是这种（方差分析以10° 分辨率合并的相对方向； 猴子 n：f=2.12，p<0.01； ： ： f = 2.01 ， p <0.01。。。。。。。 10°; обезья на N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01). นี่เป็นกรณีของลิงทั้งสอง (ANOVA; การวางแนวที่ต้องการสัมพัทธ์รวมกันที่ความละเอียด 10°; ลิง N: F=2.12, p<0.01; ลิง S: F=2.01, p<0.01)ด้วยความแปรปรวนของความไวของเซลล์ประสาทในระดับมาก (รูปที่ 5a) เพื่อให้เห็นภาพการพึ่งพาของความไวของเซลล์ประสาทในทิศทางที่ต้องการสัมพัทธ์ อันดับแรกเราปรับการวางแนวที่ต้องการของเซลล์แต่ละเซลล์ให้อยู่ในแนวที่ "ดีที่สุด" สำหรับการเคลื่อนที่ของรูปแบบกริด (เช่น ทิศทาง)ซึ่งตะแกรงจะสร้างมุมที่เล็กที่สุดระหว่างการวางแนวของเซลล์ที่ต้องการและการวางแนวของรูปแบบการตะแกรง)เราพบว่าเกณฑ์สัมพัทธ์ของเซลล์ประสาท (เกณฑ์สำหรับการวางแนวขัดแตะที่ "แย่ที่สุด"/เกณฑ์สำหรับการวางแนวขัดแตะที่ "ดีที่สุด") แปรผันตามการวางแนวที่ต้องการแบบปกติ โดยมีจุดสูงสุดในอัตราส่วนเกณฑ์นี้เกิดขึ้นรอบรูปแบบหรือการวางแนวส่วนประกอบ (รูปที่ 5b))). ผลกระทบนี้ไม่สามารถอธิบายได้ด้วยความเอนเอียงในการกระจายของทิศทางที่ต้องการในหน่วยในแต่ละตัวอย่างไปยังหนึ่งในรูปแบบลายสก๊อตหรือทิศทางส่วนประกอบ (รูปที่ 5c; การทดสอบเรย์ลี; ลิง N: z = 8.33, p <10−3, ค่าเฉลี่ยวงกลม = 190.13 องศา ± 9.83 องศา; ลิง S: z = 0.79, p = 0.45) และสอดคล้องกันในทุกมุมของตะแกรงลายตาราง ( รูปที่ 2 เพิ่มเติม) ผลกระทบนี้ไม่สามารถอธิบายได้ด้วยความเอนเอียงในการกระจายของทิศทางที่ต้องการในหน่วยในแต่ละตัวอย่างไปยังรูปแบบลายสก๊อตหรือทิศทางส่วนประกอบ (รูปที่ 5c; การทดสอบเรย์ลี; ลิง N: z = 8.33, p < 10−3 , ค่าเฉลี่ยวงกลม = 190.13 องศา ± 9.83 องศา; ลิง S: z = 0.79, p = 0.45) และสอดคล้องกันในทุกมุมของตะแกรงลายตาราง (รูปที่ 2 เพิ่มเติม) Этот эффект нельзя было объяснить смещением распределения предпочтительных направлений в единицах в каждой выборке в сторону одного из клетчатых направлений или направлений компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,33, p < 10–3). ผลกระทบนี้ไม่สามารถอธิบายได้ด้วยการเปลี่ยนแปลงการกระจายของทิศทางที่ต้องการในหน่วยในแต่ละตัวอย่างไปยังทิศทางตาหมากรุกหรือทิศทางส่วนประกอบ (รูปที่ 5c; การทดสอบ Rayleigh; Monkey N: z = 8.33, p <10–3), ค่าเฉลี่ยวงกลม = 190.13 องศา ± 9.83 องศา;ลิง S: z = 0.79, p = 0.45) และเหมือนกันทุกมุมของตารางลายสก๊อต (รูปที่ 2 เพิ่มเติม)这种效应不能通过每个样本中单元中的优选方向分布图偏向格子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 图案或组件方向来解释分互利测试；猴子 n：z = 8.33，p <10-3，平均值 平均值 圆形 圆形 圆形 圆形 圆形圆形 圆形 圆形 圆形 Этот эффект не может быть объяснен тем, что распределение предпочтительных ориентаций в клетках в каждом образце смм ещено либо в сторону структуры решетки, либо в сторону одной из ориентаций компонентов (рис. 5в; критерий Рэлея; обезьяна N : z = 8,33, p < 10–3). ผลกระทบนี้ไม่สามารถอธิบายได้ด้วยความจริงที่ว่าการกระจายของการวางแนวที่ต้องการในเซลล์ในแต่ละตัวอย่างมีความเอนเอียงไปทางโครงสร้างขัดแตะหรือทิศทางของส่วนประกอบอย่างใดอย่างหนึ่ง (รูปที่ 5c; การทดสอบของ Rayleigh; monkey N: z = 8.33, p <10–3), ค่าเฉลี่ยแบบวงกลม) = 190.13 องศา ± 9.83 องศา;ลิง S: z = 0.79, p = 0.45) และมีค่าเท่ากันในมุมขัดแตะระหว่างกริด (รูปที่ 2 เพิ่มเติม)ดังนั้น ความไวของเซลล์ประสาทต่อเท็กซ์เจอร์กริดขึ้นอยู่กับคุณสมบัติพื้นฐานของการปรับแต่ง MT อย่างน้อยบางส่วน
แผงด้านซ้ายแสดงการกระจายของอัตราส่วน N/P (เกณฑ์เซลล์ประสาท/จิตสรีรวิทยา);แต่ละเซลล์มีจุดข้อมูลสองจุด หนึ่งจุดสำหรับแต่ละทิศทางที่รูปแบบเคลื่อนไปแผงด้านขวาแสดงเกณฑ์ทางจิตฟิสิกส์ (พิกัด) กับเกณฑ์เซลล์ประสาท (แอบซิสซา) สำหรับหน่วยทั้งหมดในตัวอย่างข้อมูลในแถวบน (ล่าง) มาจากลิง N (S)b อัตราส่วนเกณฑ์มาตรฐานจะถูกพล็อตเทียบกับขนาดของความแตกต่างระหว่างการวางแนวตาข่ายที่เหมาะสมที่สุดกับการวางแนวเซลล์ที่ต้องการทิศทาง "ดีที่สุด" ถูกกำหนดให้เป็นทิศทางของโครงสร้างตะแกรง (วัดด้วยตะแกรงไซน์เดียว) ใกล้กับทิศทางของเซลล์ที่ต้องการมากที่สุดขั้นแรก ข้อมูลจะถูกรวมเข้าไว้ในการวางแนวที่ต้องการที่ทำให้เป็นมาตรฐาน (ถังขยะ 10°) จากนั้นอัตราส่วนเกณฑ์จะถูกทำให้เป็นมาตรฐานเป็นค่าสูงสุดและหาค่าเฉลี่ยภายในแต่ละถังขยะเซลล์ที่มีการวางแนวที่ต้องการมีขนาดใหญ่หรือเล็กกว่าการวางแนวของส่วนประกอบโครงตาข่ายเล็กน้อยจะมีความแตกต่างมากที่สุดในความไวต่อการวางแนวของรูปแบบโครงตาข่ายc ฮิสโตแกรมสีชมพูของการกระจายทิศทางที่ต้องการของหน่วย MT ทั้งหมดที่บันทึกไว้ในลิงแต่ละตัว
สุดท้าย การตอบสนองของ MT จะถูกมอดูเลตโดยทิศทางของการเคลื่อนที่ของเกรตติ้งและรายละเอียดของสัญญาณการแบ่งส่วนของเรา (พื้นผิว)การเปรียบเทียบความไวของเซลล์ประสาทและจิตฟิสิกส์พบว่า โดยทั่วไป หน่วย MT มีความไวต่อสัญญาณพื้นผิวที่ตัดกันน้อยกว่าลิงมากอย่างไรก็ตาม ความไวของเซลล์ประสาทเปลี่ยนไปขึ้นอยู่กับความแตกต่างระหว่างการวางแนวที่ต้องการของยูนิตและทิศทางของการเคลื่อนที่ของกริดเซลล์ที่ไวที่สุดมีแนวโน้มที่จะมีการตั้งค่าทิศทางที่เกือบจะครอบคลุมรูปแบบขัดแตะหรือหนึ่งในการวางแนวที่เป็นส่วนประกอบ และกลุ่มตัวอย่างขนาดเล็กของเรามีความไวหรือไวกว่าการรับรู้ความแตกต่างของคอนทราสต์ของลิงในการระบุว่าสัญญาณจากหน่วยที่ละเอียดอ่อนเหล่านี้มีความสัมพันธ์อย่างใกล้ชิดกับการรับรู้ในลิงหรือไม่ เราตรวจสอบความสัมพันธ์ระหว่างการรับรู้และการตอบสนองของเซลล์ประสาท
ขั้นตอนสำคัญในการสร้างความเชื่อมโยงระหว่างการทำงานของระบบประสาทและพฤติกรรมคือการสร้างความสัมพันธ์ระหว่างเซลล์ประสาทและการตอบสนองทางพฤติกรรมต่อสิ่งเร้าที่คงที่เพื่อเชื่อมโยงการตอบสนองของระบบประสาทกับการตัดสินการแบ่งกลุ่ม สิ่งสำคัญคือต้องสร้างสิ่งเร้าที่แม้จะเหมือนกัน แต่รับรู้ต่างกันในการทดลองต่างๆในการศึกษาปัจจุบัน สิ่งนี้แสดงอย่างชัดเจนด้วยตะแกรงคอนทราสต์ของพื้นผิวเป็นศูนย์แม้ว่าเราจะเน้นย้ำว่า ตามฟังก์ชันไซโครเมตริกของสัตว์ ตะแกรงที่มีความเปรียบต่างของพื้นผิวน้อยที่สุด (น้อยกว่า ~20%) มักจะถือว่าสอดคล้องกันหรือโปร่งใส
ในการระบุขอบเขตที่การตอบสนองของ MT มีความสัมพันธ์กับรายงานการรับรู้ เราได้ทำการวิเคราะห์ความน่าจะเป็นในการเลือก (CP) ของข้อมูลกริดของเรา (ดู 3)กล่าวโดยสรุปคือ CP เป็นการวัดแบบไม่มีพารามิเตอร์และไม่ได้มาตรฐาน ซึ่งจะวัดความสัมพันธ์ระหว่างการตอบสนองที่พุ่งสูงขึ้นและการตัดสินด้วยการรับรู้30จำกัดการวิเคราะห์ไว้เฉพาะการทดลองโดยใช้กริดที่ไม่มีคอนทราสต์ของพื้นผิวและเซสชันที่ลิงเลือกอย่างน้อยห้าตัวเลือกสำหรับแต่ละประเภทของการทดลองเหล่านี้ เราคำนวณ SR แยกกันสำหรับแต่ละทิศทางของการเคลื่อนที่ของกริด ลิง N: ค่าเฉลี่ย CP: 0.54, 95% CI: (0.53, 0.56), การทดสอบแบบสองด้านเทียบกับ null ของ CP = 0.5, t = 6.7, p <10−9; Monkey S: หมายถึง CP: 0.55, 95% CI: (0.54, 0 57), การทดสอบแบบสองด้าน, t = 9.4, p < 10−13) ลิง N: ค่าเฉลี่ย CP: 0.54, 95% CI: (0.53, 0.56), การทดสอบแบบสองด้านเทียบกับ null ของ CP = 0.5, t = 6.7, p <10−9; Monkey S: หมายถึง CP: 0.55, 95% CI: (0.54, 0 57), t-test สองด้าน, t = 9.4, p < 10−13) .ในลิง เราสังเกตค่าเฉลี่ย CP สูงกว่าที่คาดไว้แบบสุ่มอย่างมีนัยสำคัญ (รูปที่ 6a, d; ลิง N: ค่าเฉลี่ย CP: 0.54, 95% CI: (0.53, 0.56), การทดสอบค่า t แบบสองด้านเทียบกับค่า null)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) . ลิง S: หมายถึง CP: 0.55, 95% CI: (0.54, 0.57), การทดสอบแบบสองด้าน, 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：0.54，95% CI：（0.53，0.56），针对空值的双边t 检验CP = 0.5, t = 6.7, p < 10−9; 猴子S: 平均CP: 0.55, 95% CI: (0.54, 0.57), 双边t 检验, t = 9.4, p < 10−13)在猴子中，我们观察平均值显着大于我们偶然的值（显着值显着大于我们偶然的值（我们猴均：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, d; об езьяна N: среднее CP: 0,54, 95% ДИ: (0,53, 0,56), двусторонний t- тест CP против нуля = 0,5, t = 6,7, p < 10-9, обезьяна S: средний CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = 9,4, p < 10- 13) . ในลิง เราสังเกตว่าค่า CP เฉลี่ยสูงกว่าที่เราคาดไว้โดยบังเอิญ (รูปที่ 6a, d; monkey N: ค่าเฉลี่ย CP: 0.54, 95% CI: (0.53, 0.56), two-tailed t-test CP vs. zero = 0.5, t = 6.7, p < 10-9, monkey S: ค่าเฉลี่ย CP: 0.55, 95% CI: (0.54, 0.5 7), เกณฑ์ t แบบสองด้าน, t = 9.4, p < 10-13)ดังนั้น เซลล์ประสาท MT มักจะส่งสัญญาณได้แรงกว่าแม้ในกรณีที่ไม่มีตัวชี้นำการแบ่งส่วนอย่างเปิดเผย เมื่อการรับรู้ของสัตว์เกี่ยวกับการเคลื่อนที่แบบแลตทิซตรงกับความต้องการของเซลล์
การแจกแจงความน่าจะเป็นของการเลือกสำหรับกริดที่ไม่มีสัญญาณพื้นผิวสำหรับตัวอย่างที่บันทึกจาก Monkey N แต่ละเซลล์สามารถให้ข้อมูลได้สูงสุดสองจุด (หนึ่งจุดสำหรับแต่ละทิศทางของการเคลื่อนที่ของกริด)ค่า CP เฉลี่ยเหนือค่าสุ่ม (ลูกศรสีขาว) บ่งชี้ว่าโดยรวมแล้วมีความสัมพันธ์ที่สำคัญระหว่างกิจกรรม MT และการรับรู้b เพื่อตรวจสอบผลกระทบของอคติการเลือกที่อาจเกิดขึ้น เราคำนวณ CP แยกต่างหากสำหรับสิ่งกระตุ้นใดๆ ที่ลิงทำผิดพลาดอย่างน้อยหนึ่งข้อความน่าจะเป็นของการเลือกถูกลงจุดเป็นฟังก์ชันของอัตราส่วนการเลือก (ค่าก่อนหน้า/ค่าว่าง) สำหรับสิ่งเร้าทั้งหมด (ซ้าย) และค่าสัมบูรณ์ของคอนทราสต์ของเครื่องหมายพื้นผิว (ด้านขวา ข้อมูลจากเซลล์แต่ละเซลล์ 120 เซลล์)เส้นทึบและพื้นที่แรเงาในแผงด้านซ้ายแสดงค่าเฉลี่ย ± sem ของค่าเฉลี่ยเคลื่อนที่ 20 จุดความน่าจะเป็นในการเลือกที่คำนวณสำหรับสิ่งเร้าที่มีอัตราส่วนการเลือกที่ไม่สมดุล เช่น ตารางที่มีความเปรียบต่างของสัญญาณสูง แตกต่างกันมากกว่า และถูกจัดกลุ่มตามความเป็นไปได้พื้นที่สีเทาในแผงด้านขวาเน้นความคมชัดของคุณสมบัติที่รวมอยู่ในการคำนวณความน่าจะเป็นในการเลือกสูงc ความน่าจะเป็นของตัวเลือกจำนวนมาก (พิกัด) ถูกวางแผนเทียบกับเกณฑ์ของเซลล์ประสาท (abscissa)ความน่าจะเป็นของการเลือกมีความสัมพันธ์เชิงลบกับเกณฑ์อย่างมีนัยสำคัญแบบแผน df เหมือนกับ ac แต่ใช้กับ 157 ข้อมูลเดียวจากลิง S เว้นแต่จะระบุไว้เป็นอย่างอื่นg ความน่าจะเป็นในการเลือกสูงสุด (ออร์ดิเนท) ถูกพล็อตเทียบกับทิศทางที่ต้องการที่ทำให้เป็นมาตรฐาน (abscissa) สำหรับลิงสองตัวแต่ละตัวแต่ละเซลล์ MT มีส่วนข้อมูลสองจุด (หนึ่งจุดสำหรับแต่ละทิศทางของโครงสร้างแลตทิซ)h โครงร่างความน่าจะเป็นในการเลือกกล่องขนาดใหญ่สำหรับแต่ละมุมระหว่างแรสเตอร์เส้นทึบทำเครื่องหมายค่ามัธยฐาน ขอบล่างและขอบบนของกล่องแสดงถึงเปอร์เซ็นไทล์ที่ 25 และ 75 ตามลำดับ หนวดขยายเป็น 1.5 เท่าของพิสัยระหว่างควอไทล์ และค่าผิดปกติที่เกินขีดจำกัดนี้จะถูกบันทึกไว้ข้อมูลในแผงด้านซ้าย (ขวา) มาจากเซลล์ลิง N(S) 120 (157) เซลล์ความน่าจะเป็นสูงสุดของการเลือก (พิกัด) ถูกวางแผนเทียบกับเวลาที่เริ่มมีอาการของสิ่งเร้า (abscissa)CP ขนาดใหญ่คำนวณในรูปสี่เหลี่ยมเลื่อน (กว้าง 100 ms, ขั้นที่ 10 ms) ตลอดการทดสอบ จากนั้นจึงหาค่าเฉลี่ยตามหน่วย
การศึกษาก่อนหน้านี้บางส่วนได้รายงานว่า CP ขึ้นอยู่กับจำนวนสัมพัทธ์ของการทดลองในการแจกแจงอัตราพื้นฐาน หมายความว่ามาตรการนี้มีความน่าเชื่อถือน้อยกว่าสำหรับสิ่งเร้าที่ทำให้เกิดความแตกต่างอย่างมากในสัดส่วนของแต่ละตัวเลือกเพื่อทดสอบผลกระทบนี้ในข้อมูลของเรา เราคำนวณ CP แยกกันสำหรับสิ่งเร้าทั้งหมด โดยไม่คำนึงถึงความเปรียบต่างของพื้นผิวเครื่องหมาย และลิงได้ทำการทดลองที่ผิดพลาดอย่างน้อยหนึ่งครั้งCP ถูกลงจุดเทียบกับอัตราส่วนการเลือก (pref/null) สำหรับสัตว์แต่ละตัวในรูปที่ 6b และ e (แผงด้านซ้าย) ตามลำดับเมื่อดูที่ค่าเฉลี่ยเคลื่อนที่ เป็นที่ชัดเจนว่า CP ยังคงสูงกว่าความน่าจะเป็นสำหรับอัตราต่อรองที่หลากหลาย โดยจะลดลงก็ต่อเมื่ออัตราต่อรองลดลง (เพิ่มขึ้น) ต่ำกว่า (สูงกว่า) 0.2 (0.8)จากลักษณะทางจิตวิทยาของสัตว์ เราคาดว่าค่าสัมประสิทธิ์การเลือกของขนาดนี้จะใช้เฉพาะกับสิ่งเร้าที่มีพื้นผิวที่มีคอนทราสต์สูง (สอดคล้องกันหรือโปร่งใส) (ดูตัวอย่างลักษณะทางไซโคเมตริกในรูปที่ 2a, b)ในการตรวจสอบว่าเป็นกรณีนี้หรือไม่ และพีซีที่สำคัญยังคงอยู่แม้สำหรับสิ่งเร้าที่มีสัญญาณการแบ่งส่วนที่ชัดเจนหรือไม่ เราตรวจสอบผลกระทบของค่าคอนทราสต์พื้นผิวสัมบูรณ์บนพีซี (รูปที่ 6b, e-right)ตามที่คาดไว้ CP สูงกว่าความน่าจะเป็นอย่างมากสำหรับสิ่งเร้าที่มีตัวชี้นำการแบ่งส่วนในระดับปานกลาง (~20% หรือต่ำกว่า)
