Nature.com သို့ ဝင်ရောက်ကြည့်ရှုသည့်အတွက် ကျေးဇူးတင်ပါသည်။ သင်အသုံးပြုနေသော browser ဗားရှင်းတွင် CSS ပံ့ပိုးမှု အကန့်အသတ်ရှိသည်။ အကောင်းဆုံးအတွေ့အကြုံအတွက်၊ အပ်ဒိတ်လုပ်ထားသော browser ကို အသုံးပြုရန် (သို့မဟုတ် Internet Explorer ရှိ Compatibility Mode ကို ပိတ်ရန်) အကြံပြုအပ်ပါသည်။ ထိုအတောအတွင်း၊ ဆက်လက်ပံ့ပိုးမှုရရှိစေရန်အတွက်၊ ကျွန်ုပ်တို့သည် ဆိုက်ကို styles နှင့် JavaScript မပါဘဲ render လုပ်ပါမည်။
ဆလိုက်သုံးခုကို တစ်ပြိုင်နက်တည်းပြသသည့် carousel တစ်ခု။ တစ်ပြိုင်နက်တည်း ဆလိုက်သုံးခုကို ရွှေ့ရန် Previous နှင့် Next ခလုတ်များကို အသုံးပြုပါ၊ သို့မဟုတ် အဆုံးရှိ slider ခလုတ်များကို အသုံးပြု၍ တစ်ပြိုင်နက်တည်း ဆလိုက်သုံးခုကို ရွှေ့ပါ။
မြင့်မားသော resolution ရှိသည့် အမြင်အာရုံသည် အရာဝတ္ထုဂုဏ်သတ္တိများကို ပြန်လည်တည်ဆောက်ရန်အတွက် retinal sampling နှင့် integration ကောင်းမွန်သော အစိတ်အပိုင်းများ လိုအပ်ပါသည်။ မတူညီသော အရာဝတ္ထုများမှ ဒေသဆိုင်ရာ နမူနာများကို ရောနှောသောအခါ တိကျမှု ဆုံးရှုံးသွားကြောင်း မှတ်သားထားရန် အရေးကြီးပါသည်။ ထို့ကြောင့်၊ သီးခြားလုပ်ဆောင်မှုအတွက် ရုပ်ပုံ၏ ဧရိယာများကို အုပ်စုဖွဲ့ခြင်းဖြစ်သည့် segmentation သည် အာရုံခံနိုင်စွမ်းအတွက် အလွန်အရေးကြီးပါသည်။ ယခင်လုပ်ငန်းတွင်၊ ရွေ့လျားနေသော မျက်နှာပြင်တစ်ခု သို့မဟုတ် တစ်ခုထက်ပို၍ ရှိသည်ဟု ယူဆနိုင်သော bistable lattice structures များကို ဤလုပ်ငန်းစဉ်ကို လေ့လာရန် အသုံးပြုခဲ့သည်။ ဤတွင်၊ primate visual pathway ၏ အလယ်အလတ်ဒေသများရှိ activity နှင့် segmentation decisions များအကြား ဆက်နွယ်မှုကို ကျွန်ုပ်တို့ တင်ပြပါသည်။ အထူးသဖြင့်၊ ရွေးချယ်၍ orient လုပ်သော median temporal neurons များသည် bistable gratings များ၏ အာရုံခံနိုင်စွမ်းကို ပျက်ပြားစေရန် အသုံးပြုသည့် texture cues များကို အာရုံခံနိုင်စွမ်းရှိကြောင်းနှင့် စမ်းသပ်မှုများနှင့် persistent stimuli များ၏ အာရုံခံနိုင်စွမ်းအကြား သိသာထင်ရှားသော ဆက်စပ်မှုကို ပြသခဲ့ကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ ဤဆက်စပ်မှုသည် ဒေသဆိုင်ရာ ဦးတည်ချက်များစွာပါရှိသော ပုံစံများတွင် ကမ္ဘာလုံးဆိုင်ရာ ရွေ့လျားမှုကို အချက်ပြသည့် ယူနစ်များတွင် ပိုမိုကြီးမားပါသည်။ ထို့ကြောင့်၊ intermediate time domain တွင် ရှုပ်ထွေးသော မြင်ကွင်းများကို အစိတ်အပိုင်း အရာဝတ္ထုများနှင့် မျက်နှာပြင်များအဖြစ် ခွဲခြားရန် အသုံးပြုသည့် အချက်ပြမှုများ ပါဝင်သည်ဟု ကျွန်ုပ်တို့ ကောက်ချက်ချပါသည်။
အမြင်အာရုံသည် အစွန်းဦးတည်ချက်နှင့် အမြန်နှုန်းကဲ့သို့သော အခြေခံပုံရိပ်ဝိသေသလက္ခဏာများကို တိကျစွာခွဲခြားသတ်မှတ်ခြင်းအပေါ်တွင်သာမက အရာဝတ္ထုပုံသဏ္ဍာန်နှင့် လမ်းကြောင်းကဲ့သို့သော ပတ်ဝန်းကျင်ဆိုင်ရာဂုဏ်သတ္တိများကို တွက်ချက်ရန် ဤဝိသေသလက္ခဏာများကို မှန်ကန်စွာပေါင်းစပ်ခြင်းအပေါ်တွင်ပါ ပိုမိုအရေးကြီးပါသည်။ သို့သော်၊ မြင်လွှာပုံရိပ်များသည် တူညီသောဖြစ်နိုင်ခြေရှိသော အင်္ဂါရပ်အုပ်စု ၂၊ ၃၊ ၄ (ပုံ ၁က) အများအပြားကို ပံ့ပိုးပေးသောအခါ ပြဿနာများပေါ်ပေါက်လာပါသည်။ ဥပမာအားဖြင့်၊ အမြန်နှုန်းအချက်ပြမှုအစုံနှစ်စုံသည် အလွန်နီးကပ်နေသောအခါ၊ ၎င်းကို ရွေ့လျားနေသောအရာဝတ္ထုတစ်ခု သို့မဟုတ် ရွေ့လျားနေသောအရာဝတ္ထုများစွာအဖြစ် ကျိုးကြောင်းဆီလျော်စွာ အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်ပါသည် (ပုံ ၁ခ)။ ၎င်းသည် အပိုင်းခွဲခြင်း၏ ပုဂ္ဂိုလ်ရေးဆန်သောသဘောသဘာဝကို ပြသသည်၊ ဆိုလိုသည်မှာ ၎င်းသည် ရုပ်ပုံ၏ ပုံသေဂုဏ်သတ္တိမဟုတ်ဘဲ အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းလုပ်ငန်းစဉ်တစ်ခုဖြစ်သည်။ ပုံမှန်အာရုံခံစားမှုအတွက် ထင်ရှားသောအရေးပါမှုရှိသော်လည်း၊ အာရုံခံစားမှုအပိုင်းခွဲခြင်း၏ အာရုံကြောဆိုင်ရာအခြေခံကို ကျွန်ုပ်တို့၏နားလည်မှုသည် အကောင်းဆုံးအခြေအနေတွင် မပြည့်စုံသေးပါ။
အာရုံခံစားမှု အပိုင်းအခြား ပြဿနာ၏ ကာတွန်းပုံ။ Necker cube (ဘယ်ဘက်) ရှိ အနက်အပေါ် စောင့်ကြည့်သူတစ်ဦး၏ အာရုံခံနိုင်စွမ်းသည် ဖြစ်နိုင်ချေရှိသော ရှင်းလင်းချက်နှစ်ခုကြားတွင် တစ်လှည့်စီဖြစ်နေသည် (ညာဘက်)။ ၎င်းမှာ ရုပ်ပုံတွင် ဦးနှောက်အား ပုံ၏ 3D orientation ကို ထူးခြားစွာ ဆုံးဖြတ်နိုင်စေမည့် အချက်ပြမှုများ မရှိသောကြောင့်ဖြစ်သည် (ညာဘက်ရှိ monocular occlusion အချက်ပြမှုမှ ပံ့ပိုးပေးသည်)။ b ရွေ့လျားမှု အချက်ပြမှုများစွာကို spatial proximity တွင် တင်ပြသောအခါ၊ အမြင်အာရုံစနစ်သည် ဒေသတွင်းနမူနာများသည် အရာဝတ္ထုတစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော အရာဝတ္ထုများမှ ဟုတ်မဟုတ် ဆုံးဖြတ်ရမည်။ ဒေသတွင်း ရွေ့လျားမှု အချက်ပြမှုများ၏ မွေးရာပါ မရေမရာဖြစ်မှု၊ ဆိုလိုသည်မှာ အရာဝတ္ထုရွေ့လျားမှု အစီအစဉ်တစ်ခုသည် တူညီသော ဒေသတွင်းရွေ့လျားမှုကို ဖြစ်ပေါ်စေနိုင်ပြီး၊ အမြင်အာရုံထည့်သွင်းမှု၏ တူညီသော ယုတ္တိတန်သော အဓိပ္ပာယ်ဖွင့်ဆိုချက်များစွာကို ဖြစ်ပေါ်စေသည်၊ ဆိုလိုသည်မှာ ဤနေရာတွင် vector fields များသည် မျက်နှာပြင်တစ်ခုတည်း၏ coherent ရွေ့လျားမှု သို့မဟုတ် ထပ်နေသော မျက်နှာပြင်များ၏ transparent ရွေ့လျားမှုမှ ပေါ်ပေါက်လာနိုင်သည်။ c (ဘယ်ဘက်) ကျွန်ုပ်တို့၏ textured grid stimulus ၏ ဥပမာတစ်ခု။ ၎င်းတို့၏ ဦးတည်ရာနှင့် ထောင့်မှန်ကျစွာ ရွေ့လျားနေသော Rectangular gratings (“component directions” – အဖြူရောင်မြှားများ) သည် grating pattern တစ်ခုဖွဲ့စည်းရန် တစ်ခုနှင့်တစ်ခု ထပ်နေသည်။ lattice ကို တစ်ခုတည်းသော၊ ပုံမှန်၊ ချိတ်ဆက်ထားသော ဦးတည်ရာလှုပ်ရှားမှု (အနီရောင်မြှားများ) သို့မဟုတ် compound directions များ၏ transparent ရွေ့လျားမှုအဖြစ် မြင်နိုင်သည်။ ကျပန်းအမှတ် texture cues များထည့်သွင်းခြင်းဖြင့် lattice ၏အမြင်ကို ပုံပျက်စေသည်။ (အလယ်) အဝါရောင်ဖြင့် မီးမောင်းထိုးပြထားသော ဧရိယာကို ချဲ့ထွင်ပြီး အသီးသီး coherent နှင့် transparent signals များအတွက် frame စီးရီးအဖြစ် ပြသထားသည်။ တစ်ခုချင်းစီတွင် dot ၏ရွေ့လျားမှုကို အစိမ်းရောင်နှင့် အနီရောင်မြှားများဖြင့် ကိုယ်စားပြုသည်။ (ညာဘက်) ရွေးချယ်အမှတ်၏ position (x, y) ၏ graph သည် frame အရေအတွက်နှင့် နှိုင်းယှဉ်သည်။ coherent case တွင် texture အားလုံးသည် တူညီသောဦးတည်ချက်တွင် ရွေ့လျားသည်။ transparency တွင် texture သည် component ၏ဦးတည်ချက်တွင် ရွေ့လျားသည်။ d ကျွန်ုပ်တို့၏ motion segmentation task ၏ ကာတွန်းပုံ။ မျောက်များသည် အစက်ငယ်တစ်ခုကို ပြင်ဆင်ခြင်းဖြင့် စမ်းသပ်မှုတစ်ခုစီကို စတင်ခဲ့သည်။ ခဏတာနှောင့်နှေးပြီးနောက်၊ grating pattern (coherence/transparency) နှင့် texture signal size (ဥပမာ contrast) ၏ တစ်မျိုးမျိုးသည် MT RF ၏တည်နေရာတွင် ပေါ်လာသည်။ စမ်းသပ်မှုတစ်ခုစီအတွင်း၊ grating သည် pattern ၏ ဖြစ်နိုင်ချေရှိသော ဦးတည်ချက်နှစ်ခုအနက် တစ်ခုခုတွင် ရွေ့လျားနိုင်သည်။ stimulus ရုပ်သိမ်းပြီးနောက်၊ ရွေးချယ်မှုပစ်မှတ်များသည် MT RF ၏အထက်နှင့်အောက်တွင် ပေါ်လာသည်။ မျောက်များသည် grid အပေါ် ၎င်းတို့၏အမြင်ကို သင့်လျော်သော selection target သို့ saccades ဖြင့် ဖော်ပြရမည်။
