探索特征维度图在视觉认知中的作用:显着性水平的影响(实验 1.1)
探索特征维度图在视觉认知中的作用:Expt 1.1
人们如何知道在场景中应该看什么? 想象一下“威利在哪里”游戏 - 找到威利是一项挑战,因为图片中有许多“显着”位置,每个位置都在争夺人们的注意力。 人们在某一时刻只能注意到图片上的一个小位置,因此要找到 Waldo,人们需要将注意力引导到不同的位置。 关于如何实现这一目标的一个著名理论声称,重要位置是根据不同的特征类型(例如运动或颜色)来识别的,与最有可能被关注的背景相比,位置最独特。 该理论的一个重要组成部分是,各个特征维度(同样是颜色或运动)是在它们自己的“特征图”内计算的,这些特征图被认为是在特定的大脑区域中实现的。 然而,特定的大脑区域是否以及如何对这些特征图做出贡献仍然未知。
这项研究的目的是确定对不同特征类型(颜色和运动)做出强烈反应以及编码视觉刺激空间位置的大脑区域如何根据刺激属性(包括特征对比度)提取“特征维度图”。 研究人员假设特征选择性大脑区域充当神经特征维度图,从而根据其偏好的特征维度对显着位置的表示进行编码。 研究人员将在重复测量设计中使用功能性磁共振成像 (fMRI) 扫描健康的人类参与者,同时观察基于不同特征维度组合的显着视觉刺激。 研究人员将采用最先进的多变量分析技术,使他们能够重建每个大脑区域编码的刺激表示的“图像”,以剖析神经组织如何识别显着位置。 每个参与者将在屏幕中心执行一项具有挑战性的任务,以确保他们保持眼睛静止并忽略外围呈现的刺激,这些刺激用于衡量视觉系统如何自动提取重要位置,而不会混淆眼球运动等因素。 在试验和实验中,研究人员将操纵 1)基于显着刺激与背景相比的显着位置的“强度”,2)显着位置的数量,以及 3)用于让每个位置都突出。 总而言之,这些操作将帮助研究人员充分理解健康人类视觉系统中的这些关键显着性计算。
研究概览
详细说明
在这个实验中,参与者将在重复测量设计中参与所有任务条件。 参与者不会被随机分配到不同的组中,因为所有参与者都会经历相同的实验操作。 在这个实验中,参与者将参与一系列具有挑战性的视觉注意力任务,同时在功能磁共振成像扫描期间跟踪他们的眼睛位置。
在所有任务中,参与者将根据注视点处出现的刺激来执行具有挑战性的辨别判断(辨别a + 目标的纵横比 - 宽还是高?)。 按下按钮即可记录行为反应,参与者将使用右手握住的功能磁共振成像兼容按钮盒进行记录。
在这个实验中,研究人员将操纵刺激显示的各个方面,同时保持行为任务不变。 这些操作将使研究人员能够测试特征选择性视网膜主题感兴趣区域 (ROI) 在自动从环境中提取显着信息以引导视觉注意力方面的作用。
在本实验(实验 1.1)中,研究人员将测试改变视觉刺激显示的显着性定义特征对根据特征选择性视网膜专题 ROI 中的 fMRI 激活模式重建的刺激表示的影响。 参与者将持续执行具有挑战性的注视辨别任务,同时偶尔出现显着刺激。 刺激将包括闪烁的棋盘、具有不同颜色点的局部显着斑块的静态彩色点域,以及具有沿不同方向移动的局部显着斑块的移动灰度点域。 猕猴视觉皮层中的单个神经元已被证明能够对显着刺激做出反应,因此研究人员希望根据这些先前的研究,在从特征选择性大脑区域测量的反应模式中看到显着刺激位置的实质性表征。
参与者还将接受解剖学和视网膜专题图扫描,这将使研究人员能够识别大脑区域,以便使用完善的标准化程序进行进一步分析。
统计设计与功效
本研究记录中描述的功能磁共振成像研究采用空间位置的反向编码模型 (IEM),根据视网膜专题特征选择性 ROI 中测量的激活模式来量化视野重建空间图中的刺激表示。 研究人员使用独立的视网膜专题映射和定位技术严格识别 ROI,并使用“映射”任务来估计“固定”编码模型,以便在每个实验报告的所有条件下使用。 这些设计决策确保研究人员能够最大限度地检测其感兴趣的操作对个体参与者和大脑区域的影响,并最大限度地提高统计能力。 研究人员在个体参与者的几个实验和刺激条件的深度成像与这些深度成像参与者的中等样本(n = 10;见下文)的数据汇总之间进行了折衷。 这使得研究人员能够在个体参与者的任务和刺激操作中获得基于模型的刺激表征的高质量、可重复的估计,并对整个研究样本的这些测量结果进行统计推断。