ในงานปฐมนิเทศ ความเร็ว และการจดจำที่ไม่ตรงกัน MT CP มีแนวโน้มที่จะสูงที่สุดในเซลล์ประสาทที่ไวที่สุด โดยน่าจะเป็นเพราะเซลล์ประสาทเหล่านี้ส่งสัญญาณข้อมูลมากที่สุด30,32,33,34สอดคล้องกับการค้นพบเหล่านี้ เราสังเกตเห็นความสัมพันธ์เล็กน้อยแต่มีนัยสำคัญระหว่าง Grand CP ซึ่งคำนวณจากอัตราการยิงคะแนน z ข้ามความแตกต่างของคิวพื้นผิวที่ไฮไลต์ในแผงขวาสุดของรูปที่6b, e และเกณฑ์ของเซลล์ประสาท (รูปที่ 6c, f; การถดถอยค่าเฉลี่ยทางเรขาคณิต; ลิง N: r = −0.12, p = 0.07 ลิง S: r = −0.18, p <10−3) 6b, e และเกณฑ์ของเซลล์ประสาท (รูปที่ 6c, f; การถดถอยค่าเฉลี่ยทางเรขาคณิต; ลิง N: r = −0.12, p = 0.07 ลิง S: r = −0.18, p <10−3)สอดคล้องกับการค้นพบเหล่านี้ เราสังเกตความสัมพันธ์เล็กน้อยแต่มีนัยสำคัญระหว่าง CP ขนาดใหญ่ที่คำนวณจากความถี่กระตุ้น z-score จากสัญญาณพื้นผิวที่ตัดกันซึ่งเน้นในแผงขวาสุดของรูปที่ 6b, e และเกณฑ์ของเซลล์ประสาท (รูปที่ 6c, f; ทางเรขาคณิต)การถดถอยค่าเฉลี่ยทางเรขาคณิตобезьяна N: r = -0,12, p = 0,07 обезьяна S: r = -0,18, p < 10-3). ลิง N: r = -0.12, p = 0.07 ลิง 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 < 10-3）。与这些发现一致，我们到大之间存在适度但显着的相关性这是根据图6b、e和元阈值（ภาพ 6c 、 f ； 回归 ； 猴子 n ： r = -0.12， p = 0.07 猴子S：r = -0.18，p < 10-3）。สอดคล้องกับการค้นพบเหล่านี้ เราสังเกตความสัมพันธ์เล็กน้อยแต่มีนัยสำคัญระหว่าง CV ขนาดใหญ่ดังแสดงในรูปที่ 6b,e และเกณฑ์เซลล์ประสาท (รูปที่ 6c,f; การถดถอยค่าเฉลี่ยทางเรขาคณิต; ลิง N: r = -0.12, p = 0.07)Обезьяна S: г = -0,18, р < 10-3). ลิง S: r = -0.18, p < 10-3)ดังนั้น ตัวชี้นำจากหน่วยที่ให้ข้อมูลมากที่สุดมักจะแสดงความแปรปรวนร่วมที่มากขึ้นกับการตัดสินแบ่งกลุ่มแบบอัตนัยในลิง ซึ่งมีความสำคัญโดยไม่คำนึงถึงตัวชี้นำที่เป็นเนื้อสัมผัสใดๆ ที่เพิ่มเข้าไปในอคติการรับรู้
เนื่องจากก่อนหน้านี้เราได้สร้างความสัมพันธ์ระหว่างความไวต่อสัญญาณพื้นผิวกริดและการวางแนวเซลล์ประสาทที่ต้องการ เราจึงสงสัยว่ามีความสัมพันธ์ที่คล้ายคลึงกันระหว่าง CP และการวางแนวที่ต้องการหรือไม่ (รูปที่ 6 ก.)ความสัมพันธ์นี้มีความสำคัญเพียงเล็กน้อยในลิง S (ANOVA; ลิง N: 1.03, p=0.46; ลิง S: F=1.73, p=0.04)เราสังเกตว่าไม่มีความแตกต่างใน CP สำหรับมุมขัดแตะระหว่างโครงตาข่ายในสัตว์ใดๆ (รูปที่ 6h; ANOVA; ลิง N: F = 1.8, p = 0.11; ลิง S: F = 0.32, p = 0. 9)
ในที่สุด งานก่อนหน้านี้ได้แสดงให้เห็นว่า CP เปลี่ยนแปลงตลอดการทดลองการศึกษาบางชิ้นรายงานว่าเพิ่มขึ้นอย่างรวดเร็วตามด้วยผลการเลือกที่ค่อนข้างราบรื่น30 ในขณะที่บางชิ้นรายงานว่าสัญญาณการเลือกเพิ่มขึ้นอย่างต่อเนื่องตลอดระยะเวลาของการทดลอง 31สำหรับลิงแต่ละตัว เราคำนวณ CP ของแต่ละหน่วยในการทดลองที่มีคอนทราสต์ของพื้นผิวเป็นศูนย์ (ตามลำดับ ตามการวางแนวรูปแบบ) ในเซลล์ 100 มิลลิวินาทีที่ก้าวทุก ๆ 20 มิลลิวินาทีจากการเริ่มต้นก่อนการกระตุ้นไปจนถึงการชดเชยค่าเฉลี่ยก่อนการกระตุ้นไดนามิก CP เฉลี่ยสำหรับลิงสองตัวแสดงในรูปที่ 6iในทั้งสองกรณี CP ยังคงอยู่ในระดับสุ่มหรือใกล้เคียงมากจนกระทั่งเกือบ 500 มิลลิวินาทีหลังจากเริ่มมีอาการกระตุ้น หลังจากนั้น CP ก็เพิ่มขึ้นอย่างรวดเร็ว
นอกจากการเปลี่ยนแปลงความไวแล้ว ยังแสดงให้เห็นว่า CP ยังได้รับผลกระทบจากคุณสมบัติบางอย่างของลักษณะการปรับแต่งเซลล์อีกด้วยตัวอย่างเช่น Uka และ DeAngelis34 พบว่า CP ในงานการรับรู้ที่ไม่ตรงกันของกล้องสองตานั้นขึ้นอยู่กับความสมมาตรของเส้นโค้งการปรับแต่งกล้องสองตาที่ไม่ตรงกันของอุปกรณ์ในกรณีนี้ คำถามที่เกี่ยวข้องคือเซลล์แบบเลือกทิศทางรูปแบบ (PDS) ไวกว่าเซลล์แบบเลือกทิศทางแบบคอมโพเนนต์ (CDS) หรือไม่เซลล์ PDS เข้ารหัสการวางแนวทั่วไปของรูปแบบที่มีการวางแนวหลายจุด ในขณะที่เซลล์ CDS ตอบสนองต่อการเคลื่อนที่ของส่วนประกอบรูปแบบทิศทาง (รูปที่ 7a)
การแสดงแผนผังของการกระตุ้นการปรับองค์ประกอบโหมดและตะแกรงสมมุติฐาน (ซ้าย) และเส้นโค้งการปรับการวางแนวของตะแกรง (ขวา) (ดูวัสดุและวิธีการ)กล่าวโดยสรุป หากเซลล์ผสานรวมส่วนประกอบต่างๆ ของกริดเพื่อส่งสัญญาณรูปแบบการเคลื่อนไหว เราคาดว่าเส้นโค้งการปรับแต่งเดียวกันสำหรับแต่ละกริดและสิ่งเร้าของกริด (คอลัมน์สุดท้าย เส้นโค้งทึบ)ในทางกลับกัน หากเซลล์ไม่ได้รวมทิศทางของส่วนประกอบเข้ากับการเคลื่อนที่ของรูปแบบสัญญาณ เราคาดว่าเส้นโค้งการปรับสองฝ่ายจะมีจุดสูงสุดในแต่ละทิศทางของการเคลื่อนที่ของตะแกรง ซึ่งจะแปลส่วนประกอบหนึ่งให้เป็นทิศทางที่ต้องการของเซลล์ (คอลัมน์สุดท้าย เส้นโค้งเส้นประ).b (ซ้าย) เส้นโค้งสำหรับปรับการวางแนวของอาร์เรย์ไซน์สำหรับเซลล์ที่แสดงในรูปที่ 1 และ 2 3 และ 4 (แถวบนสุด – เซลล์ในรูปที่ 3a,b และ 4a,b (ด้านบน); แผงด้านล่าง – เซลล์ของรูปที่ 3c, d และ 4a, b (ด้านล่าง))(กลาง) การคาดคะเนรูปแบบและส่วนประกอบที่คำนวณจากโปรไฟล์การปรับแต่งแลตทิซ(ขวา) การปรับตารางของเซลล์เหล่านี้เซลล์ของแผงด้านบน (ด้านล่าง) ถูกจัดประเภทเป็นเซลล์แม่แบบ (ส่วนประกอบ)โปรดทราบว่าไม่มีความสอดคล้องกันแบบหนึ่งต่อหนึ่งระหว่างการจำแนกประเภทของส่วนประกอบรูปแบบและการตั้งค่าสำหรับการเคลื่อนที่ของเซลล์ที่เชื่อมโยงกัน/โปร่งใส (ดูการตอบสนองของโครงตาข่ายพื้นผิวสำหรับเซลล์เหล่านี้ในรูปที่ 4a)c ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนของโหมด z-score (ordinate) ที่พล็อตกับค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนของส่วนประกอบ z-score (abscissa) สำหรับเซลล์ทั้งหมดที่บันทึกในลิง N (ซ้าย) และ S (ขวา)เส้นหนาระบุเกณฑ์ความสำคัญที่ใช้ในการจำแนกเซลล์d พล็อตของความน่าจะเป็นในการเลือกสูง (ลำดับ) เทียบกับดัชนีโหมด (Zp – Zc) (abscissa)ข้อมูลในแผงด้านซ้าย (ขวา) หมายถึงลิง N(S)วงกลมสีดำแสดงข้อมูลเป็นหน่วยโดยประมาณในสัตว์ทั้งสองชนิด มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างความน่าจะเป็นในการเลือกสูงและดัชนีรูปแบบ ซึ่งบ่งชี้ความสัมพันธ์เชิงการรับรู้ที่มากขึ้นสำหรับเซลล์ที่มีการวางแนวรูปแบบสัญญาณในสิ่งเร้าที่มีการวางแนวองค์ประกอบหลายส่วน
ดังนั้น ในชุดทดสอบแยกต่างหาก เราวัดการตอบสนองต่อกริดไซน์และกริดเพื่อจำแนกเซลล์ประสาทในตัวอย่างของเราเป็น PDS หรือ CDS (ดูวิธีการ)เส้นโค้งการปรับแต่งแลตทิซ การคาดคะเนส่วนประกอบเทมเพลตที่สร้างขึ้นจากข้อมูลการปรับแต่งนี้ และเส้นโค้งการปรับแต่งแลตทิซสำหรับเซลล์ที่แสดงในรูปที่ 1 และ 3 รูปที่ 3 และ 4 และรูปที่ 3 เพิ่มเติมแสดงในรูปที่ 7bการกระจายรูปแบบและการเลือกส่วนประกอบ ตลอดจนการวางแนวเซลล์ที่ต้องการในแต่ละหมวดหมู่ จะแสดงสำหรับลิงแต่ละตัวในรูปที่ 7c และรูปที่เสริม4 ตามลำดับ