အမြင်အာရုံလှုပ်ရှားမှုများ၏ လုပ်ငန်းစဉ်သည် ကောင်းစွာ လက္ခဏာရပ်ပြပြီး အာရုံခံအပိုင်းခွဲခြင်း၏ အာရုံကြောဆိုင်ရာ ဆားကစ်များကို လေ့လာရန်အတွက် အလွန်ကောင်းမွန်သော မော်ဒယ်တစ်ခုကို ပေးစွမ်းသည်။ တွက်ချက်မှုဆိုင်ရာ လေ့လာမှုများစွာတွင် ဆူညံသံများကို ဖယ်ရှားပြီး အရာဝတ္ထုအလျင်ကို ပြန်လည်ရရှိစေရန် မြင့်မားသော resolution ကနဦးခန့်မှန်းချက်ကို လိုက်နာသည့် အဆင့်နှစ်ဆင့် ရွေ့လျားမှု လုပ်ငန်းစဉ် မော်ဒယ်များ၏ အသုံးဝင်မှုကို သတိပြုမိခဲ့သည်7,8။ အမြင်အာရုံစနစ်များသည် ဤအစုအဝေးကို သာမန်အရာဝတ္ထုများမှ ထိုဒေသဆိုင်ရာ နမူနာများအထိသာ ကန့်သတ်ရန် ဂရုစိုက်ရမည်ကို သတိပြုရန် အရေးကြီးပါသည်။ စိတ်ပိုင်းဆိုင်ရာ ရူပဗေဒဆိုင်ရာ လေ့လာမှုများတွင် ဒေသတွင်း ရွေ့လျားမှု အချက်ပြမှုများကို မည်သို့အပိုင်းပိုင်းခွဲသည်ကို လွှမ်းမိုးသည့် ရုပ်ပိုင်းဆိုင်ရာအချက်များကို ဖော်ပြခဲ့သော်လည်း ခန္ဓာဗေဒဆိုင်ရာ လမ်းကြောင်းများနှင့် အာရုံကြောဆိုင်ရာ ကုဒ်များ၏ ပုံသဏ္ဍာန်သည် မေးခွန်းထုတ်စရာများအဖြစ် ရှိနေဆဲဖြစ်သည်။ မျောက်ဝံ cortex ၏ ယာယီ (MT) ဒေသရှိ ဦးတည်ချက်ရွေးချယ်မှုဆဲလ်များသည် အာရုံကြောဆိုင်ရာ အောက်ခံများအတွက် ကိုယ်စားလှယ်လောင်းများဖြစ်ကြောင်း အစီရင်ခံစာများစွာက အကြံပြုထားသည်။
အရေးကြီးတာက၊ ယခင်စမ်းသပ်မှုတွေမှာ အာရုံကြောလှုပ်ရှားမှုပြောင်းလဲမှုတွေဟာ အမြင်အာရုံလှုံ့ဆော်မှုတွေရဲ့ ရုပ်ပိုင်းဆိုင်ရာပြောင်းလဲမှုတွေနဲ့ ဆက်စပ်နေပါတယ်။ ဒါပေမယ့် အထက်မှာဖော်ပြခဲ့သလိုပဲ၊ အပိုင်းခွဲခြင်းဆိုတာ အခြေခံအားဖြင့် အာရုံခံမှုလုပ်ငန်းစဉ်တစ်ခုပါ။ ဒါကြောင့်၊ ၎င်းရဲ့ အာရုံကြောအောက်ခံကို လေ့လာခြင်းဟာ အာရုံကြောလှုပ်ရှားမှုပြောင်းလဲမှုတွေကို ပုံသေလှုံ့ဆော်မှုတွေရဲ့ အာရုံခံမှုပြောင်းလဲမှုတွေနဲ့ ချိတ်ဆက်ပေးဖို့ လိုအပ်ပါတယ်။ ဒါကြောင့်၊ ထပ်ဆင့်ရွေ့လျားနေတဲ့ ထောင့်မှန်စတုဂံ grating တွေကနေ ဖွဲ့စည်းထားတဲ့ bistable grating ပုံစံဟာ မျက်နှာပြင်တစ်ခုတည်းလား၊ သီးခြားမျက်နှာပြင်နှစ်ခုလားဆိုတာကို အစီရင်ခံဖို့ မျောက်နှစ်ကောင်ကို ကျွန်ုပ်တို့ လေ့ကျင့်ပေးခဲ့ပါတယ်။ အာရုံကြောလှုပ်ရှားမှုနဲ့ အပိုင်းခွဲခြင်းဆုံးဖြတ်ချက်တွေကြားက ဆက်နွယ်မှုကို လေ့လာဖို့အတွက်၊ မျောက်တွေက ဒီတာဝန်ကို လုပ်ဆောင်တဲ့အခါ MT မှာ တစ်ခုတည်းသောလုပ်ဆောင်ချက်ကို မှတ်တမ်းတင်ခဲ့ပါတယ်။
MT လှုပ်ရှားမှုနှင့် အာရုံခံမှုလေ့လာမှုကြားတွင် သိသာထင်ရှားသော ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့ပါသည်။ လှုံ့ဆော်မှုတွင် ပွင့်လင်းသော အပိုင်းခွဲခြင်း အချက်ပြမှုများ ပါဝင်ခြင်း ရှိ၊ မရှိ ဤဆက်စပ်မှု ရှိနေပါသည်။ ထို့အပြင်၊ ဤအကျိုးသက်ရောက်မှု၏ အစွမ်းသတ္တိသည် အပိုင်းခွဲခြင်း အချက်ပြမှုများအပေါ် အာရုံခံနိုင်စွမ်းအပြင် ပုံစံအညွှန်းကိန်းနှင့်လည်း ဆက်စပ်နေပါသည်။ နောက်ပိုင်းတွင် ယူနစ်သည် ရှုပ်ထွေးသောပုံစံများတွင် ဒေသတွင်းလှုပ်ရှားမှုထက် ကမ္ဘာလုံးဆိုင်ရာလှုပ်ရှားမှုကို မည်မျှပျံ့နှံ့စေသည်ကို တိုင်းတာသည်။ ဖက်ရှင်ဦးတည်ချက်အတွက် ရွေးချယ်မှုသည် MT ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက်တစ်ခုအဖြစ် ကြာမြင့်စွာကတည်းက အသိအမှတ်ပြုထားပြီး၊ ဖက်ရှင်ရွေးချယ်ဆဲလ်များသည် ထိုလှုံ့ဆော်မှုများအပေါ် လူသား၏အမြင်နှင့် ကိုက်ညီသော ရှုပ်ထွေးသော လှုံ့ဆော်မှုများကို ချိန်ညှိပြသသော်လည်း၊ ကျွန်ုပ်တို့၏ အကောင်းဆုံးဗဟုသုတအရ၊ ဤသည်မှာ ပုံစံများကြား ဆက်စပ်မှုအတွက် ပထမဆုံးအထောက်အထားဖြစ်သည်။ အညွှန်းကိန်းနှင့် အာရုံခံအပိုင်းခွဲခြင်း။
ကျွန်ုပ်တို့သည် မျောက်နှစ်ကောင်အား ရွေ့လျားနေသော grid လှုံ့ဆော်မှုများ (ညီညွတ်သော သို့မဟုတ် ပွင့်လင်းမြင်သာသော လှုပ်ရှားမှုများ) ကို ၎င်းတို့၏ အမြင်ကို သရုပ်ပြရန် လေ့ကျင့်ပေးခဲ့ပါသည်။ လူသား စောင့်ကြည့်သူများသည် ဤလှုံ့ဆော်မှုများကို ခန့်မှန်းခြေအားဖြင့် ကြိမ်နှုန်းတူညီသော ညီညွတ်သော သို့မဟုတ် ပွင့်လင်းမြင်သာသော လှုပ်ရှားမှုများအဖြစ် ယေဘုယျအားဖြင့် မြင်တွေ့လေ့ရှိသည်။ ဤစမ်းသပ်မှုတွင် မှန်ကန်သောအဖြေကို ပေးစွမ်းရန်နှင့် operant reward အတွက် အခြေခံကို သတ်မှတ်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် lattice ကို ဖွဲ့စည်းသည့် component ၏ raster ကို texture လုပ်ခြင်းဖြင့် segmentation signals များကို ဖန်တီးခဲ့ပါသည် (ပုံ 1c၊ d)။ ညီညွတ်သော အခြေအနေများအောက်တွင်၊ texture အားလုံးသည် ပုံစံ၏ ဦးတည်ရာအတိုင်း ရွေ့လျားပါသည် (ပုံ 1c၊ “ညီညွတ်မှု”)။ ပွင့်လင်းမြင်သာသော အခြေအနေတွင်၊ texture သည် ၎င်းအပေါ်တွင် ထပ်နေသော grating ၏ ဦးတည်ရာနှင့် ထောင့်မှန်ကျစွာ ရွေ့လျားပါသည် (ပုံ 1c၊ “ပွင့်လင်းမြင်သာသော”)။ ကျွန်ုပ်တို့သည် ဤ texture label ၏ contrast ကို ပြောင်းလဲခြင်းဖြင့် task ၏ အခက်အခဲကို ထိန်းချုပ်ပါသည်။ cued trials များတွင်၊ မျောက်များကို texture cues များနှင့် ကိုက်ညီသော တုံ့ပြန်မှုများအတွက် ဆုချီးမြှင့်ခဲ့ပြီး၊ texture cues မပါသော ပုံစံများပါ၀င်သည့် trials များတွင် ဆုလာဘ်များကို ကျပန်း (50/50 odds) ပေးအပ်ခဲ့သည် (zero texture condition)။
ကိုယ်စားပြုစမ်းသပ်မှုနှစ်ခုမှ အပြုအမူဆိုင်ရာဒေတာများကို ပုံ ၂က တွင်ပြသထားပြီး၊ အပေါ် သို့မဟုတ် အောက်သို့ရွေ့လျားသော ပုံစံများအတွက် အသွင်အပြင်အချက်ပြမှုများ၏ ညီညွတ်မှုနှင့် ဆန့်ကျင်ဘက်ဖြစ်မှုဆိုင်ရာ ဆုံးဖြတ်ချက်များ (ပွင့်လင်းမြင်သာမှု ဆန့်ကျင်ဘက်ကို အဓိပ္ပာယ်ဖွင့်ဆိုချက်အရ အနုတ်လက္ခဏာဆောင်သည်ဟု ယူဆသည်) အချိုးအစားအဖြစ် တုံ့ပြန်မှုများကို ပုံဖော်ထားသည်။ အလုံးစုံသော်၊ မျောက်များ၏ စည်းလုံးညီညွတ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် အမြင်သည် texture cue (ANOVA; မျောက် N: ဦးတည်ရာ – F = 0.58၊ p = 0.45၊ လက္ခဏာ – F = 1248၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 22.63၊ p < 10;−10) မျောက် S: ဦးတည်ရာ – F = 0.41၊ p = 0.52၊ လက္ခဏာ – F = 2876.7၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 36.5၊ p < 10−10) ၏ လက္ခဏာ (ပွင့်လင်းမြင်သာမှု၊ စည်းလုံးညီညွတ်မှု) နှင့် အစွမ်းသတ္တိ (ဆန့်ကျင်ဘက်) နှစ်ခုစလုံးက ယုံကြည်စိတ်ချရသော သက်ရောက်မှုရှိသည်။ အလုံးစုံသော်၊ မျောက်များ၏ စည်းလုံးညီညွတ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် အမြင်သည် texture cue (ANOVA; မျောက် N: ဦးတည်ချက် – F = 0.58၊ p = 0.45၊ လက္ခဏာ – F = 1248၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 22.63၊ p < 10; -10 မျောက် S: ဦးတည်ချက် – F = 0.41၊ p = 0.52၊ လက္ခဏာ – F = 2876.7၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 36.5၊ p < 10−10) ၏ လက္ခဏာ (ပွင့်လင်းမြင်သာမှု၊ စည်းလုံးညီညွတ်မှု) နှင့် အစွမ်းသတ္တိ (ဆန့်ကျင်ဘက်) နှစ်ခုစလုံးက ယုံကြည်စိတ်ချရသော သက်ရောက်မှုရှိသည်။ В целом на восприятие обезьянами когерентности/прозрачности достоверно влияли как знак (прозрачности)၊ и сила (контрастность) текстурного признака (ANOVA; обезьяна N: направление — F = 0.58, p = 0.45, знак — F = 1248, F = 1248, p = 22,63, p < 10; −10 обезьяна S: направление – F = 0,41, p = 0,52, признак – F = 2876,7၊ p < 10−10၊ контраст – F = 36,5, р < 10-10)။ ယေဘုယျအားဖြင့် မျောက်များ၏ စည်းလုံးညီညွတ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် အမြင်သည် လက္ခဏာ (ပွင့်လင်းမြင်သာမှု၊ စည်းလုံးညီညွတ်မှု) နှင့် textural feature (ANOVA; မျောက် N: ဦးတည်ချက် — F = 0.58၊ p = 0.45၊ လက္ခဏာ — F = 1248၊ p < 10−10၊ contrast – F = 22.63၊ p < 10; -10 မျောက် S: ဦးတည်ချက် – F = 0.41၊ p = 0.52၊ လက္ခဏာ – F = 2876.7၊ p < 10 -10၊ contrast – F = 36.5၊ p < 10-10) ၏ အစွမ်းသတ္တိ (ဆန့်ကျင်ဘက်) နှစ်ခုစလုံးက သိသိသာသာ သက်ရောက်မှုရှိသည်။总体而言，猴子对连贯性/透明度的感知受到纹理提示 (ANOVA)的符号（透明、连贯）和强度（对比度）的可靠影响；猴子N：方向- F = 0.58，p = 0.45，符号- F = 1248၊ p < 10−10၊ 对比度– F = 22.63၊ p < 10;−10猴子S: 方向– F = 0.45၊ p၊ 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)။ယေဘုယျအားဖြင့် မျောက်များ၏ စည်းလုံးညီညွတ်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် အမြင်သည် texture signals (ANOVA) ၏ လက္ခဏာ (ပွင့်လင်းမြင်သာမှု၊ စည်းလုံးညီညွတ်မှု) နှင့် ပြင်းထန်မှု (ဆန့်ကျင်ဘက်) တို့က သိသိသာသာ သက်ရောက်မှုရှိခဲ့သည်။обезьяна N: ориентация – F = 0.58, p = 0.45, знак – F = 1248, p < 10−10, Контрастность — F = 22,63, p < 10; မျောက် N: ဦးတည်ချက် – F = 0.58၊ p = 0.45၊ လက္ခဏာ – F = 1248၊ p < 10−10၊ ဆန့်ကျင်ဘက် – F = 22.63၊ p < 10; −10 Обезьяна S: Ориентация — F = 0,41, p = 0,52, Знак — F = 2876,7, p < 10−10, Контрастность — F = 36,5, p < 10)။ −၁၀ မျောက် S: ဦးတည်ချက် – F = 0.41၊ p = 0.52၊ လက္ခဏာ – F = 2876.7၊ p < 10-10၊ ဆန့်ကျင်ဘက် – F = 36.5၊ p < 10-10)။မျောက်များ၏ စိတ်ပိုင်းဆိုင်ရာ ရုပ်ပိုင်းဆိုင်ရာ ဝိသေသလက္ခဏာများကို ဖော်ပြရန်အတွက် session တစ်ခုစီမှ ဒေတာတွင် Gaussian cumulative functions များ ထည့်သွင်းထားသည်။ ပုံ ၂ခ တွင် မျောက်နှစ်ကောင်လုံးအတွက် session အားလုံးတွင် ဤမော်ဒယ်များအတွက် သဘောတူညီချက် ဖြန့်ဖြူးမှုကို ပြသထားသည်။ အလုံးစုံသော် မျောက်များသည် လုပ်ငန်းစဉ်ကို တိကျစွာနှင့် တသမတ်တည်း ပြီးမြောက်ခဲ့ပြီး cumulative Gaussian မော်ဒယ်နှင့် ကိုက်ညီမှု ညံ့ဖျင်းသောကြောင့် မျောက်နှစ်ကောင်ပါဝင်သော session များ၏ ၁၃% အောက်ကိုသာ ကျွန်ုပ်တို့ ငြင်းပယ်ခဲ့သည်။
a) ကိုယ်စားပြုအစည်းအဝေးများတွင် မျောက်များ၏ အပြုအမူဆိုင်ရာ ဥပမာများ (လှုံ့ဆော်မှုအခြေအနေတစ်ခုလျှင် စမ်းသပ်မှု n ≥ 20)။ ဘယ်ဘက် (ညာဘက်) panel များတွင်၊ N(S) မျောက်အစည်းအဝေးတစ်ခုမှ အချက်အလက်များကို texture signal များ၏ coherent selection scores (ordinate) နှင့် sign contrast (abscissa) အဖြစ် ပုံဖော်ထားသည်။ ဤနေရာတွင် transparent (coherent) texture များတွင် negative (positive) values ​​များရှိသည်ဟု ယူဆထားသည်။ စမ်းသပ်မှုတွင် pattern ၏ ရွေ့လျားမှု ဦးတည်ရာ (အပေါ် (90°) သို့မဟုတ် အောက် (270°)) အရ တုံ့ပြန်မှုများကို သီးခြားစီတည်ဆောက်ထားသည်။ တိရစ္ဆာန်နှစ်မျိုးလုံးအတွက်၊ တုံ့ပြန်မှုကို 50/50 contrast (PSE – solid arrows) သို့မဟုတ် စွမ်းဆောင်ရည်အဆင့်တစ်ခု (threshold – open arrows) ဖြင့် ပိုင်းခြားသည်ဖြစ်စေ စွမ်းဆောင်ရည်သည် ဤ drift directions တွင်ရှိသည်။ b) Gaussian cumulative function ၏ R2 တန်ဖိုးများ၏ Fitted histogram။ Monkey S(N) data ကို ဘယ်ဘက် (ညာဘက်) တွင် ပြသထားသည်။ c (အပေါ်) PSE သည် grid (အပေါ်) သို့ ရွေ့လျားသွားသော PSE နှင့် နှိုင်းယှဉ်ပါက အောက်သို့ ရွေ့လျားသွားသော grid (ordinate) အတွက် တိုင်းတာထားသော PSE ကို grid (abscissa) ဖြင့် ပုံဖော်ထားပြီး၊ အနားသတ်များသည် အခြေအနေတစ်ခုစီအတွက် PSE ဖြန့်ဖြူးမှုကို ကိုယ်စားပြုပြီး အခြေအနေတိုင်းအတွက် ပျမ်းမျှကို ညွှန်ပြသည့် မြှားများဖြင့် ဖော်ပြထားသည်။ N(S) မျောက် session အားလုံးအတွက် အချက်အလက်များကို ဘယ်ဘက် (ညာဘက်) ကော်လံတွင် ဖော်ပြထားသည်။ (အောက်) PSE အချက်အလက်များအတွက်ကဲ့သို့ပင် လုပ်ထုံးလုပ်နည်းအတိုင်းဖြစ်သော်လည်း၊ fitted feature threshold များအတွက်ဖြစ်သည်။ PSE threshold များ သို့မဟုတ် ဖက်ရှင်ခေတ်ရေစီးကြောင်းများတွင် သိသာထင်ရှားသော ကွာခြားချက်များ မရှိခဲ့ပါ (စာသားကိုကြည့်ပါ)။ d PSE နှင့် slope (ordinate) ကို angular separation component (“integral grating angle” – abscissa) ၏ normalized raster orientation ပေါ် မူတည်၍ ပုံဖော်ထားသည်။ open circles များသည် means များဖြစ်ပြီး၊ solid line သည် အကောင်းဆုံး fitting regression model ဖြစ်ပြီး၊ dotted line သည် regression model အတွက် 95% confidence interval ဖြစ်သည်။ PSE နှင့် normalized integration angle အကြားတွင် သိသာထင်ရှားသော correlation တစ်ခုရှိသော်လည်း slope နှင့် normalized integration angle မဟုတ်ဘဲ၊ psychometric function သည် component lattices များကို ခွဲထုတ်သည့် angle အတိုင်း ရွေ့လျားသွားသော်လည်း sharpening သို့မဟုတ် flattening မလုပ်ကြောင်း အကြံပြုထားသည်။ (မျောက် N၊ n = ၃၂ ကြိမ်၊ မျောက် S၊ n = ၄၃ ကြိမ်)။ ပြားအားလုံးတွင် အမှားဘားများသည် ပျမ်းမျှ၏ စံအမှားကို ကိုယ်စားပြုသည်။ ဟားဟား။ ညီညွတ်မှု၊ PSE ምናልባት တန်းတူညီမျှမှုရမှတ်၊ စံနှုန်း။ စံသတ်မှတ်ချက်။
အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း၊ texture cues များ၏ ဆန့်ကျင်ဘက်နှင့် pattern ၏ ရွေ့လျားမှု ဦးတည်ရာ နှစ်ခုစလုံးသည် စမ်းသပ်မှုများတွင် ကွဲပြားပြီး ပေးထားသော စမ်းသပ်မှုတွင် stimuli များသည် အပေါ် သို့မဟုတ် အောက်သို့ ရွေ့လျားနေပါသည်။ ၎င်းကို psychophysical11 နှင့် neuronal28 adaptive effects များကို လျှော့ချရန် ပြုလုပ်ထားသည်။ Pattern orientation versus bias (subjective equality point orientation orientation orientation orientation orientation orientation (subjective equality point or PSE) (Wilcoxon rank sum test; monkey N: z = 0.25, p = 0.8; monkey S: z = 0.86, p = 0.39) သို့မဟုတ် fitted function threshold (Wilcoxon ranks များ၏ sum; monkey N: z = 0.14, p = 0.89, monkey S: z = 0.49, p = 0.62) (ပုံ 2c)။ ထို့အပြင်၊ စွမ်းဆောင်ရည် ကန့်သတ်ချက်အဆင့်များကို ထိန်းသိမ်းရန် လိုအပ်သော texture contrast အဆင့်တွင် မျောက်များအကြား သိသာထင်ရှားသော ကွာခြားချက်များ မရှိခဲ့ပါ (N မျောက် = 24.5% ± 3.9%၊ S မျောက် = 18.9% ± 1.9%၊ Wilcoxon အဆင့်ပေါင်းလဒ်၊ z = 1.01၊ p = 0.31)။