功能磁共振成像分析将在每个参与者的个人大脑内进行,体素根据独立标准(功能性视网膜专题图)分配“区域”标签。 因此,不存在需要对参与者之间的脑组织进行精确对准的比较,并且不生成大脑激活的组平均“图”。 因此,对脑图可重复性和相关统计功效的担忧与本研究设计无关。
该研究的统计设计是重复测量设计,每个参与者都会受到研究中的所有操作的影响。 每个参与者经历的操作顺序在参与者之间是随机的。 研究人员将对所有统计比较采用非参数随机化检验,从而使用“洗牌”数据(相对于每次试验的测量图激活的未对齐条件标签)进行假设检验(例如,重复测量方差分析)以生成零分布在自变量没有影响的原假设下的检验统计量。 每次测试广泛重复此过程(1,000 次)后,可以通过将使用完整标签计算的测试统计量与此零分布进行比较来估计 p 值,并根据需要对多重比较进行校正(例如,通过错误发现率)。 使用排列过程生成零分布可以最大限度地减少对参数假设的依赖。
此外,研究中的实验经过精心设计,可获取足够的数据,以便使用每个参与者的数据来测试感兴趣的效果。 因此,每个参与者可以被认为是每个其他参与者的独立“复制”。 先前的研究采用了类似的方法,即在条件之间比较基于 IEM 的视觉刺激重建,并采用相对较小的样本量(n = 8;n = 8;n = 7)。 其他使用群体感受野模型或特定位置功能定位器的研究原则上与此处采用的方法非常相似,但使用了较小的样本量(例如,n = 6)。
样本量和统计功效:
在这项研究中,研究人员将获取每个任务条件下包含大量数据的中间样本量(n = 10;每个参与者进行 2 次实验性 fMRI 会话,每次 1.5-2 小时;以及 2 小时的解剖成像和视网膜专题映射 fMRI会议)。 特别有趣的是,一项研究使用 n = 6 名参与者,以大效应大小 dz = 3.52 确定,V1 体素调谐到刺激位置,其中由特征对比度定义的显着刺激比不存在特征对比度时响应更强烈。 在另一项研究中,该小组在称为 hV4 的颜色选择性 ROI 中报告了类似的效果大小(n = 6;对于基于方向和基于运动的对比度,dz 分别 = 1.06 和 1.80)。
因此,假设保守效应大小为 0.90(基于之前报告的结果),研究人员预计 n = 10 的样本大小将使该研究能够有效(80%,α = 0.05)检测到类似的变化这个实验(实验1.1),与本研究(单尾配对T检验)最相似。
此外,研究人员使用他们的试点数据 (n = 3) 来测量特征选择区域之间的显着性相关调制之间的关键比较的效果大小,对于显着性定义特征,dz = 3.10。 这些值与上面引用的值相当,并进一步支持样本量的选择。 如果对进一步试点测试和实验细化过程中获得的数据进行分析表明效应规模较小,研究人员将完善功效分析并相应调整预计的入组人数,以确保稳健且可重复的结果。 请注意,此功效分析依赖于参数假设,而所提出的分析不需要这些参数假设,该分析调用随机化方法来计算经验零分布。
研究类型
注册 (实际的)
阶段
- 不适用
联系人和位置
学习地点
-
-
California
-
Santa Barbara、California、美国、93117
- University of California, Santa Barbara
-
-
参与标准
资格标准
适合学习的年龄
- 成人
接受健康志愿者
描述
纳入标准:
- 18岁至55岁之间
- 正常或矫正至正常视力
排除标准:
- 基于自我报告的神经系统疾病
- 植入医疗设备(例如心脏起搏器;金属动脉瘤夹)
- 不可移除的金属穿孔
- 体内的金属碎片(例如焊接产生的)
- 怀孕并有机会怀孕(如果是女性)
- 幽闭恐惧症史
- 听力损失/损伤史
学习计划
研究是如何设计的?