ในการประเมินการพึ่งพาของ CP ในการแก้ไขส่วนประกอบรูปแบบ ขั้นแรกให้คำนวณดัชนีรูปแบบ 35 (PI) ซึ่งเป็นค่าที่ใหญ่กว่า (เล็กกว่า) ซึ่งบ่งชี้พฤติกรรมที่คล้ายกันของ PDS (CDS) ที่ใหญ่กว่าจากการสาธิตข้างต้นที่: (i) ความไวของเซลล์ประสาทแตกต่างกันไปตามความแตกต่างระหว่างการวางแนวของเซลล์ที่ต้องการและทิศทางของการเคลื่อนไหวของสิ่งเร้า และ (ii) มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างความไวของเซลล์ประสาทและความน่าจะเป็นในการเลือกในตัวอย่างของเรา เราพบความสัมพันธ์ระหว่าง PI และ CP ทั้งหมดได้รับการศึกษาสำหรับทิศทางการเคลื่อนที่ที่ "ดีที่สุด" ของแต่ละเซลล์ (ดูด้านบน) เราพบว่า CP มีความสัมพันธ์อย่างมีนัยสำคัญกับ PI (รูปที่ 7d; การถดถอยค่าเฉลี่ยทางเรขาคณิต; ลิง CP ตัวใหญ่ N: r = 0.23, p <0.01; ลิง CP bi-stable N r = 0.21, p = 0.013; ลิง CP ตัวใหญ่ S: r = 0.30, p <10−4; CP ลิง bi-stable S: r = 0.29, p <10−3) ซึ่งบ่งชี้ว่าเซลล์จำแนก เนื่องจาก PDS แสดงกิจกรรมที่เกี่ยวข้องกับทางเลือกมากกว่า CDS และเซลล์ที่ไม่จำแนกประเภท เราพบว่า CP มีความสัมพันธ์อย่างมีนัยสำคัญกับ PI (รูปที่ 7d; การถดถอยค่าเฉลี่ยทางเรขาคณิต; ลิง CP ตัวใหญ่ N: r = 0.23, p <0.01; ลิง CP bi-stable N r = 0.21, p = 0.013; ลิง CP ตัวใหญ่ S: r = 0.30, p <10−4; CP ลิง bi-stable S: r = 0.29, p <10−3) ซึ่งบ่งชี้ว่าเซลล์จำแนก เนื่องจาก PDS แสดงกิจกรรมที่เกี่ยวข้องกับทางเลือกมากกว่า CDS และเซลล์ที่ไม่จำแนกประเภท Мы обнаружили, что CP значительно коррелирует с PI (рис. 7d; регрессия среднего геометрического; большая обезьяна CP N: r = 0,23, p <0,01; бистабильная обезьяна CP N r = 0,21, p = 0,013; большая обезьяна CP S: r = 0,30, p < 10-4; бистабильный CP обезьяны S: r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как PDS, проявляли большую активность, связанную с выбором, чем CDS และ неклассифицированные клетки. เราพบว่า CP มีความสัมพันธ์อย่างมีนัยสำคัญกับ PI (รูปที่ 7d; การถดถอยค่าเฉลี่ยทางเรขาคณิต; ลิงใหญ่ CP N: r = 0.23, p < 0.01; ลิง bistable CP N r = 0.21, p = 0.013; ลิงใหญ่ CP S: r = 0.30, p < 10-4; Monkey S bistable CP: r = 0.29, p < 10-3) ซึ่งบ่งชี้ว่าเซลล์ที่จำแนกเป็น P DS แสดงกิจกรรมที่เกี่ยวข้องกับตัวเลือกมากกว่า CDS และเซลล์ที่ไม่ระบุประเภท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CP 猴N r = 0.21，p = 0.013；大CP 猴S： r = 0.30，p < 10-4；双稳态CP 猴S：r = 0.29，p < 10-3），表明分类为PDS 的细胞比CDS 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，r，p = 0.21，p3； 0.0 Мы обнаружили, что CP был значительно связан с PI (рис. 7d; регрессия среднего геометрического; большая обезьяна CP N: r = 0,23, p <0,01; бистабильная обезьяна CP N r = 0,21, p = 0,013; большая обезьяна CP S: r = 0,013) 0,30, p < 10-4; เราพบว่า CP มีความสัมพันธ์อย่างมีนัยสำคัญกับ PI (รูปที่ 7d; geometry 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) 0.30, p < 10-4; бистабильный CP обезьяны S: r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как PDS, проявляшли больую селекционную активность, чем клетки, классифицированные как CDS и неклассифицированные. ลิง S bistable CP: r = 0.29, p < 10-3) ซึ่งบ่งชี้ว่าเซลล์ที่จัดประเภทเป็น PDS แสดงกิจกรรมการเลือกที่มากกว่าเซลล์ที่จัดประเภทเป็น CDS และไม่จัดประเภทเนื่องจากทั้ง PI และความไวของเซลล์ประสาทมีความสัมพันธ์กับ CP เราจึงทำการวิเคราะห์การถดถอยพหุคูณ (โดย PI และความไวของเซลล์ประสาทเป็นตัวแปรอิสระ และ CP ขนาดใหญ่เป็นตัวแปรตาม) เพื่อแยกแยะความสัมพันธ์ระหว่างการวัดทั้งสองที่นำไปสู่ความเป็นไปได้ของผลกระทบ. ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนทั้งสองมีนัยสำคัญ (monkey N: threshold vs. CP: r = −0.13, p = 0.04, PI vs. CP: r = 0.23, p < 0.01; monkey S: threshold vs. CP: r = −0.16, p = 0.03, PI vs CP: 0.29, p <10−3) แสดงว่า CP เพิ่มขึ้นตามความไวและใน แฟชั่นอิสระเพิ่มขึ้นด้วย PI ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนทั้งสองมีนัยสำคัญ (monkey N: threshold vs. CP: r = −0.13, p = 0.04, PI vs. CP: r = 0.23, p < 0.01; monkey S: threshold vs. CP: r = −0.16, p = 0.03, PI vs CP: 0.29, p <10−3) แสดงว่า CP เพิ่มขึ้นตามความไวและใน แฟชั่นอิสระเพิ่มขึ้นด้วย PI Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, PI против CP: r = 0,23, p <0, 01; обезьяна S: порог против CP: r = -0,16, p = 0,03, PI vs CP: 0,29, p < 10-3), предполагая, что CP увеличивается с чувствительностью и не зависимым образом увеличивается с PI. ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนทั้งสองมีนัยสำคัญ (monkey N: threshold vs. CP: r=-0.13, p=0.04, PI vs. CP: r=0.23, p<0.01; monkey S: threshold vs. CP: r = -0.16, p = 0.03, PI vs CP: 0.29, p <10-3) แสดงว่า CP เพิ่มขึ้นตามความไวและเพิ่มขึ้นอย่างอิสระกับ PI .两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI 与CP：r = 0.23，p < 0.01；猴子S：阈值与CP：r = -0.16， p = 0 03，PI vs CP：0.29，p < 10-3），表明CP 随灵敏度增加而增加，并且以独立方式随PI 增加。两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI = 0.03，PI vs CP：0.29，p < 10-3），表明CP Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, PI против CP: r = 0,23, p <0, 01; обезьяна S: порог против CP: r = -0,16, p = 0,03 , PI против CP: 0,29, p < 10-3), что указывает на то, что CP увеличивалась с чувствит ельностью и увеличивалась с PI независимым образом. ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนทั้งสองมีนัยสำคัญ (monkey N: threshold vs. CP: r=-0.13, p=0.04, PI vs. CP: r=0.23, p<0.01; monkey S: threshold vs. CP: r = -0.16, p = 0.03, PI vs CP: 0.29, p <10-3) แสดงว่า CP เพิ่มขึ้นตามความไวและเพิ่มขึ้นตาม PI โดยไม่ขึ้นต่อกัน ลักษณะ.