အစည်းအဝေးတစ်ခုစီတွင်၊ ကျွန်ုပ်တို့သည် အစိတ်အပိုင်း lattice များ၏ orientation များကို ပိုင်းခြားထားသော interlattice angle ကို ပြောင်းလဲခဲ့သည်။ စိတ်ပိုင်းဆိုင်ရာ ရူပဗေဒဆိုင်ရာ လေ့လာမှုများအရ လူများသည် cell 10 ကို ဤထောင့်ငယ်သောအခါ ချိတ်ဆက်ထားသည်ဟု ပိုမိုမြင်ယောင်နိုင်ဖွယ်ရှိကြောင်း ပြသခဲ့သည်။ မျောက်များသည် ၎င်းတို့၏ coherence/transparency အမြင်ကို ယုံကြည်စိတ်ချစွာ အစီရင်ခံပါက၊ ဤတွေ့ရှိချက်များအပေါ် အခြေခံ၍ coherence နှင့် transparency ရွေးချယ်မှုများအကြား uniform split နှင့် ကိုက်ညီသော texture contrast PSE သည် interaction တိုးလာမည်ဟု မျှော်လင့်ရသည်။ lattice angle။ ဒါက အမှန်တကယ်ပဲ ဖြစ်ခဲ့တာပါ (ပုံ ၂ဃ; ပုံစံ ဦးတည်ချက်များတွင် ပြိုကျခြင်း၊ Kruskal–Wallis; မျောက် N: χ2 = 23.06၊ p < 10−3; မျောက် S: χ2 = 22.22၊ p < 10−3; ပုံမှန်ပြုလုပ်ထားသော အပြန်အလှန် ချိန်ညှိထောင့်နှင့် PSE – မျောက် N: r = 0.67၊ p < 10−9; မျောက် S: r = 0.76၊ p < 10−13)။ ဒါဟာ အမှန်တကယ်ပဲ ဖြစ်ခဲ့တာပါ (ပုံ ၂ဃ; ပုံစံ ဦးတည်ချက်များတွင် ပြိုကျခြင်း၊ Kruskal–Wallis; မျောက် N: χ2 = 23.06၊ p < 10−3; မျောက် S: χ2 = 22.22၊ p < 10−3; ပုံမှန်ပြုလုပ်ထားသော အပြန်အလှန် ဆက်သွယ်မှုထောင့်နှင့် PSE – မျောက် N: r = 0.67၊ p < 10−9; မျောက် S: r = 0.76၊ p < 10−13)။ Это действительно имело место (рис. 2d; коллапс поперек направления паттерна, Крускал-Уоллис; обез: 203на 10–3 ; обезьяна S: r = 0,76, p < 10-13)။ ၎င်းသည် အမှန်တကယ်ဖြစ်ပျက်ခဲ့သည် (ပုံ ၂ဃ; ပုံစံ၏ ဦးတည်ရာတစ်လျှောက် ပြိုကျခြင်း၊ Kruskal-Wallis; မျောက် N: χ2 = 23.06၊ p < 10–3; မျောက် S: χ2 = 22.22၊ p < 10–3; ပုံမှန်ပြုလုပ်ထားသော lattice angle နှင့် PSE အကြား ဆက်စပ်မှု – မျောက် N: r = 0.67၊ p < 10-9၊ မျောက် 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 2 ´။ 10-3；标准化间光栅角和PSE – 猴子N：r = 0.67，p < 10-9；猴子S：r = 0.76，p < 10-13)။情况确实如此（图图 2D ；方向折叠， kruskal-wallis ； n： ： 2 = 23.06 ， p < 10-3 ， 2 ； 2 : 2 : 3 ；间光栅角和 pse-猴子猴子猴子猴子猴子猴子猴子N：r = 0.67，p < 10-9０猴 p < 10-9； 子၁၀-၁၃)။ Это действительно имело место (рис. 2d; кратность по оси моды, Крускал-Уоллис; обезьяна N: χ62, pяз; 23, S: χ2 = 22,22, p < 10-3; нормализованный межрешеточный угол). ဒါဟာ အမှန်တကယ်ပဲ ဖြစ်ခဲ့တာပါ (ပုံ 2d; မုဒ်ဝင်ရိုးတလျှောက် ခေါက်ပါ၊ Kruskal-Wallis; မျောက် N: χ2 = 23.06, p < 10-3; မျောက် S: χ2 = 22.22, p < 10-3; ပုံမှန်ဖြစ်အောင်ပြုလုပ်ထားသော interlattice ထောင့်)။ PSE-обезьяна N: r = 0,67, p < 10–9, обезьяна S: r = 0,76, p < 10–13)။ PSE မျောက် N: r = 0.67၊ p < 10–9၊ မျောက် S: r = 0.76၊ p < 10–13)။ဆန့်ကျင်ဘက်အနေနဲ့၊ interlattice angle ပြောင်းလဲခြင်းဟာ psychometric function ရဲ့ slope ကို သိသာထင်ရှားတဲ့ အကျိုးသက်ရောက်မှု မရှိပါဘူး (ပုံ 2d; cross-modal orientation fold, Kruskal-Wallis; monkey N: χ2 = 8.09, p = 0.23; monkey S χ2 = 3.18 , p = 0.67, normalized interlattice angle နဲ့ slope အကြား correlation – monkey N: r = -0.4, p = 0.2, monkey S: r = 0.03, p = 0.76)။ ဒါကြောင့် လူတစ်ယောက်ရဲ့ psychophysical data နှင့်အညီ၊ gratings များကြားက angle ပြောင်းလဲခြင်းရဲ့ ပျမ်းမျှအကျိုးသက်ရောက်မှုကတော့ displacement points တွေ ပြောင်းလဲသွားခြင်းဖြစ်ပြီး segmentation signals များအပေါ် sensitivity တိုးလာခြင်း သို့မဟုတ် လျော့ကျခြင်း မဟုတ်ပါဘူး။
နောက်ဆုံးအနေနဲ့ ဆုလာဘ်တွေကို texture contrast သုညရှိတဲ့ စမ်းသပ်မှုတွေမှာ ဖြစ်နိုင်ခြေ 0.5 နဲ့ ကျပန်းသတ်မှတ်ပေးပါတယ်။ မျောက်အားလုံးက ဒီထူးခြားတဲ့ ကျပန်းဖြစ်မှုကို သိရှိပြီး texture contrast သုညနဲ့ cue stimuli တွေကို ခွဲခြားသိမြင်နိုင်မယ်ဆိုရင် စမ်းသပ်မှုအမျိုးအစားနှစ်မျိုးအတွက် ဗျူဟာအမျိုးမျိုးကို တီထွင်နိုင်ပါတယ်။ ဒီအချက်မဟုတ်ဘူးဆိုတာကို လေ့လာတွေ့ရှိချက်နှစ်ခုက အခိုင်အမာအကြံပြုထားပါတယ်။ ပထမအချက်အနေနဲ့ grating angle ကို ပြောင်းလဲခြင်းက cue နဲ့ zero texture contrast ရမှတ်တွေအပေါ် အရည်အသွေးအရ အလားတူအကျိုးသက်ရောက်မှုတွေ ရှိခဲ့တယ်ဆိုတာ (ပုံ 2d နဲ့ နောက်ဆက်တွဲပုံ 1)။ ဒုတိယအချက်အနေနဲ့ မျောက်နှစ်ကောင်စလုံးအတွက် bistable trial ရွေးချယ်မှုဟာ မကြာသေးမီက (ယခင်) ဆုလာဘ်ရွေးချယ်မှုရဲ့ ထပ်ခါတလဲလဲဖြစ်နိုင်ဖို့ မဖြစ်နိုင်ပါဘူး (binomial စမ်းသပ်မှု၊ N မျောက်များ: 0.52၊ z = 0.74၊ p = 0.22; S မျောက်များ: 0.51၊ r = 0.9၊ p = 0.18)။
အဆုံးသတ်အနေနဲ့၊ ကျွန်ုပ်တို့ရဲ့ segmentation task မှာ မျောက်တွေရဲ့ အပြုအမူဟာ ကောင်းမွန်တဲ့ stimulus control အောက်မှာ ရှိနေပါတယ်။ texture cues ရဲ့ sign နဲ့ size ပေါ် perceptual decisions တွေရဲ့ မှီခိုမှုအပြင် grating angle နဲ့ PSE မှာ ပြောင်းလဲမှုတွေ ရှိမရှိက မျောက်တွေဟာ motor coherence/transparency အပေါ် သူတို့ရဲ့ subjective perception ကို တင်ပြခဲ့တယ်ဆိုတာကို ညွှန်ပြနေပါတယ်။ နောက်ဆုံးအနေနဲ့ zero texture contrast trials တွေမှာ မျောက်တွေရဲ့ responses တွေဟာ ယခင် trials တွေရဲ့ reward history က မထိခိုက်ဘဲ inter-raster angular changes တွေကြောင့် သိသိသာသာ ထိခိုက်ခဲ့ပါတယ်။ ဒါက မျောက်တွေဟာ ဒီအရေးကြီးတဲ့ condition အောက်မှာ lattice surface configuration အပေါ် သူတို့ရဲ့ subjective perception ကို ဆက်လက်တင်ပြနေတယ်ဆိုတာကို ညွှန်ပြနေပါတယ်။
အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း၊ texture contrast ကို အနုတ်လက္ခဏာမှ အပေါင်းလက္ခဏာသို့ ကူးပြောင်းခြင်းသည် ပွင့်လင်းမြင်သာမှုမှ ညီညွတ်မှုသို့ လှုံ့ဆော်မှုများ၏ အာရုံခံစားမှုအကူးအပြောင်းနှင့် ညီမျှသည်။ ယေဘုယျအားဖြင့်၊ ပေးထားသောဆဲလ်တစ်ခုအတွက်၊ texture contrast သည် အနုတ်လက္ခဏာမှ အပေါင်းလက္ခဏာသို့ ပြောင်းလဲသွားသည်နှင့်အမျှ MT တုံ့ပြန်မှုသည် တိုးလာခြင်း သို့မဟုတ် လျော့နည်းသွားလေ့ရှိပြီး ဤအကျိုးသက်ရောက်မှု၏ ဦးတည်ချက်သည် ပုံစံ/အစိတ်အပိုင်း၏ ရွေ့လျားမှု ဦးတည်ချက်ပေါ်တွင် မူတည်လေ့ရှိသည်။ ဥပမာအားဖြင့်၊ ကိုယ်စားပြု MT ဆဲလ်နှစ်ခု၏ ဦးတည်ချက်ညှိယူမှုမျဉ်းကွေးများကို ပုံ ၃ တွင် ဤဆဲလ်များ၏ contrast နည်းသော သို့မဟုတ် မြင့်မားသော coherent သို့မဟုတ် ပွင့်လင်းမြင်သာမှု texture အချက်ပြမှုများပါရှိသော grating များအပေါ် တုံ့ပြန်မှုများနှင့်အတူ ပြသထားသည်။ ကျွန်ုပ်တို့၏မျောက်များ၏ စိတ်ပိုင်းဆိုင်ရာဇီဝကမ္မဆိုင်ရာစွမ်းဆောင်ရည်နှင့် ဆက်စပ်နိုင်သည့် ဤ grid တုံ့ပြန်မှုများကို ပိုမိုကောင်းမွန်စွာ တွက်ချက်ရန် တစ်နည်းနည်းဖြင့် ကြိုးစားခဲ့ပါသည်။
ကိုယ်စားပြု monkey MT ဆဲလ် S ၏ ဦးတည်ချက်ညှိယူမှုကွေး၏ polar plot သည် single sinusoidal array ကိုတုံ့ပြန်သည်။ ထောင့်သည် grating ၏ရွေ့လျားမှုဦးတည်ချက်ကိုညွှန်ပြပြီး ပမာဏသည် emissivity ကိုညွှန်ပြပြီး ဦးစားပေးဆဲလ်ဦးတည်ချက်သည် grating ပုံစံ၏ဦးတည်ချက်ရှိ အစိတ်အပိုင်းတစ်ခု၏ဦးတည်ချက်နှင့် 90° (အပေါ်) ခန့်ထပ်နေသည်။ b တုံ့ပြန်မှု grid ၏ အပတ်စဉ် လှုံ့ဆော်မှုအချိန် histogram (PSTH)၊ a တွင်ပြထားသော ဆဲလ်အတွက် template ဦးတည်ချက်တွင် 90° (ဘယ်ဘက်တွင် ပုံကြမ်းပြထားသည်) ရွှေ့ထားသည်။ တုံ့ပြန်မှုများကို texture hint အမျိုးအစား (cohesive/transparent – ​​အလယ်/ညာဘက် panel အသီးသီး) နှင့် Michelson contrast (PSTH အရောင် hint) အလိုက် စီထားသည်။ contrast နည်းသောနှင့် contrast မြင့်သော texture signal အမျိုးအစားတစ်ခုစီအတွက် မှန်ကန်သောကြိုးပမ်းမှုများကိုသာပြသထားသည်။ ဆဲလ်များသည် transparent texture cues များဖြင့် အပေါ်သို့ရွေ့လျားနေသော lattice patterns များကို ပိုမိုကောင်းမွန်စွာတုံ့ပြန်ပြီး ဤပုံစံများအပေါ်တုံ့ပြန်မှုသည် texture contrast တိုးလာသည်နှင့်အမျှ တိုးလာသည်။ c၊ d တို့သည် a နှင့် b တွင်ကဲ့သို့ convention များတူညီသော်လည်း monkey S မှလွဲ၍ MT ဆဲလ်များအတွက် ၎င်းတို့၏ဦးစားပေးဦးတည်ချက်သည် downward drifting grid နှင့် ထပ်တူနီးပါးထပ်နေသည်။ ယူနစ်သည် ညီညွတ်သော texture cues များဖြင့် အောက်သို့ ရွေ့လျားနေသော grating များကို နှစ်သက်ပြီး ဤပုံစံများအပေါ် တုံ့ပြန်မှုသည် texture contrast တိုးလာသည်နှင့်အမျှ တိုးလာသည်။ panel အားလုံးတွင်၊ အရိပ်ဧရိယာသည် ပျမ်းမျှ၏ စံအမှားကို ကိုယ်စားပြုသည်။ Spokes။ Spikes၊ seconds။ second။