设计细节
- 主要用途:基础科学
- 分配:不适用
- 介入模型:单组作业
- 屏蔽:无(打开标签)
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的:分级特征显着性的操作(Expt 1.1)
参与者将看到基于一个特征维度(颜色或运动方向;或棋盘亮度对比度)的特征对比度而突出的刺激。
将根据多个值之间的特征对比度来操纵位置的显着程度
|
用于定义显着位置的特征将在不同的试验中有所不同(棋盘对比度;运动方向;色调)
显着位置的大小将在不同试验中发生变化,独立于显着定义特征(基于特征对比度)
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
血氧水平依赖性 (BOLD) fMRI 信号
大体时间:通过学习完成,平均两周
|
研究人员将使用从每个视网膜专题 ROI 测量的 BOLD 激活模式来拟合空间编码的定量模型。
这些模型将用于重建实验试验中的刺激表征,以量化刺激表征在所研究的每个大脑区域中的编码方式,以及这些表征在实验操作中如何变化。
这些测量将用于测试刺激操作对不同大脑区域的刺激表征的影响。
|
通过学习完成,平均两周
|
|
凝视位置
大体时间:通过学习完成,平均两周
|
研究人员将使用测量的 (x,y) 坐标中的注视位置来验证整个实验过程中的稳定注视。
固定性能较差的试验可能会被排除在进一步分析之外。
|
通过学习完成,平均两周
|
|
行为反应(按下按钮)
大体时间:通过学习完成,平均两周
|
在所有试验中,参与者将被指示仔细注意注视点,并通过按下扫描仪内手中的两个按钮之一来报告目标“+”的形状(宽或高)。
左侧按钮将指示宽;右侧按钮将指示高。
研究人员将通过评估参与者行为反应的准确性来确保参与者按照指示执行任务。
|
通过学习完成,平均两周
|
合作者和调查者
调查人员
- 首席研究员:Tommy C Sprague、University of California, Santa Barbara
出版物和有用的链接
一般刊物
- Laumann TO, Gordon EM, Adeyemo B, Snyder AZ, Joo SJ, Chen MY, Gilmore AW, McDermott KB, Nelson SM, Dosenbach NU, Schlaggar BL, Mumford JA, Poldrack RA, Petersen SE. Functional System and Areal Organization of a Highly Sampled Individual Human Brain. Neuron. 2015 Aug 5;87(3):657-70. doi: 10.1016/j.neuron.2015.06.037. Epub 2015 Jul 23.
- Mackey WE, Winawer J, Curtis CE. Visual field map clusters in human frontoparietal cortex. Elife. 2017 Jun 19;6:e22974. doi: 10.7554/eLife.22974.
- Hallenbeck GE, Sprague TC, Rahmati M, Sreenivasan KK, Curtis CE. Working memory representations in visual cortex mediate distraction effects. Nat Commun. 2021 Aug 5;12(1):4714. doi: 10.1038/s41467-021-24973-1.
- Sprague TC, Itthipuripat S, Vo VA, Serences JT. Dissociable signatures of visual salience and behavioral relevance across attentional priority maps in human cortex. J Neurophysiol. 2018 Jun 1;119(6):2153-2165. doi: 10.1152/jn.00059.2018. Epub 2018 Feb 28.