เราบันทึกกิจกรรมเดียวในพื้นที่ MT และลิงรายงานการรับรู้ถึงรูปแบบที่อาจปรากฏเป็นการเคลื่อนไหวที่สอดคล้องกันหรือโปร่งใสความไวของเซลล์ประสาทต่อตัวชี้นำการแบ่งส่วนที่เพิ่มเข้ามาในการรับรู้ที่มีอคตินั้นแตกต่างกันไปอย่างมาก และถูกกำหนดโดยความสัมพันธ์ระหว่างทิศทางที่ต้องการของหน่วยและทิศทางการเคลื่อนไหวของสิ่งเร้าในประชากรทั้งหมด ความไวของเซลล์ประสาทต่ำกว่าความไวทางจิตฟิสิกส์อย่างมีนัยสำคัญ แม้ว่าหน่วยที่ไวที่สุดจะจับคู่หรือเกินกว่าความไวของพฤติกรรมต่อสัญญาณการแบ่งกลุ่มก็ตามนอกจากนี้ยังมีความแปรปรวนร่วมที่สำคัญระหว่างความถี่ในการยิงและการรับรู้ ซึ่งบ่งชี้ว่าการส่งสัญญาณ MT มีบทบาทในการแบ่งส่วนเซลล์ที่มีการวางแนวที่ต้องการปรับความไวให้เหมาะสมต่อความแตกต่างของสัญญาณการแบ่งส่วนแบบแลตทิซ และมีแนวโน้มที่จะส่งสัญญาณการเคลื่อนไหวทั่วโลกในสิ่งเร้าด้วยการวางแนวเฉพาะที่หลายจุด ซึ่งแสดงให้เห็นถึงความสัมพันธ์การรับรู้สูงสุดในที่นี้เราจะพิจารณาปัญหาที่อาจเกิดขึ้นก่อนที่จะเปรียบเทียบผลลัพธ์เหล่านี้กับงานก่อนหน้า
ปัญหาสำคัญของการวิจัยโดยใช้สิ่งเร้าแบบบิสเทเบิลในแบบจำลองสัตว์คือการตอบสนองทางพฤติกรรมอาจไม่ได้ขึ้นอยู่กับมิติของความสนใจตัวอย่างเช่น ลิงของเราสามารถรายงานการรับรู้การวางแนวพื้นผิวโดยไม่ขึ้นกับการรับรู้การเชื่อมโยงกันของตาข่ายข้อมูลสองด้านชี้ให้เห็นว่าไม่เป็นเช่นนั้นประการแรก ตามรายงานก่อนหน้านี้ การเปลี่ยนมุมการวางแนวสัมพัทธ์ของส่วนประกอบอาร์เรย์ที่แยกจากกันทำให้โอกาสในการรับรู้สอดคล้องกันเปลี่ยนไปอย่างเป็นระบบประการที่สอง โดยเฉลี่ยแล้ว เอฟเฟกต์จะเหมือนกันสำหรับรูปแบบที่มีหรือไม่มีสัญญาณพื้นผิวเมื่อนำมารวมกัน ข้อสังเกตเหล่านี้ชี้ให้เห็นว่าการตอบสนองของลิงสะท้อนการรับรู้ถึงความเชื่อมโยง/ความโปร่งใสอย่างสม่ำเสมอ
ปัญหาที่อาจเกิดขึ้นอีกประการหนึ่งคือเราไม่ได้ปรับพารามิเตอร์การเคลื่อนที่ของตะแกรงให้เหมาะสมที่สุดสำหรับสถานการณ์เฉพาะในงานก่อนหน้านี้หลายชิ้นเปรียบเทียบความไวของเซลล์ประสาทและจิตฟิสิกส์ สิ่งเร้าถูกเลือกแยกกันสำหรับแต่ละหน่วยที่ลงทะเบียน [31, 32, 34, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45]ที่นี่เราใช้รูปแบบโครงตาข่ายในการเคลื่อนที่สองทิศทางเหมือนกันโดยไม่คำนึงถึงการปรับการวางแนวของแต่ละเซลล์การออกแบบนี้ช่วยให้เราสามารถศึกษาว่าความไวเปลี่ยนแปลงไปอย่างไรเมื่อมีการเหลื่อมกันระหว่างการเคลื่อนที่ของโครงตาข่ายและการวางแนวที่ต้องการ อย่างไรก็ตาม มันไม่ได้ให้พื้นฐานเบื้องต้นสำหรับการพิจารณาว่าเซลล์ชอบโครงตาข่ายที่เชื่อมโยงกันหรือโปร่งใสดังนั้นเราจึงอาศัยเกณฑ์เชิงประจักษ์ โดยใช้การตอบสนองของแต่ละเซลล์ต่อตาข่ายที่มีพื้นผิว เพื่อกำหนดการตั้งค่าและป้ายกำกับเป็นศูนย์ให้กับการเคลื่อนไหวของตาข่ายแต่ละประเภทแม้ว่าจะไม่น่าเป็นไปได้ แต่สิ่งนี้อาจบิดเบือนผลลัพธ์ของการวิเคราะห์ความไวและการตรวจจับสัญญาณ CP ของเราอย่างเป็นระบบ ซึ่งอาจประเมินการวัดใด ๆ สูงเกินไปอย่างไรก็ตาม การวิเคราะห์และข้อมูลที่กล่าวถึงด้านล่างหลายแง่มุมชี้ให้เห็นว่าไม่ใช่กรณีนี้
ประการแรก การกำหนดชื่อที่ต้องการ (null) ให้กับสิ่งเร้าที่กระตุ้นให้เกิดกิจกรรมมากขึ้น (น้อยลง) ไม่ส่งผลต่อความสามารถในการจำแนกความแตกต่างของการกระจายการตอบสนองเหล่านี้แต่จะทำให้แน่ใจว่าฟังก์ชันนิวโรเมตริกและไซโครเมตริกมีเครื่องหมายเดียวกันเท่านั้น จึงสามารถเปรียบเทียบได้โดยตรงประการที่สอง คำตอบที่ใช้ในการคำนวณ CP (การทดลองที่ "ผิด" สำหรับตะแกรงที่มีพื้นผิวและการทดลองทั้งหมดสำหรับตะแกรงที่ไม่มีคอนทราสต์ของพื้นผิว) ไม่รวมอยู่ในการวิเคราะห์การถดถอยที่กำหนดว่าแต่ละเซลล์ "ชอบ" การเชื่อมต่อหรือกีฬาโปร่งใสการดำเนินการนี้ทำให้มั่นใจได้ว่าเอฟเฟกต์การเลือกจะไม่เอนเอียงไปทางการกำหนดที่ต้องการ/ไม่ถูกต้อง ซึ่งส่งผลให้มีความน่าจะเป็นในการเลือกที่มีนัยสำคัญ
การศึกษาของ Newsom และเพื่อนร่วมงานของเขา [36, 39, 46, 47] เป็นครั้งแรกที่กำหนดบทบาทของ MT ในการประมาณทิศทางการเคลื่อนที่โดยประมาณรายงานต่อมาได้รวบรวมข้อมูลการมีส่วนร่วมของ MT ในเชิงลึก34,44,48,49,50,51 และความเร็ว32,52 การวางแนวที่ดี33 และการรับรู้โครงสร้าง 3 มิติจากการเคลื่อนไหว31,53,54 (ป่ายั่งยืน 3 มิติ)ในการปกครอง).เราขยายผลลัพธ์เหล่านี้ในสองวิธีที่สำคัญประการแรก เราแสดงหลักฐานว่าการตอบสนองของ MT มีส่วนช่วยในการแบ่งส่วนการรับรู้ของสัญญาณ visuomotorประการที่สอง เราสังเกตเห็นความสัมพันธ์ระหว่างการเลือกทิศทางของโหมด MT และสัญญาณการเลือกนี้