ကျွန်ုပ်တို့၏ texture signal များနှင့် MT activity မှညွှန်ပြထားသည့်အတိုင်း lattice surface configuration (coherent သို့မဟုတ် transparent) အကြားဆက်နွယ်မှုကိုစူးစမ်းရန်အတွက်၊ ကျွန်ုပ်တို့သည် coherent movement (positive slope) သို့မဟုတ် transparent movement (negative slope) အတွက်ဆဲလ်များအကြား correlation ကို regression ဖြင့် ဦးစွာ regression ဖြင့် regression ပြုလုပ်ခဲ့သည်။ sign response rate နှင့် contrast နှိုင်းယှဉ်ပါက (mode direction တစ်ခုစီအတွက် သီးခြားစီ) ဖြင့် ဆဲလ်များကို အမျိုးအစားခွဲခြားရန်ပေးထားသည်။ Figure 3 ရှိ တူညီသော example cell မှ ဤ lattice tuning curves များ၏ ဥပမာများကို Figure 4a တွင်ပြသထားသည်။ classification ပြီးနောက်၊ texture signal များ၏ modulation အပေါ် cell တစ်ခုစီ၏ sensitivity ကို ပမာဏသတ်မှတ်ရန် receiver performance analysis (ROC) ကို အသုံးပြုခဲ့သည် (Methods ကိုကြည့်ပါ)။ ဤနည်းဖြင့်ရရှိသော neurometric function များကို တူညီသော session ရှိမျောက်များ၏ psychophysical characteristics များနှင့် တိုက်ရိုက်နှိုင်းယှဉ်နိုင်ပြီး neurons များ၏ psychophysical sensitivity ကို lattice textures များနှင့် တိုက်ရိုက်နှိုင်းယှဉ်နိုင်သည်။ နမူနာရှိ unit အားလုံးအတွက် signal detection analysis နှစ်ခုကို ပြုလုပ်ခဲ့ပြီး pattern ၏ direction တစ်ခုစီအတွက် (ထပ်၍ အပေါ် သို့မဟုတ် အောက်) သီးခြား neurometric features များကို တွက်ချက်ခဲ့သည်။ ဤ analysis အတွက်၊ ကျွန်ုပ်တို့သည် (i) stimuli တွင် texture cue ပါ၀င်ပြီး (ii) မျောက်များသည် ထို cue နှင့်အညီ တုံ့ပြန်သည့် (ဆိုလိုသည်မှာ "မှန်ကန်သော" trials) ကိုသာ ထည့်သွင်းထားကြောင်း သတိပြုရန် အရေးကြီးပါသည်။
grating များ အပေါ် (ဘယ်ဘက်) သို့မဟုတ် အောက် (ညာဘက်) ရွေ့လျားနေစေရန်အတွက် fire rate များကို texture sign contrast နှင့် အသီးသီး plot လုပ်ထားပြီး solid line သည် best fit linear regression ကို ကိုယ်စားပြုပြီး အပေါ် (အောက်) row ရှိ data များကို Fig. 3a တွင်ပြထားသည့် data များမှ ရယူထားသည်။ Cell, b (Fig. 3c, d)။ Regression slope features များကို cell/lattice orientation combination တစ်ခုစီအတွက် နှစ်သက်ရာ texture cues (coherent/transparent) ကို သတ်မှတ်ရန် အသုံးပြုခဲ့သည် (stimulus condition တစ်ခုလျှင် n ≥ 20 trials)။ Error bars များသည် mean ၏ standard deviation ကို ကိုယ်စားပြုသည်။ ba တွင်ပြထားသော units များ၏ neurometric functions များကို session တစ်ခုတည်းအတွင်း စုဆောင်းရရှိသော psychometric functions များနှင့်အတူ ဖော်ပြထားသည်။ ယခု feature တစ်ခုစီအတွက် texture's sign contrast (abscissa) ၏ ရာခိုင်နှုန်းအဖြစ် နှစ်သက်ရာ tooltip choice (ordinate) (စာသားကိုကြည့်ပါ) ကို plot လုပ်ပါသည်။ နှစ်သက်ရာ tooltips များသည် positive ဖြစ်ပြီး blank tooltips များသည် negative ဖြစ်စေရန် texture contrast ကို ပြောင်းလဲထားပါသည်။ အပေါ်သို့ (အောက်သို့) ရွေ့လျားနေသော ဇယားကွက်များမှ အချက်အလက်များကို ဘယ်ဘက် (ညာဘက်) ပြားများတွင်၊ အပေါ် (အောက်) တန်းများတွင် - ပုံ ၃က၊ ခ (ပုံ ၃ဂ၊ ဃ) တွင် ပြထားသော ဆဲလ်များမှ အချက်အလက်များ။ အာရုံကြောတိုင်းတာမှုနှင့် စိတ်ပိုင်းဆိုင်ရာ ကန့်သတ်ချက် (N/P) အချိုးများကို ပြားတစ်ခုစီတွင် ပြသထားသည်။ ချောင်းများ။ ဆူးများ၊ စက္ကန့်များ။ စက္ကန့်၊ လမ်းညွှန်။ ဦးတည်ချက်၊ ဦးစားပေးပြည်နယ်၊ psi။ စိတ်ပညာ၊ အာရုံကြောဆိုင်ရာ။
ကိုယ်စားပြု MT ဆဲလ်နှစ်ခုနှင့် ၎င်းတို့၏ဆက်စပ် psychometric function များ၏ Lattice tuning curves နှင့် neurometric function များကို ဤတုံ့ပြန်မှုများနှင့်အတူ ပေါင်းစပ်ထားပြီး Figure 4a,b ၏ အပေါ်နှင့်အောက် panels များတွင် အသီးသီးပြသထားသည်။ texture ၏အရိပ်အမြွက်သည် transparent မှ coherent သို့ပြောင်းလဲသွားသည်နှင့်အမျှ ဤဆဲလ်များသည် ယေဘုယျအားဖြင့် monotonous တိုးလာခြင်း သို့မဟုတ် လျော့ကျခြင်းကို ပြသသည်။ ထို့အပြင်၊ ဤ bond ၏ ဦးတည်ချက်နှင့် အစွမ်းသတ္တိသည် lattice motion ၏ ဦးတည်ချက်ပေါ်တွင် မူတည်သည်။ နောက်ဆုံးတွင်၊ ဤဆဲလ်များ၏ တုံ့ပြန်မှုများမှ တွက်ချက်ထားသော neurometric function များသည် unidirectional grid movement ၏ psychophysical properties များနှင့်သာ ချဉ်းကပ်သည် (သို့သော် ကိုက်ညီမှုမရှိပါ)။ neurometric နှင့် psychometric function နှစ်ခုလုံးကို thresholds များဖြင့် အကျဉ်းချုပ်ထားပြီး၊ ဆိုလိုသည်မှာ မှန်ကန်စွာရွေးချယ်ထားသော contrast ၏ 84% ခန့်နှင့် ကိုက်ညီသည် (fitted cumulative Gaussian function ၏ mean + 1 sd နှင့် ကိုက်ညီသည်)။ နမူနာတစ်ခုလုံးတွင်၊ N/P အချိုး၊ neurometric threshold နှင့် psychometric အချိုးသည် မျောက် N တွင် ပျမ်းမျှ 12.4 ± 1.2 နှင့် မျောက် S တွင် 15.9 ± 1.8 ရှိပြီး၊ lattice သည် အနည်းဆုံး ဦးတည်ချက်တစ်ခုသို့ ရွေ့လျားရန်အတွက် မျောက် N (မျောက် S) မှ ~16% (18). %) ယူနစ်များတွင်သာရှိသည် (ပုံ 5a)။ ပုံတွင်ပြထားသော ဆဲလ်ဥပမာမှ။ ပုံ 3 နှင့် 4 တွင်တွေ့ရသည့်အတိုင်း၊ ဆဲလ်၏ ဦးစားပေး orientation နှင့် စမ်းသပ်မှုများတွင် အသုံးပြုသော lattice ရွေ့လျားမှု ဦးတည်ချက်အကြား ဆက်နွယ်မှုဖြင့် အာရုံကြောဆဲလ်များ၏ sensitivity ကို ထိခိုက်နိုင်သည်။ အထူးသဖြင့်၊ ပုံ 3a,c ရှိ orientation adjustment curves များသည် single sinusoidal array ၏ neuron orientation setting နှင့် ကျွန်ုပ်တို့၏ textured array တွင် transparent/coherent motion အပေါ် ၎င်း၏ sensitivity အကြား ဆက်နွယ်မှုကို သရုပ်ပြသည်။ ဤသည်မှာ မျောက်နှစ်ကောင်စလုံးအတွက် ဖြစ်ခဲ့သည် (ANOVA; relative preferred directions များကို 10° resolution ဖြင့် binded လုပ်ထားသည်; မျောက် N: F = 2.12, p < 0.01; မျောက် S: F = 2.01, p < 0.01)။ ဤသည်မှာ မျောက်နှစ်ကောင်စလုံးအတွက် ဖြစ်ခဲ့သည် (ANOVA; relative preferred directions များကို 10° resolution ဖြင့် binded လုပ်ထားသည်; မျောက် N: F = 2.12, p < 0.01; မျောက် S: F = 2.01, p < 0.01)။ Это имело место для обеих обезьян (ANOVA; относительные предпочтительные направления объединешны в грнир0пем обезьяна N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01)။ ၎င်းသည် မျောက်နှစ်ကောင်စလုံးအတွက် ဖြစ်ခဲ့သည် (ANOVA; 10° resolution တွင် အုပ်စုဖွဲ့ထားသော relative preferred directions; မျောက် N: F=2.12, p<0.01; မျောက် S: F=2.01, p<0.01)။两只猴子都是这种情况（方差分析；以10°分辨率合并的相对首选方向；猴子的相对首选方向；猴子0.01；猴子S：F = 2.01၊p <0.01)။两只猴子都是这种（方差分析以以 10°分辨率合并的相对方向； p 2相对方向； p； <0.01；：: f = 2.01၊ p <0.01….