- Sprague TC, Adam KCS, Foster JJ, Rahmati M, Sutterer DW, Vo VA. Inverted Encoding Models Assay Population-Level Stimulus Representations, Not Single-Unit Neural Tuning. eNeuro. 2018 Jun 5;5(3):ENEURO.0098-18.2018. doi: 10.1523/ENEURO.0098-18.2018. eCollection 2018 May-Jun. No abstract available.
- Sprague TC, Boynton GM, Serences JT. The Importance of Considering Model Choices When Interpreting Results in Computational Neuroimaging. eNeuro. 2019 Dec 20;6(6):ENEURO.0196-19.2019. doi: 10.1523/ENEURO.0196-19.2019. Print 2019 Nov/Dec.
- Allen EJ, St-Yves G, Wu Y, Breedlove JL, Prince JS, Dowdle LT, Nau M, Caron B, Pestilli F, Charest I, Hutchinson JB, Naselaris T, Kay K. A massive 7T fMRI dataset to bridge cognitive neuroscience and artificial intelligence. Nat Neurosci. 2022 Jan;25(1):116-126. doi: 10.1038/s41593-021-00962-x. Epub 2021 Dec 16.
- Fedorenko E. The early origins and the growing popularity of the individual-subject analytic approach in human neuroscience. Current Opinion in Behavioral Sciences. 2021; 40:105-112.
- Naselaris T, Allen E, Kay K. Extensive sampling for complete models of individual brains. Current Opinion in Behavioral Sciences. 2021; 40:45-51.
- Poldrack RA. Diving into the deep end: a personal reflection on the MyConnectome study. Current Opinion in Behavioral Sciences. 2021; 40:1-4.
- Pritschet L, Taylor CM, Santander T, Jacobs EG. Applying dense-sampling methods to reveal dynamic endocrine modulation of the nervous system. Curr Opin Behav Sci. 2021 Aug;40:72-78. doi: 10.1016/j.cobeha.2021.01.012. Epub 2021 Feb 25.
- Gratton C, Nelson SM, Gordon EM. Brain-behavior correlations: Two paths toward reliability. Neuron. 2022 May 4;110(9):1446-1449. doi: 10.1016/j.neuron.2022.04.018.
- Smith PL, Little DR. Small is beautiful: In defense of the small-N design. Psychon Bull Rev. 2018 Dec;25(6):2083-2101. doi: 10.3758/s13423-018-1451-8.
- Sprague TC, Serences JT. Attention modulates spatial priority maps in the human occipital, parietal and frontal cortices. Nat Neurosci. 2013 Dec;16(12):1879-87. doi: 10.1038/nn.3574. Epub 2013 Nov 10.
- Itthipuripat S, Vo VA, Sprague TC, Serences JT. Value-driven attentional capture enhances distractor representations in early visual cortex. PLoS Biol. 2019 Aug 9;17(8):e3000186. doi: 10.1371/journal.pbio.3000186. eCollection 2019 Aug.
- Poltoratski S, Tong F. Resolving the Spatial Profile of Figure Enhancement in Human V1 through Population Receptive Field Modeling. J Neurosci. 2020 Apr 15;40(16):3292-3303. doi: 10.1523/JNEUROSCI.2377-19.2020. Epub 2020 Mar 5.
- Poltoratski S, Ling S, McCormack D, Tong F. Characterizing the effects of feature salience and top-down attention in the early visual system. J Neurophysiol. 2017 Jul 1;118(1):564-573. doi: 10.1152/jn.00924.2016. Epub 2017 Apr 5.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
与本研究相关的术语
其他研究编号
- 5-23-0569: 1.1
- R01EY035300 (美国 NIH 拨款/合同)
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)?
IPD 计划说明
IPD 共享时间框架
IPD 共享访问标准
IPD 共享支持信息类型
- 研究方案
- 树液
- 国际碳纤维联合会
- 分析代码
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.