ตามแนวคิดแล้ว ผลลัพธ์ในปัจจุบันมีความคล้ายคลึงกับงานบน 3-D SFM มากที่สุด เนื่องจากทั้งคู่มีการรับรู้แบบบิสเทเบิลที่ซับซ้อนซึ่งเกี่ยวข้องกับการเคลื่อนไหวและลำดับความลึกDodd et al.31 พบความน่าจะเป็นในการเลือกจำนวนมาก (0.67) ในงานลิงที่รายงานการวางแนวการหมุนของทรงกระบอก 3D SFM แบบบิสเทเบิลเราพบเอฟเฟกต์การเลือกน้อยกว่ามากสำหรับสิ่งเร้าแบบกริดแบบบิสเทเบิล (ประมาณ 0.55 สำหรับลิงทั้งสอง)เนื่องจากการประเมิน CP ขึ้นอยู่กับค่าสัมประสิทธิ์การเลือก จึงเป็นเรื่องยากที่จะตีความ CP ที่ได้รับภายใต้เงื่อนไขที่แตกต่างกันในงานต่างๆอย่างไรก็ตาม ขนาดของเอฟเฟ็กต์การเลือกที่เราสังเกตได้จะเท่ากันสำหรับค่าความเปรียบต่างของพื้นผิวที่เป็นศูนย์และต่ำ และเมื่อเรารวมสิ่งเร้าที่มีคอนทราสต์พื้นผิวต่ำ/ไม่มีเพื่อเพิ่มพลังดังนั้น ความแตกต่างใน CP นี้ไม่น่าจะเกิดจากความแตกต่างของอัตราการเลือกระหว่างชุดข้อมูล
การเปลี่ยนแปลงเล็กน้อยของอัตราการยิง MT ที่มาพร้อมกับการรับรู้ในกรณีหลังนั้นดูน่าสับสนเมื่อเทียบกับสถานะการรับรู้ที่แตกต่างกันอย่างเข้มข้นและเชิงคุณภาพที่เกิดจากการกระตุ้น 3-D SFM และโครงสร้างกริดแบบ bistableความเป็นไปได้อย่างหนึ่งคือเราประเมินเอฟเฟกต์การเลือกต่ำเกินไปโดยการคำนวณอัตราการยิงตลอดระยะเวลาของการกระตุ้นตรงกันข้ามกับกรณีของ 31 3-D SFM ซึ่งความแตกต่างของกิจกรรม MT พัฒนาขึ้นประมาณ 250 มิลลิวินาทีในการทดลองและจากนั้นเพิ่มขึ้นเรื่อย ๆ ตลอดการทดลอง การวิเคราะห์ของเราเกี่ยวกับพลวัตทางโลกของสัญญาณการเลือก (ดู 500 มิลลิวินาทีหลังจากการกระตุ้นที่เริ่มมีอาการในลิงทั้งสอง นอกจากนี้ หลังจากเพิ่มขึ้นอย่างรวดเร็วในช่วงเวลานี้ เราสังเกตความผันผวนของ CP ในช่วงที่เหลือของการทดลอง Hupe และ Rubin55 รายงานว่าการรับรู้ของมนุษย์ต่ออาร์เรย์สี่เหลี่ยม bistable มักจะเปลี่ยนแปลงในระหว่างการทดลองที่ยาวนาน แม้ว่าสิ่งเร้าของเราจะถูกนำเสนอเพียง 1.5 วินาที แต่การรับรู้ของลิงของเราอาจแตกต่างกันไปจากการเชื่อมโยงกันไปจนถึงความโปร่งใสในระหว่างการทดลอง (การตอบสนองของพวกมันสะท้อนถึงการรับรู้ขั้นสุดท้ายเมื่อเลือกคิว) ดังนั้น เวอร์ชันเวลาตอบสนองของงานของเราหรือแผนที่จะให้ลิงรายงานการรับรู้อย่างต่อเนื่อง คาดว่าจะมีผลการเลือกที่มากกว่า ความเป็นไปได้ประการสุดท้ายคือสัญญาณ MT จะถูกอ่านแตกต่างกันในสองงาน แม้ว่าจะมีความเชื่อกันมานานแล้วว่าสัญญาณ CPU เป็นผลมาจากการถอดรหัสทางประสาทสัมผัส และเสียงรบกวนที่สัมพันธ์กัน Gu และเพื่อนร่วมงาน56 พบว่าในแบบจำลองการคำนวณ กลยุทธ์การรวมที่แตกต่างกัน แทนที่จะเป็นระดับของความแปรปรวนที่สัมพันธ์กัน สามารถอธิบาย CPU ในเซลล์ประสาทขมับสื่อหลังที่เหนือกว่าได้ดีกว่างานการรับรู้การวางแนวการเปลี่ยนแปลงแผ่นงาน (MSTd)ผลการเลือกที่น้อยลงที่เราสังเกตเห็นใน MT อาจสะท้อนถึงการรวมตัวที่กว้างขวางของเซลล์ประสาทที่ให้ข้อมูลต่ำจำนวนมากเพื่อสร้างการรับรู้ถึงการเชื่อมโยงกันหรือความโปร่งใสในกรณีใดๆ ที่สัญญาณการเคลื่อนไหวเฉพาะที่จะถูกจัดกลุ่มเป็นวัตถุหนึ่งหรือสองชิ้น (bistable gratings) หรือพื้นผิวที่แยกจากกันของวัตถุทั่วไป (3-D SFM) หลักฐานอิสระที่แสดงว่าการตอบสนองของ MT นั้นเกี่ยวข้องอย่างมีนัยสำคัญกับการตัดสินด้วยการรับรู้ มีการตอบสนองของ MT ที่แข็งแกร่งมีการเสนอให้มีบทบาทในการแบ่งส่วนของภาพที่ซับซ้อนออกเป็นฉากหลายวัตถุโดยใช้ข้อมูลการเคลื่อนไหวทางสายตา
ตามที่กล่าวไว้ข้างต้น เราเป็นคนแรกที่รายงานความสัมพันธ์ระหว่างกิจกรรมเซลลูล่าร์รูปแบบ MT และการรับรู้ตามที่ Movshon และเพื่อนร่วมงานกำหนดขึ้นในแบบจำลองสองขั้นตอนดั้งเดิม ยูนิตโหมดคือเอาต์พุตสเตจของ MTอย่างไรก็ตาม งานล่าสุดแสดงให้เห็นว่าเซลล์โหมดและคอมโพเนนต์เป็นตัวแทนของส่วนปลายที่แตกต่างกันของคอนตินิวอัม และความแตกต่างของพาราเมทริกในโครงสร้างของฟิลด์รับมีหน้าที่รับผิดชอบในการปรับสเปกตรัมของคอมโพเนนต์โหมดดังนั้นเราจึงพบความสัมพันธ์ที่สำคัญระหว่าง CP และ PI ซึ่งคล้ายกับความสัมพันธ์ระหว่างสมมาตรการปรับสองตาที่ไม่ตรงกันและ CP ในงานการจดจำเชิงลึกหรือการกำหนดค่าการตั้งค่าการวางแนวในงานการเลือกปฏิบัติแบบละเอียดความสัมพันธ์ระหว่างเอกสารกับ CP 33 .Wang และ Movshon62 วิเคราะห์เซลล์จำนวนมากที่มีการเลือกทิศทางของ MT และพบว่า โดยเฉลี่ยแล้ว ดัชนีของโหมดจะเชื่อมโยงกับคุณสมบัติการปรับแต่งหลายอย่าง ซึ่งบ่งชี้ว่าการเลือกโหมดมีอยู่ในสัญญาณประเภทอื่นๆ มากมายที่สามารถอ่านได้จากประชากร MT.ดังนั้น สำหรับการศึกษาความสัมพันธ์ระหว่างกิจกรรม MT และการรับรู้เชิงอัตนัยในอนาคต สิ่งสำคัญคือต้องพิจารณาว่าดัชนีรูปแบบสัมพันธ์กันในลักษณะเดียวกันกับงานอื่นๆ และสัญญาณการเลือกสิ่งกระตุ้นหรือไม่ หรือว่าความสัมพันธ์นี้เฉพาะเจาะจงกับกรณีของการแบ่งส่วนการรับรู้
ในทำนองเดียวกัน Nienborg และ Cumming 42 พบว่าแม้ว่าเซลล์ระยะใกล้และไกลที่เลือกได้สำหรับกล้องส่องทางไกลที่ไม่ตรงกันใน V2 จะมีความไวเท่ากันในงานการแยกแยะเชิงลึกอย่างไรก็ตาม การฝึกลิงขึ้นใหม่ให้มีน้ำหนักต่างกันเป็นพิเศษส่งผลให้ค่า CP อย่างมีนัยสำคัญในกรงที่ได้รับความนิยมมากกว่าการศึกษาอื่น ๆ ได้รายงานด้วยว่าประวัติการฝึกอบรมขึ้นอยู่กับความสัมพันธ์ทางการรับรู้หรือความสัมพันธ์เชิงสาเหตุระหว่างกิจกรรม MT และการเลือกปฏิบัติที่แตกต่างกันความสัมพันธ์ที่เราสังเกตเห็นระหว่างการเลือกทิศทางของ CP และสูตรอาหารน่าจะสะท้อนถึงกลยุทธ์เฉพาะที่ลิงใช้ในการแก้ปัญหาของเรา และไม่ใช่บทบาทเฉพาะของสัญญาณการเลือกโหมดในการรับรู้ด้วยสายตาและมอเตอร์ในการทำงานในอนาคต สิ่งสำคัญคือต้องพิจารณาว่าประวัติการเรียนรู้มีผลกระทบอย่างมีนัยสำคัญต่อการพิจารณาว่าสัญญาณ MT ใดมีน้ำหนักเป็นพิเศษและยืดหยุ่นหรือไม่ เพื่อทำการตัดสินแบ่งกลุ่ม