……..)))))))))))))))))))) Это имело место для обеих обезьян (ANOVA; относительная предпочтительная ориентация объидинена при0; обезьяна N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01)။ ဤသည်မှာ မျောက်နှစ်ကောင်စလုံးအတွက် ဖြစ်ခဲ့သည် (ANOVA; 10° resolution တွင် စုစည်းထားသော relative preferred orientation; မျောက် N: F=2.12, p<0.01; မျောက် S: F=2.01, p<0.01)။အာရုံကြောဆဲလ်အာရုံခံနိုင်စွမ်းတွင် ကွဲပြားမှုများစွာရှိသောကြောင့် (ပုံ ၅က)၊ အာရုံကြောဆဲလ်အာရုံခံနိုင်စွမ်းသည် ဆွေမျိုးဦးစားပေးဦးတည်ချက်များအပေါ် မှီခိုမှုကို မြင်ယောင်နိုင်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် grid ပုံစံ (ဆိုလိုသည်မှာ ဦးတည်ချက်) ၏ ရွေ့လျားမှုအတွက် "အကောင်းဆုံး" ဦးစွာ ဆဲလ်တစ်ခုစီ၏ ဦးစားပေးဦးတည်ချက်အဖြစ် ပုံမှန်ဖြစ်အောင်ပြုလုပ်ခဲ့သည်။ ၎င်းတွင် grating သည် ဦးစားပေးဆဲလ်ဦးတည်ချက်နှင့် grating ပုံစံ၏ဦးတည်ချက်အကြား အသေးငယ်ဆုံးထောင့်ကို ဖွဲ့စည်းပေးသည်။ အာရုံကြောဆဲလ်များ၏ ဆွေမျိုး ကန့်သတ်ချက်များ ("အဆိုးဆုံး" lattice orientation အတွက် ကန့်သတ်ချက်/"အကောင်းဆုံး" lattice orientation အတွက် ကန့်သတ်ချက်) သည် ဤပုံမှန်ပြုလုပ်ထားသော ဦးစားပေးဦးတည်ချက်နှင့်အတူ ကွဲပြားကြောင်း ကျွန်ုပ်တို့တွေ့ရှိခဲ့ပြီး၊ ဤကန့်သတ်ချက်အချိုးရှိ ထိပ်များသည် ပုံစံများ သို့မဟုတ် အစိတ်အပိုင်းဦးတည်ချက်များတဝိုက်တွင် ဖြစ်ပေါ်နေသည် (ပုံ ၅ခ)။ ဤအကျိုးသက်ရောက်မှုကို နမူနာတစ်ခုစီရှိ ယူနစ်များတွင် ဦးစားပေး ဦးတည်ချက်များ ဖြန့်ဖြူးမှုတွင် ဘက်လိုက်မှုဖြင့် ရှင်းပြ၍မရပါ (ပုံ 5c; Rayleigh စမ်းသပ်မှု; မျောက် N: z = 8.33၊ p < 10−3၊ စက်ဝိုင်းပျမ်းမျှ = 190.13 deg ± 9.83 deg; မျောက် S: z = 0.79၊ p = 0.45) နှင့် plaid အကြား grating ထောင့်များတစ်လျှောက်တွင် တသမတ်တည်းရှိခဲ့သည် (နောက်ဆက်တွဲပုံ 2)။ ဤအကျိုးသက်ရောက်မှုကို နမူနာတစ်ခုစီရှိ ယူနစ်များတွင် ဦးစားပေး ဦးတည်ချက်များ ဖြန့်ဖြူးမှုတွင် ဘက်လိုက်မှုဖြင့် ရှင်းပြ၍မရပါ (ပုံ 5c; Rayleigh စမ်းသပ်မှု; monkey N: z = 8.33, p < 10−3, circular mean = 190.13 deg ± 9.83 deg; monkey S: z = 0.79, p = 0.45) နှင့် plaid အကြား grating ထောင့်များတစ်လျှောက်တွင် တသမတ်တည်းရှိခဲ့သည် (နောက်ဆက်တွဲပုံ 2)။ Этот эффект нельзя было объяснить смещением распределения предпочтительных направлений в единицобной в карж дой одного из клетчатых направлений или направлений компонентов (рис. 5в; критерий Рэлея; обезьяна N: z = 8,33). ဤအကျိုးသက်ရောက်မှုကို နမူနာတစ်ခုစီရှိ ယူနစ်များဖြင့် ဦးစားပေး ဦးတည်ချက်များ ဖြန့်ဖြူးမှုတွင် ကွက်စိပ်ပုံစံ ဦးတည်ချက်များ သို့မဟုတ် အစိတ်အပိုင်း ဦးတည်ချက်များထဲမှ တစ်ခုသို့ ပြောင်းလဲခြင်းဖြင့် ရှင်းပြ၍မရပါ (ပုံ 5c; Rayleigh စမ်းသပ်မှု; မျောက် N: z = 8.33, p < 10–3)။, စက်ဝိုင်းပျမ်းမျှ = 190.13 ဒီဂရီ ± 9.83 ဒီဂရီ; monkey S: z = 0.79၊ p = 0.45) ဖြစ်ပြီး plaid grid ၏ ထောင့်အားလုံးအတွက် အတူတူပင်ဖြစ်သည် (နောက်ဆက်တွဲပုံ ၂)။这种效应不能通过每个样本中单元中的优选方向分布偏向格子图案或组件方向之一来解释（图5c；瑞利测试；猴子N：z = 8.33，p < 10-3 ，圆形平均值= 190.13度± 9.83度；猴子S：z = 0.79，p = 0.45)并且在格子间光栅角上是一致的（补充图2）။这种效应不能通过每样本中单元中优选方向分布偏向偏嶖幻来解释（图图图图瑞利测试；猴子 n：z=8.33，p<10-3，平均值平均值圆圆圆形圆形圆形圆形 圆形圆形圆形圆形z Этот эффект не может быть объяснен тем, что распределение предпочтительных ориентаций в клекатках в клекатках в клекатках в клекатках либо в сторону структуры решетки, либо в сторону одной из ориентаций компонентов (рис. 5в; крья Рай = ၈၊၃၃၊ p < ၁၀–၃)။ ဤအကျိုးသက်ရောက်မှုကို နမူနာတစ်ခုစီရှိ ဆဲလ်များတွင် ဦးစားပေး ဦးတည်ချက်များ ဖြန့်ဖြူးမှုသည် ကွက်တိဖွဲ့စည်းပုံ သို့မဟုတ် အစိတ်အပိုင်း ဦးတည်ချက်များထဲမှ တစ်ခုဆီသို့ ဘက်လိုက်ခြင်းဟူသောအချက်ဖြင့် ရှင်းပြ၍မရပါ (ပုံ 5c; Rayleigh ၏ စမ်းသပ်မှု; မျောက် N: z = 8.33, p < 10–3)။, စက်ဝိုင်းပျမ်းမျှ) = 190.13 ဒီဂရီ ± 9.83 ဒီဂရီ; မျောက် S: z = 0.79၊ p = 0.45) နှင့် ဇယားကွက်များအကြား ကွက်တိထောင့်များတွင် ညီမျှကြသည် (နောက်ဆက်တွဲပုံ ၂)။ထို့ကြောင့်၊ အာရုံကြောဆဲလ်များ၏ textured grid များအပေါ် အာရုံခံနိုင်စွမ်းသည် အနည်းဆုံးတစ်စိတ်တစ်ပိုင်းအားဖြင့် MT tuning ၏ အခြေခံဂုဏ်သတ္တိများပေါ်တွင် မူတည်ပါသည်။
ဘယ်ဘက် panel သည် N/P အချိုး (neuron/psychophysiological threshold) ၏ ဖြန့်ဖြူးမှုကို ပြသထားသည်။ ဆဲလ်တစ်ခုစီသည် ပုံစံရွေ့လျားသည့် ဦးတည်ချက်တစ်ခုစီအတွက် ဒေတာအမှတ်နှစ်ခုကို ပေးသည်။ ညာဘက် panel သည် နမူနာရှိ ယူနစ်အားလုံးအတွက် စိတ်ပိုင်းဆိုင်ရာ threshold (ordinate) နှင့် neuronal threshold (abscissa) တို့ကို ပုံဖော်သည်။ အပေါ် (အောက်) တန်းရှိ ဒေတာများသည် မျောက် N (S) မှ ဖြစ်သည်။ b ပုံမှန်ပြုလုပ်ထားသော threshold အချိုးများကို အကောင်းဆုံး lattice orientation နှင့် ဦးစားပေး ဆဲလ် orientation အကြား ကွာခြားချက်၏ ပမာဏနှင့် နှိုင်းယှဉ်၍ ပုံဖော်ထားသည်။ “အကောင်းဆုံး” ဦးတည်ချက်ကို ဦးစားပေး ဆဲလ် ဦးတည်ချက်နှင့် အနီးဆုံး grating structure (single sinusoidal grating ဖြင့် တိုင်းတာသည်) ၏ ဦးတည်ချက်အဖြစ် သတ်မှတ်သည်။ ဒေတာများကို ဦးစွာ ပုံမှန်ပြုလုပ်ထားသော ဦးစားပေး orientation (10° bins) ဖြင့် bin လုပ်ပြီးနောက် threshold အချိုးများကို အမြင့်ဆုံးတန်ဖိုးသို့ ပုံမှန်ပြုလုပ်ပြီး bin တစ်ခုစီအတွင်း ပျမ်းမျှထားသည်။ lattice components များ၏ ဦးတည်ချက်ထက် အနည်းငယ်ပိုကြီးသော သို့မဟုတ် သေးငယ်သော ဦးစားပေး orientation ရှိသော ဆဲလ်များသည် lattice pattern ၏ ဦးတည်ချက်အပေါ် အာရုံခံနိုင်စွမ်းတွင် အကြီးမားဆုံး ကွာခြားချက်ရှိသည်။ c မျောက်တစ်ခုစီတွင် မှတ်တမ်းတင်ထားသော MT ယူနစ်အားလုံး၏ ဦးစားပေး orientation ဖြန့်ဖြူးမှု၏ ပန်းရောင် histogram။
နောက်ဆုံးအနေနဲ့ MT ရဲ့တုံ့ပြန်မှုကို grating လှုပ်ရှားမှုရဲ့ ဦးတည်ရာနဲ့ ကျွန်ုပ်တို့ရဲ့ segmentation signals (texture) ရဲ့ အသေးစိတ်အချက်အလက်တွေက modulate လုပ်ပါတယ်။ အာရုံကြောဆဲလ်နဲ့ စိတ်ပိုင်းဆိုင်ရာ sensitivity ကို နှိုင်းယှဉ်ကြည့်ခြင်းအားဖြင့် MT units တွေဟာ မျောက်တွေထက် contrast texture signals တွေကို sensitive နည်းတယ်လို့ ပြသခဲ့ပါတယ်။ ဒါပေမယ့် neuron ရဲ့ sensitivity ဟာ unit ရဲ့ ဦးစားပေး orientation နဲ့ grid movement ရဲ့ ဦးတည်ရာကြားက ကွာခြားချက်ပေါ် မူတည်ပြီး ပြောင်းလဲသွားပါတယ်။ အထိခိုက်မခံဆုံးဆဲလ်တွေဟာ lattice pattern ဒါမှမဟုတ် constituent orientations တစ်ခုကို နီးပါးဖုံးလွှမ်းထားတဲ့ orientational preferences တွေ ရှိတတ်ပြီး ကျွန်ုပ်တို့ရဲ့ နမူနာအနည်းငယ်ဟာ မျောက်တွေရဲ့ contrast ကွာခြားချက်တွေကို သိမြင်နားလည်မှုထက် sensitive ဒါမှမဟုတ် ပိုပြီး sensitive ဖြစ်ပါတယ်။ ဒီပိုပြီး sensitive units တွေက signals တွေဟာ မျောက်တွေမှာ perception နဲ့ ပိုပြီး နီးကပ်စွာ ဆက်စပ်မှုရှိမရှိ ဆုံးဖြတ်ဖို့အတွက် perception နဲ့ neuronal responses တွေကြားက correlation ကို စစ်ဆေးခဲ့ပါတယ်။
အာရုံကြောလှုပ်ရှားမှုနှင့် အပြုအမူအကြား ဆက်စပ်မှုကို တည်ဆောက်ရာတွင် အရေးကြီးသော ခြေလှမ်းတစ်ခုမှာ အာရုံကြောဆဲလ်များနှင့် စဉ်ဆက်မပြတ် လှုံ့ဆော်မှုများအပေါ် အပြုအမူဆိုင်ရာ တုံ့ပြန်မှုများအကြား ဆက်စပ်မှုများကို ထူထောင်ရန်ဖြစ်သည်။ အာရုံကြောတုံ့ပြန်မှုများကို အပိုင်းခွဲခြင်းဆိုင်ရာ ဆုံးဖြတ်ချက်များနှင့် ချိတ်ဆက်ရန်အတွက်၊ အတူတူပင်ဖြစ်သော်လည်း မတူညီသော စမ်းသပ်မှုများတွင် ကွဲပြားစွာ မြင်တွေ့ရသည့် လှုံ့ဆော်မှုတစ်ခုကို ဖန်တီးရန် အရေးကြီးပါသည်။ လက်ရှိလေ့လာမှုတွင်၊ ၎င်းကို သုည texture contrast grating ဖြင့် ရှင်းလင်းစွာ ကိုယ်စားပြုထားသည်။ တိရစ္ဆာန်များ၏ စိတ်ပိုင်းဆိုင်ရာ လုပ်ဆောင်ချက်များအပေါ် အခြေခံ၍ အနည်းဆုံး (~20% အောက် texture contrast ရှိသော grating များကို များသောအားဖြင့် ညီညွတ်သည် သို့မဟုတ် ပွင့်လင်းမြင်သာသည်ဟု ယူဆကြောင်း ကျွန်ုပ်တို့ အလေးပေးပြောကြားလိုပါသည်။
MT တုံ့ပြန်မှုများသည် အာရုံခံအစီရင်ခံစာများနှင့် မည်မျှဆက်စပ်နေသည်ကို တိုင်းတာရန်အတွက်၊ ကျွန်ုပ်တို့၏ grid အချက်အလက်၏ ရွေးချယ်မှုဖြစ်နိုင်ခြေ (CP) ခွဲခြမ်းစိတ်ဖြာမှုကို ပြုလုပ်ခဲ့ပါသည် (၃ ကိုကြည့်ပါ)။ အတိုချုပ်ပြောရလျှင် CP သည် spike တုံ့ပြန်မှုများနှင့် အာရုံခံဆုံးဖြတ်ချက်များ30 အကြား ဆက်နွယ်မှုကို တိုင်းတာသည့် non-parametric၊ standard မဟုတ်သော တိုင်းတာမှုတစ်ခုဖြစ်သည်။ textural contrast သုညရှိသော grid များနှင့် မျောက်များသည် ဤစမ်းသပ်မှုအမျိုးအစားတစ်ခုစီအတွက် အနည်းဆုံးရွေးချယ်မှုငါးခုပြုလုပ်သည့် session များကို အသုံးပြုသည့် စမ်းသပ်မှုများသို့ ခွဲခြမ်းစိတ်ဖြာမှုကို ကန့်သတ်ခြင်းဖြင့်၊ grid ရွေ့လျားမှု၏ ဦးတည်ရာတစ်ခုစီအတွက် SR ကို သီးခြားတွက်ချက်ခဲ့ပါသည်။ မျောက်များတွင်၊ ကျွန်ုပ်တို့ မျှော်လင့်ထားသည်ထက် သိသိသာသာ ပိုများသော ပျမ်းမျှ CP တန်ဖိုးကို တွေ့ရှိခဲ့ရပါသည် (ပုံ ၆က၊ ဃ; မျောက် N: ပျမ်းမျှ CP: 0.54၊ 95% CI: (0.53၊ 0.56), two-sided t-test against null of CP = 0.5, t = 6.7, p < 10−9; မျောက် S: ပျမ်းမျှ CP: 0.55, 95% CI: (0.54၊ 0.57), two-sided t-test, t = 9.4, p < 10−13)။ မျောက်များတွင်၊ ကျွန်ုပ်တို့ မျှော်လင့်ထားသည်ထက် သိသိသာသာ ပိုများသော ပျမ်းမျှ CP တန်ဖိုးကို တွေ့ရှိခဲ့ရပါသည် (ပုံ ၆က၊ ဃ; မျောက် N: ပျမ်းမျှ CP: 0.54၊ 95% CI: (0.53၊ 0.56), CP = 0.5 ၏ null ကို နှိုင်းယှဉ်ခြင်းဖြင့် နှစ်ဖက် t-test၊ t = 6.7၊ p < 10−9; မျောက် S: ပျမ်းမျှ CP: 0.55၊ 95% CI: (0.54၊ 0.57), နှစ်ဖက် t-test၊ t = 9.4၊ p < 10−13)။မျောက်များတွင်၊ ကျွန်ုပ်တို့သည် ကျပန်းမျှော်မှန်းထားသည်ထက် သိသိသာသာမြင့်မားသော ပျမ်းမျှ CP ကို ​​တွေ့ရှိခဲ့သည် (ပုံ ၆က၊ ဃ; မျောက် N: ပျမ်းမျှ CP: 0.54၊ 95% CI: (0.53၊ 0.56), two-tailed t-test vs. null values)။CP = 0,5, t = 6,7, p < 10–9; CP = 0.5၊ t = 6.7၊ p < 10–9; обезьяна S: среднее CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = 9,4, p < 10–13) ။ မျောက် S: ပျမ်းမျှ CP: 0.55၊ 95% CI: (0.54၊ 0.57)၊ two-tailed t-test၊ t = 9.4၊ p < 10–13)။在猴子中，我们观察到平均CP值显着大于我们偶然预期的值（图6a，d；猴子N：平均CP：50.54၊ CI: (0.53၊0.56), 针对空值的双边t 检验CP = 0.5, t = 6.7, p < 10−9;猴子S: 平均CP: 0.55, 95% 4茌, (0.0)检验၊ t = 9.4၊ p < 10−13)။在猴子中，我们观察平均平均值显着大于 我们偶然的值（图图图 6a，n址＞＞ 0.54，95% Ci：0.53，0.56），空值检验 CP = 0.5၊ t = 6.7၊ p < 10−9; 猴子S: 平均CP: 0.55၊ 95% CI: (0.54၊ 0.57), 双边t检验၊ t=9.4၊ p < 10−13) У обезьян мы наблюдали средние значения CP, значительно превышающие то, что мы могли бы ожидать. слу (6 обезьяна N: среднее CP: 0,54, 95% ДИ: (0,53, 0,56), двусторонний t- тест CP против нуля = 0,5, t <ья бонний 6,7-p, p средний CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = ၉၊၄၊ p < ၁၀-၁၃)။ မျောက်များတွင်၊ ကျွန်ုပ်တို့သည် မတော်တဆ ကျွန်ုပ်တို့ မျှော်လင့်နိုင်သည်ထက် များစွာကျော်လွန်သော ပျမ်းမျှ CP တန်ဖိုးများကို တွေ့ရှိခဲ့ရပါသည် (ပုံ ၆က၊ ဃ; မျောက် N: ပျမ်းမျှ CP: 0.54၊ 95% CI: (0.53၊ 0.56), two-tailed t-test CP vs. သုည = 0.5, t = 6.7, p < 10-9, မျောက် S: ပျမ်းမျှ CP: 0.55, 95% CI: (0.54, 0.57), two-tailed t- စံနှုန်း၊ t = 9.4, p < 10-13)။ထို့ကြောင့်၊ MT အာရုံကြောဆဲလ်များသည် ထင်ရှားသော အပိုင်းခွဲမှု အချက်ပြမှုများ မရှိခြင်းတွင်ပင် ပိုမိုပြင်းထန်စွာ လှုပ်ရှားလေ့ရှိပြီး၊ တိရစ္ဆာန်၏ ကွက်တိလှုပ်ရှားမှုအပေါ် အာရုံခံနိုင်စွမ်းသည် ဆဲလ်၏ ဦးစားပေးမှုများနှင့် ကိုက်ညီသည့်အခါတွင်ပင်။
a) မျောက် N မှ မှတ်တမ်းတင်ထားသော နမူနာများအတွက် texture signal များမပါသော grid များအတွက် ရွေးချယ်မှုဖြစ်နိုင်ခြေ ဖြန့်ဖြူးမှု။ ဆဲလ်တစ်ခုစီသည် ဒေတာအမှတ်နှစ်ခုအထိ ပံ့ပိုးပေးနိုင်သည် (grid ရွေ့လျားမှု၏ ဦးတည်ချက်တစ်ခုစီအတွက် တစ်ခု)။ ကျပန်းအထက်ရှိ ပျမ်းမျှ CP တန်ဖိုး (အဖြူရောင်မြှားများ) သည် MT လှုပ်ရှားမှုနှင့် အာရုံခံစားမှုအကြား သိသာထင်ရှားသော ဆက်နွယ်မှုရှိကြောင်း ညွှန်ပြသည်။ b) မည်သည့်ရွေးချယ်မှုဘက်လိုက်မှုဖြစ်နိုင်ခြေ၏ သက်ရောက်မှုကိုမဆို စစ်ဆေးရန်အတွက်၊ မျောက်များက အနည်းဆုံး အမှားတစ်ခုပြုလုပ်ခဲ့သည့် မည်သည့်လှုံ့ဆော်မှုအတွက်မဆို CP ကို ​​သီးခြားတွက်ချက်ခဲ့သည်။ ရွေးချယ်မှုဖြစ်နိုင်ခြေများကို လှုံ့ဆော်မှုအားလုံးအတွက် ရွေးချယ်မှုအချိုး (pref/null) (ဘယ်ဘက်) နှင့် texture mark contrast ၏ absolute တန်ဖိုးများ (ညာဘက်၊ တစ်ဦးချင်းဆဲလ် ၁၂၀ မှဒေတာ) ၏ function အဖြစ် ပုံဖော်ထားသည်။ ဘယ်ဘက် panel ရှိ အစိုင်အခဲမျဉ်းနှင့် အရိပ်ဧရိယာသည် 20-point moving average ၏ ပျမ်းမျှ ± sem ကို ကိုယ်စားပြုသည်။ signal contrast မြင့်မားသော grid များကဲ့သို့ မညီမျှသော ရွေးချယ်မှုအချိုးများပါသည့် လှုံ့ဆော်မှုအတွက် တွက်ချက်ထားသော ရွေးချယ်မှုဖြစ်နိုင်ခြေများသည် ပိုမိုကွဲပြားပြီး ဖြစ်နိုင်ခြေများပတ်လည်တွင် စုစည်းထားသည်။ ညာဘက် panel ရှိ မီးခိုးရောင်အရိပ်ဧရိယာသည် မြင့်မားသောရွေးချယ်မှုဖြစ်နိုင်ခြေတွက်ချက်မှုတွင် ပါဝင်သော အင်္ဂါရပ်များ၏ contrast ကို အလေးပေးသည်။ c ရွေးချယ်မှုများပြားခြင်း (ordinate) ဖြစ်နိုင်ခြေကို အာရုံကြောဆဲလ်၏ ထောင့်စွန်း (abscissa) နှင့် နှိုင်းယှဉ်၍ ပုံဖော်ထားသည်။ ရွေးချယ်မှုဖြစ်နိုင်ခြေသည် ထောင့်စွန်းနှင့် သိသိသာသာ အနုတ်လက္ခဏာဆောင်သော ဆက်စပ်မှုရှိသည်။ df သဘောတူညီချက်သည် ac နှင့် အတူတူပင်ဖြစ်သော်လည်း အခြားနည်းဖြင့် မှတ်သားထားခြင်းမရှိပါက မျောက် S မှ တစ်ခုတည်းသောဒေတာ ၁၅၇ ခုနှင့် သက်ဆိုင်သည်။ g အမြင့်ဆုံးရွေးချယ်မှုဖြစ်နိုင်ခြေ (ordinate) ကို မျောက်နှစ်ကောင်စီအတွက် ပုံမှန်ပြုလုပ်ထားသော ဦးစားပေးဦးတည်ချက် (abscissa) နှင့် နှိုင်းယှဉ်၍ ပုံဖော်ထားသည်။ MT ဆဲလ်တစ်ခုစီသည် ဒေတာအမှတ်နှစ်ခု (lattice structure ၏ ဦးတည်ချက်တစ်ခုစီအတွက် တစ်ခု) ကို ပံ့ပိုးပေးသည်။ h inter-raster ထောင့်တစ်ခုစီအတွက် ရွေးချယ်မှုဖြစ်နိုင်ခြေ၏ ကြီးမားသော box plot များ။ solid line သည် median ကို အမှတ်အသားပြုပြီး box ၏ အောက်နှင့် အပေါ်အနားများသည် အသီးသီး 25th နှင့် 75th percentiles များကို ကိုယ်စားပြုပြီး whiskers များကို interquartile range ၏ 1.5 ဆအထိ တိုးချဲ့ထားပြီး ဤကန့်သတ်ချက်ထက် ကျော်လွန်သော outliers များကို မှတ်သားထားသည်။ ဘယ်ဘက် (ညာဘက်) panel ရှိ data များသည် တစ်ဦးချင်း N(S) မျောက်ဆဲလ် ၁၂၀ (၁၅၇) ခုမှဖြစ်သည်။ i အမြင့်ဆုံးရွေးချယ်မှုဖြစ်နိုင်ခြေ (ordinate) ကို လှုံ့ဆော်မှုစတင်ချိန် (abscissa) နှင့် နှိုင်းယှဉ်၍ ပုံဖော်ထားသည်။ စမ်းသပ်မှုတစ်လျှောက်လုံးတွင် CP အကြီးစားကို လျှောကျနေသော စတုဂံများ (အနံ 100 ms၊ အဆင့် 10 ms) တွင် တွက်ချက်ပြီးနောက် ယူနစ်များပေါ်တွင် ပျမ်းမျှတွက်ချက်ခဲ့သည်။