Stoner และเพื่อนร่วมงานเป็นคนแรกที่รายงานว่าการเปลี่ยนแปลงความสว่างของพื้นที่กริดที่ทับซ้อนกันส่งผลต่อการเชื่อมโยงกันและความโปร่งใสของรายงานของผู้สังเกตการณ์ของมนุษย์และการปรับทิศทางในเซลล์ประสาท MT ของลิงแสมผู้เขียนพบว่าเมื่อความสว่างของบริเวณที่ทับซ้อนกันตรงกับความโปร่งใสทางกายภาพ ผู้สังเกตการณ์รายงานการรับรู้ที่โปร่งใสมากขึ้น ในขณะที่เซลล์ประสาท MT ส่งสัญญาณการเคลื่อนไหวของส่วนประกอบแรสเตอร์ในทางกลับกัน เมื่อความสว่างที่ทับซ้อนกันและการทับซ้อนแบบโปร่งใสไม่เข้ากันทางกายภาพ ผู้สังเกตจะรับรู้การเคลื่อนไหวที่สอดคล้องกัน และเซลล์ประสาท MT จะส่งสัญญาณการเคลื่อนไหวทั่วโลกของรูปแบบดังนั้น การศึกษาเหล่านี้แสดงให้เห็นว่าการเปลี่ยนแปลงทางกายภาพของสิ่งเร้าทางสายตาที่มีอิทธิพลต่อรายงานการแบ่งกลุ่มที่เชื่อถือได้ยังทำให้เกิดการเปลี่ยนแปลงที่คาดการณ์ได้ในการปลุกเร้า MTงานล่าสุดในพื้นที่นี้ได้สำรวจว่าสัญญาณ MT ใดติดตามลักษณะการรับรู้ของสิ่งเร้าที่ซับซ้อน18,24,64ตัวอย่างเช่น เซตย่อยของเซลล์ประสาท MT ได้รับการแสดงเพื่อแสดงการปรับ bimodal เป็นแผนที่การเคลื่อนที่แบบจุดสุ่ม (RDK) โดยมีสองทิศทางที่มีระยะห่างน้อยกว่า RDK แบบทิศทางเดียวแบนด์วิดธ์ของการปรับจูนเซลลูล่าร์ 19, 25 .ผู้สังเกตการณ์มักจะเห็นรูปแบบแรกเป็นการเคลื่อนไหวที่โปร่งใส แม้ว่าเซลล์ประสาท MT ส่วนใหญ่จะแสดงการปรับตัวแบบเดียวเพื่อตอบสนองต่อสิ่งเร้าเหล่านี้ และค่าเฉลี่ยอย่างง่ายของเซลล์ MT ทั้งหมดจะให้การตอบสนองของประชากรแบบเดียวดังนั้น เซตย่อยของเซลล์ที่แสดงการปรับแต่งแบบ bimodal อาจก่อตัวเป็นซับสเตรตของระบบประสาทสำหรับการรับรู้นี้ที่น่าสนใจคือในลิงมาร์โมเซ็ต ประชากรกลุ่มนี้จับคู่เซลล์ PDS เมื่อทดสอบโดยใช้กริดและกริดแบบธรรมดา
ผลลัพธ์ของเราไปไกลกว่าข้างต้นหนึ่งขั้น ซึ่งมีความสำคัญอย่างยิ่งต่อการสร้างบทบาทของ MT ในการแบ่งส่วนการรับรู้ในความเป็นจริงการแบ่งส่วนเป็นปรากฏการณ์ส่วนตัวการแสดงภาพแบบ polystable จำนวนมากแสดงให้เห็นถึงความสามารถของระบบการมองเห็นในการจัดระเบียบและตีความสิ่งเร้าที่ต่อเนื่องกันมากกว่าหนึ่งวิธีการรวบรวมการตอบสนองของระบบประสาทและรายงานการรับรู้พร้อมกันในการศึกษาของเราทำให้เราสามารถสำรวจความแปรปรวนร่วมระหว่างอัตราการยิง MT และการตีความการรับรู้ของการกระตุ้นอย่างต่อเนื่องหลังจากแสดงให้เห็นถึงความสัมพันธ์นี้ เรารับทราบว่ายังไม่มีการกำหนดทิศทางของสาเหตุ กล่าวคือ จำเป็นต้องมีการทดลองเพิ่มเติมเพื่อพิจารณาว่าสัญญาณของการแบ่งส่วนการรับรู้ที่เราสังเกตนั้นเป็นไปตามที่บางคนโต้แย้ง [65, 66, 67] โดยอัตโนมัติหรือไม่กระบวนการนี้แสดงสัญญาณจากมากไปน้อยอีกครั้งที่กลับมาที่คอร์เทกซ์รับความรู้สึกจากพื้นที่ที่สูงขึ้น 68, 69, 70 (รูปที่ 8)รายงานเกี่ยวกับสัดส่วนที่มากขึ้นของเซลล์ที่เลือกรูปแบบใน MSTd71 ซึ่งเป็นหนึ่งในเป้าหมายหลักของเปลือกนอกของ MT แนะนำว่าการขยายการทดลองเหล่านี้ให้รวมการบันทึก MT และ MSTd พร้อมกันจะเป็นก้าวแรกที่ดีในการทำความเข้าใจเพิ่มเติมเกี่ยวกับกลไกประสาทของการรับรู้การแบ่งส่วน
แบบจำลองสองขั้นตอนของการเลือกการวางแนวของส่วนประกอบและโหมด และผลกระทบที่อาจเกิดขึ้นจากความคิดเห็นจากบนลงล่างเกี่ยวกับกิจกรรมที่เกี่ยวข้องกับตัวเลือกในการแปลด้วยคอมพิวเตอร์ในที่นี้ การเลือกทิศทางของโหมด (PDS – “P”) ในขั้นตอน MT ถูกสร้างขึ้นโดย (i) ตัวอย่างขนาดใหญ่ของข้อมูลอินพุตสำหรับการเลือกทิศทางที่สอดคล้องกับความเร็วของโหมดเฉพาะ และ (ii) การระงับการปรับแต่งที่รุนแรงคอมโพเนนต์แบบเลือกทิศทาง (CDS) ของสเตจ MT (“C”) มีช่วงการสุ่มตัวอย่างแคบในทิศทางอินพุตและไม่มีการระงับการปรับแต่งมากนักการยับยั้งที่ไม่ได้ปรับแต่งทำให้สามารถควบคุมประชากรทั้งสองได้ลูกศรสีระบุการวางแนวอุปกรณ์ที่ต้องการเพื่อความชัดเจน จะมีการแสดงเฉพาะส่วนย่อยของการเชื่อมต่อ V1-MT และโหมดคอมโพเนนต์หนึ่งโหมดและช่องเลือกการวางแนวเท่านั้นในบริบทของการตีความผลการป้อนไปข้างหน้า (FF) ของเรา การตั้งค่าอินพุตที่กว้างขึ้นและการยับยั้งการปรับที่เข้มงวด (เน้นด้วยสีแดง) ในเซลล์ PDS ทำให้เกิดความแตกต่างอย่างมากในกิจกรรมเพื่อตอบสนองต่อรูปแบบการเคลื่อนไหวที่หลากหลายในปัญหาการแบ่งกลุ่มของเรา กลุ่มนี้ขับเคลื่อนห่วงโซ่การตัดสินใจและบิดเบือนการรับรู้ในทางตรงกันข้าม ในกรณีของการป้อนกลับ (FB) การตัดสินใจเชิงรับรู้จะถูกสร้างขึ้นในวงจรอัปสตรีมโดยข้อมูลทางประสาทสัมผัสและอคติทางการรับรู้ และผลกระทบที่มากขึ้นของ FB ดาวน์สตรีมบนเซลล์ PDS (เส้นหนา) จะสร้างสัญญาณการเลือกb การแสดงแผนผังของอุปกรณ์ CDS และ PDS รุ่นอื่นในที่นี้ สัญญาณ PDS ใน MT ไม่ได้สร้างขึ้นจากอินพุตโดยตรงของ V1 เท่านั้น แต่ยังสร้างโดยอินพุตทางอ้อมของเส้นทาง V1-V2-MTเส้นทางทางอ้อมของโมเดลได้รับการปรับเพื่อให้การเลือกขอบเขตของพื้นผิว (พื้นที่ซ้อนทับของกริด)โมดูล MT เลเยอร์ CDS ทำการรวมน้ำหนักของอินพุตโดยตรงและโดยอ้อม และส่งเอาต์พุตไปยังโมดูล PDSPDS ถูกควบคุมโดยการยับยั้งการแข่งขันอีกครั้ง แสดงเฉพาะการเชื่อมต่อที่จำเป็นในการวาดสถาปัตยกรรมพื้นฐานของแบบจำลองที่นี่ กลไก FF ที่แตกต่างจากที่เสนอใน a อาจนำไปสู่ความแปรปรวนที่มากขึ้นในการตอบสนองของโครงตาข่ายเซลลูล่าร์ต่อ PDS ซึ่งนำไปสู่ความเอนเอียงในรูปแบบการตัดสินใจอีกครั้งอีกทางเลือกหนึ่ง CP ที่มากขึ้นในเซลล์ PDS อาจยังคงเป็นผลมาจากความเอนเอียงในความแข็งแรงหรือประสิทธิภาพของการแนบ FB กับเซลล์ PDSหลักฐานสนับสนุนแบบจำลอง MT PDS สองและสามขั้นตอนและการตีความ CP FF และ FB
ลิงแสมที่โตเต็มวัยสองตัว (macaca mulatta) ตัวผู้หนึ่งตัวและตัวเมียหนึ่งตัว (อายุ 7 และ 5 ปีตามลำดับ) ซึ่งมีน้ำหนักตั้งแต่ 4.5 ถึง 9.0 กิโลกรัมถูกนำมาใช้เป็นวัตถุในการศึกษาก่อนการทดลองผ่าตัดปลอดเชื้อ สัตว์ได้รับการปลูกฝังด้วยห้องบันทึกที่ทำขึ้นเองสำหรับอิเล็กโทรดแนวตั้งที่เข้าใกล้พื้นที่ MT ขาตั้งพนักพิงศีรษะสแตนเลส (Crist Instruments, Hagerstown, MD) และตำแหน่งตาด้วยขดลวดค้นหา scleral ที่วัดได้(คูเนอร์ไวร์ ซานดิเอโก แคลิฟอร์เนีย)โปรโตคอลทั้งหมดสอดคล้องกับกฎระเบียบของกระทรวงเกษตรของสหรัฐอเมริกา (USDA) และแนวทางปฏิบัติของสถาบันสุขภาพแห่งชาติ (NIH) สำหรับการดูแลอย่างมีมนุษยธรรมและการใช้สัตว์ทดลอง และได้รับการอนุมัติจากคณะกรรมการการดูแลและการใช้สัตว์ประจำสถาบันของมหาวิทยาลัยชิคาโก (IAUKC)
สิ่งเร้าทางสายตาทั้งหมดถูกนำเสนอในรูรับแสงทรงกลมตัดกับพื้นหลังสีดำหรือสีเทาในระหว่างการบันทึก ตำแหน่งและเส้นผ่านศูนย์กลางของรูนี้ได้รับการปรับให้สอดคล้องกับสนามรับแสงแบบคลาสสิกของเซลล์ประสาทที่ปลายอิเล็กโทรดเราใช้สิ่งเร้าที่มองเห็นได้กว้างๆ สองประเภท: สิ่งเร้าทางจิตและการปรับสิ่งเร้า
สิ่งเร้าทางไซโคเมทริกคือรูปแบบตะแกรง (20 cd/m2, คอนทราสต์ 50%, รอบการทำงาน 50%, 5 องศา/วินาที) ที่สร้างขึ้นโดยการซ้อนตะแกรงสี่เหลี่ยมสองอันที่ลอยอยู่ในทิศทางที่ตั้งฉากกับทิศทางของมัน (รูปที่ 1b)ก่อนหน้านี้แสดงให้เห็นว่าผู้สังเกตการณ์ที่เป็นมนุษย์รับรู้รูปแบบกริดเหล่านี้ว่าเป็นสิ่งเร้าแบบบิสเทเบิล บางครั้งเป็นรูปแบบเดียวที่เคลื่อนที่ไปในทิศทางเดียวกัน (การเคลื่อนไหวที่สอดคล้องกัน) และบางครั้งเป็นพื้นผิวสองแบบที่แยกจากกันซึ่งเคลื่อนที่ในทิศทางที่ต่างกัน (การเคลื่อนที่แบบโปร่งใส)ส่วนประกอบของรูปแบบแลตทิซ วางแบบสมมาตร – มุมระหว่างแลตทิซอยู่ที่ 95° ถึง 130° (ดึงจากชุด: 95°, 100°, 105°, 115°, 120°, 125°, 130°° ตลอดเซสชัน เซลล์ประสาทมุมแยกที่ 115° ไม่ได้ถูกรักษาไว้ แต่เรารวมข้อมูลทางจิตเวชไว้ที่นี่) – ประมาณ 90° หรือ 2 70° (การวางแนวรูปแบบ)ในแต่ละช่วงจะใช้เพียงมุมหนึ่งของโครงตาข่ายขัดแตะเท่านั้นในแต่ละเซสชัน การวางแนวของรูปแบบสำหรับการทดลองแต่ละครั้งจะถูกสุ่มเลือกจากสองความเป็นไปได้
เพื่อแยกแยะการรับรู้ของเส้นตารางและให้พื้นฐานเชิงประจักษ์สำหรับรางวัลสำหรับการกระทำ เราแนะนำพื้นผิวจุดสุ่มในแถบแสงขั้นตอนที่ 72 ขององค์ประกอบตารางแต่ละรายการสิ่งนี้ทำได้โดยการเพิ่มหรือลด (ตามจำนวนคงที่) ความสว่างของชุดย่อยของพิกเซลที่เลือกแบบสุ่ม (รูปที่ 1c)ทิศทางของการเคลื่อนที่ของพื้นผิวให้สัญญาณแรงที่เปลี่ยนการรับรู้ของผู้สังเกตไปสู่การเคลื่อนไหวที่สอดคล้องกันหรือโปร่งใส (รูปที่ 1c)ภายใต้เงื่อนไขที่สอดคล้องกัน พื้นผิวทั้งหมด โดยไม่คำนึงถึงส่วนประกอบของโครงตาข่ายพื้นผิวจะถูกแปลไปในทิศทางของรูปแบบ (รูปที่ 1c, สอดคล้องกัน)ในสถานะโปร่งใส พื้นผิวจะเคลื่อนที่ในแนวตั้งฉากกับทิศทางของตะแกรงที่ปกคลุม (รูปที่ 1c โปร่งใส) (ภาพยนตร์เสริม 1)เพื่อควบคุมความซับซ้อนของงาน ในเซสชั่นส่วนใหญ่ คอนทราสต์ของ Michelson (Lmax-Lmin/Lmax+Lmin) สำหรับเครื่องหมายพื้นผิวนี้จะแตกต่างกันไปจากชุดของ (-80, -40, -20, -10, -5, 0, 5), 10, 20, 40, 80).คอนทราสต์ถูกกำหนดให้เป็นความสว่างสัมพัทธ์ของแรสเตอร์ (ดังนั้น ค่าคอนทราสต์ 80% จะส่งผลให้พื้นผิวเป็น 36 หรือ 6 cd/m2)สำหรับ 6 เซสชันในลิง N และ 5 เซสชันในลิง S เราใช้ช่วงคอนทราสต์ของพื้นผิวที่แคบลง (-30, -20, -15, -10, -5, 0, 5, 10, 15, 20, 30) โดยที่ลักษณะทางจิตกายภาพเป็นไปตามรูปแบบเดียวกับคอนทราสต์แบบเต็มช่วง แต่ไม่มีความอิ่มตัว
การปรับจูนสิ่งเร้าคือกริดไซน์ (คอนทราสต์ 50%, 1 รอบ/องศา, 5 องศา/วินาที) ซึ่งเคลื่อนที่ในทิศทางใดทิศทางหนึ่งจาก 16 ทิศทางที่มีระยะห่างเท่าๆ กัน หรือกริดไซน์ที่เคลื่อนที่ในทิศทางเหล่านี้ (ประกอบด้วยมุม 135° ตรงข้ามกัน 2 มุมซ้อนทับกัน)ไปในทิศทางเดียวกันของรูปแบบ