ယခင်လေ့လာမှုအချို့တွင် CP သည် အခြေခံနှုန်းထားဖြန့်ဖြူးမှုတွင် စမ်းသပ်မှုအရေအတွက် ဆွေမျိုးပေါ်မူတည်ကြောင်း ဖော်ပြထားပြီး ဆိုလိုသည်မှာ ဤတိုင်းတာမှုသည် ရွေးချယ်မှုတစ်ခုစီ၏ အချိုးအစားတွင် ကြီးမားသော ကွာခြားချက်များကို ဖြစ်စေသော လှုံ့ဆော်မှုများအတွက် ယုံကြည်စိတ်ချရမှု နည်းပါးသည်။ ကျွန်ုပ်တို့၏ဒေတာတွင် ဤအကျိုးသက်ရောက်မှုကို စမ်းသပ်ရန်အတွက်၊ လက္ခဏာအသွင်အပြင် ဆန့်ကျင်ဘက် မည်သို့ပင်ရှိစေကာမူ လှုံ့ဆော်မှုအားလုံးအတွက် CP ကို ​​သီးခြားတွက်ချက်ခဲ့ပြီး မျောက်များသည် အနည်းဆုံး မှားယွင်းသော စမ်းသပ်မှုတစ်ခု ပြုလုပ်ခဲ့သည်။ CP ကို ​​ပုံ ၆ခ နှင့် e (ဘယ်ဘက်အကန့်) ရှိ တိရစ္ဆာန်တစ်ခုစီအတွက် ရွေးချယ်မှုအချိုး (pref/null) နှင့် အသီးသီး နှိုင်းယှဉ်ထားသည်။ ရွေ့လျားပျမ်းမျှများကို ကြည့်လျှင် CP သည် ရွေးချယ်မှုအခွင့်အလမ်းများစွာတွင် ဖြစ်နိုင်ခြေအထက်တွင် ရှိနေကြောင်း၊ အခွင့်အလမ်းများသည် (အထက်) ၀.၂ (၀.၈) အောက် ကျဆင်း (တိုးလာ) သည့်အခါတွင်သာ ကျဆင်းသွားကြောင်း ထင်ရှားသည်။ တိရစ္ဆာန်များ၏ စိတ်ပိုင်းဆိုင်ရာ ဝိသေသလက္ခဏာများအပေါ် အခြေခံ၍ ဤပမာဏ၏ ရွေးချယ်မှုကိန်းဂဏန်းများသည် ဆန့်ကျင်ဘက် မြင့်မားသော texture အချက်ပြမှုများ (ညီညွတ်မှု သို့မဟုတ် ပွင့်လင်းမြင်သာမှု) ရှိသော လှုံ့ဆော်မှုများအတွက်သာ အသုံးချမည်ဟု ကျွန်ုပ်တို့ မျှော်လင့်ပါသည် (ပုံ ၂က၊ ခ ရှိ စိတ်ပိုင်းဆိုင်ရာ အင်္ဂါရပ်များ၏ ဥပမာများကို ကြည့်ပါ)။ ဤကဲ့သို့ဖြစ်ခဲ့ခြင်းရှိမရှိနှင့် ရှင်းလင်းသော segmentation အချက်ပြမှုများပါရှိသော လှုံ့ဆော်မှုများအတွက်ပင် သိသာထင်ရှားသော PC တစ်ခု ဆက်လက်တည်ရှိနေခြင်းရှိမရှိ ဆုံးဖြတ်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် PC ပေါ်ရှိ absolute textural contrast တန်ဖိုးများ၏ အကျိုးသက်ရောက်မှုကို စစ်ဆေးခဲ့သည် (ပုံ 6b၊ e-right)။ မျှော်လင့်ထားသည့်အတိုင်း၊ CP သည် အလယ်အလတ် (~20% contrast သို့မဟုတ် ၎င်းထက်နိမ့်သော) segmentation အချက်ပြမှုများပါရှိသော လှုံ့ဆော်မှုအတွက် ဖြစ်နိုင်ခြေထက် သိသိသာသာ မြင့်မားခဲ့သည်။
ဦးတည်ချက်၊ အမြန်နှုန်းနှင့် မကိုက်ညီမှု မှတ်မိခြင်း လုပ်ငန်းများတွင်၊ MT CP သည် အထိခိုက်မခံဆုံး အာရုံကြောဆဲလ်များတွင် အမြင့်ဆုံးဖြစ်လေ့ရှိသည်၊ ምናልባት ဤအာရုံကြောဆဲလ်များသည် အသိပေးမှုအရှိဆုံး အချက်ပြမှုများ 30,32,33,34 ကို သယ်ဆောင်သောကြောင့် ဖြစ်နိုင်သည်။ဤတွေ့ရှိချက်များနှင့်အညီ၊ ပုံ၏ ညာဘက်အစွန်ဆုံး panel တွင် မီးမောင်းထိုးပြထားသော texture cue contrast များတစ်လျှောက် z-scored firing rates များမှတွက်ချက်ထားသော grand CP အကြားတွင် အသင့်အတင့်ရှိသော်လည်း သိသာထင်ရှားသော ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။၆ခ၊ e နှင့် အာရုံကြောဆဲလ်များ၏ ကန့်သတ်ချက် (ပုံ ၆ဂ၊ f; ဂျီဩမေတြီပျမ်းမျှဆုတ်ယုတ်မှု၊ မျောက် N: r = −0.12၊ p = 0.07 မျောက် S: r = −0.18၊ p < 10−3)။ ၆ခ၊ e နှင့် အာရုံကြောဆဲလ်များ၏ ကန့်သတ်ချက် (ပုံ ၆ဂ၊ f; ဂျီဩမေတြီပျမ်းမျှဆုတ်ယုတ်မှု၊ မျောက် N: r = −0.12၊ p = 0.07 မျောက် S: r = −0.18၊ p < 10−3)။ဤတွေ့ရှိချက်များနှင့်အညီ၊ ပုံ ၆ခ၊ e ၏ ညာဘက်အစွန်ဆုံး panel တွင် မီးမောင်းထိုးပြထားသော texture signal contrast များမှ excitation frequency z-score မှ တွက်ချက်ထားသော ကြီးမားသော CP နှင့် neuronal threshold (ပုံ ၆ဂ၊ f; geometric) အကြားတွင် အသင့်အတင့်ရှိသော်လည်း သိသာထင်ရှားသော ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ geometric mean regression;обезьяна N: r = -0,12, p = 0,07 обезьяна S: r = -0,18, p < 10-3) ။ မျောက် N: r = -0.12၊ p = 0.07 မျောက် S: r = -0.18၊ p < 10-3)။与这些发现一致，我们观察到大CP之间存在适度但显着的相关性，这是根据图6b、e和神经元阈值（图6c、f；几何平均回归；猴子N：r = -0.12，p = 0.07猴子S：r = -0.18，p < 10-)与这些发现一致，我们到大大之间存在适度但显着的相关性这是根据回、阈值（图图 6c、f；回归；猴子 n：r=-0.12，p=0.07猴子S：r=-0.18，p <10-3)။ဤတွေ့ရှိချက်များနှင့်အညီ၊ ပုံ ၆ခ၊ င တွင်ပြထားသည့်အတိုင်း ကြီးမားသော CV များနှင့် အာရုံကြောဆဲလ်များ၏ ကန့်သတ်ချက်များ (ပုံ ၆ဂ၊ ဖ; ဂျီဩမေတြီပျမ်းမျှဆုတ်ယုတ်မှု၊ မျောက် N: r = -0.12၊ p = 0.07) အကြားတွင် အသင့်အတင့်ရှိသော်လည်း သိသာထင်ရှားသော ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့ပါသည်။Обезьяна S: г = -0,18, р < 10-3)။ မျောက် S: r = -0.18, p < 10-3)။ထို့ကြောင့်၊ အသိပညာအများဆုံးယူနစ်များမှ အချက်ပြမှုများသည် မျောက်များတွင် subjective segmentation ဆုံးဖြတ်ချက်များနှင့် ပိုမိုကြီးမားသော covariance ကိုပြသလေ့ရှိပြီး၊ ၎င်းသည် perceptual bias သို့ထည့်သွင်းထားသော textural အချက်ပြမှုများ မည်သို့ပင်ရှိစေကာမူ အရေးကြီးပါသည်။
grid texture signals များအပေါ် အာရုံခံနိုင်စွမ်းနှင့် ဦးစားပေး neuronal orientation အကြား ဆက်နွယ်မှုကို ယခင်က တည်ဆောက်ထားပြီးဖြစ်သောကြောင့် CP နှင့် ဦးစားပေး orientation အကြား အလားတူဆက်နွယ်မှုရှိမရှိ ကျွန်ုပ်တို့ သိချင်ခဲ့ပါသည် (ပုံ 6g)။ ဤဆက်စပ်မှုသည် မျောက် S တွင် အနည်းငယ်သာ သိသာထင်ရှားသည် (ANOVA; မျောက် N: 1.03, p=0.46; မျောက် S: F=1.73, p=0.04)။ မည်သည့်တိရစ္ဆာန်တွင်မဆို lattices များအကြား lattice angles များအတွက် CP တွင် ကွာခြားချက်ကို ကျွန်ုပ်တို့ မတွေ့ရှိခဲ့ပါ (ပုံ 6h; ANOVA; မျောက် N: F = 1.8, p = 0.11; မျောက် S: F = 0.32, p = 0.9)။
နောက်ဆုံးအနေနဲ့၊ ယခင်လုပ်ငန်းတွေက စမ်းသပ်မှုတစ်လျှောက်လုံး CP ပြောင်းလဲမှုကို ပြသခဲ့ပါတယ်။ လေ့လာမှုအချို့က သိသိသာသာတိုးလာပြီးနောက် ချောမွေ့တဲ့ ရွေးချယ်မှုအကျိုးသက်ရောက်မှု ၃၀ ရှိတယ်လို့ ဖော်ပြခဲ့ပြီး တချို့ကတော့ စမ်းသပ်မှုတစ်လျှောက်လုံး ရွေးချယ်မှုအချက်ပြမှု တည်ငြိမ်စွာတိုးလာတယ်လို့ ဖော်ပြခဲ့ပါတယ်၃၁။ မျောက်တစ်ကောင်ချင်းစီအတွက်၊ လှုံ့ဆော်မှုမတိုင်မီစတင်ချိန်မှ လှုံ့ဆော်မှုမတိုင်မီ အော့ဖ်ဆက်ပြီးနောက် ပျမ်းမျှ ၂၀ မီလီစက္ကန့်တိုင်း 100 မီလီစက္ကန့်ဆဲလ်တွေမှာ textural contrast (ပုံစံဦးတည်ချက်အရ) သုညနဲ့ စမ်းသပ်မှုတွေမှာ ယူနစ်တစ်ခုစီရဲ့ CP ကို ​​တွက်ချက်ခဲ့ပါတယ်။ မျောက်နှစ်ကောင်အတွက် ပျမ်းမျှ CP ဒိုင်းနမစ်ကို ပုံ ၆i မှာ ပြသထားပါတယ်။ နှစ်ခုစလုံးမှာ၊ လှုံ့ဆော်မှုစတင်ပြီးနောက် 500 မီလီစက္ကန့်နီးပါးအထိ CP ဟာ ကျပန်းအဆင့်မှာ ရှိနေခဲ့ပါတယ် ဒါမှမဟုတ် ၎င်းနဲ့ အလွန်နီးကပ်နေခဲ့ပြီး အဲဒီနောက်မှာ CP သိသိသာသာတိုးလာခဲ့ပါတယ်။
အာရုံခံနိုင်စွမ်းပြောင်းလဲခြင်းအပြင်၊ CP သည် ဆဲလ်ချိန်ညှိမှုဝိသေသလက္ခဏာများ၏ အရည်အသွေးအချို့ကြောင့်လည်း သက်ရောက်မှုရှိကြောင်း ပြသထားသည်။ ဥပမာအားဖြင့်၊ Uka နှင့် DeAngelis34 တို့သည် မှန်ဘီလူးမကိုက်ညီမှု အသိအမှတ်ပြုခြင်းလုပ်ငန်းတွင် CP သည် ကိရိယာ၏ မှန်ဘီလူးမကိုက်ညီမှု ချိန်ညှိမှုကွေး၏ ဆ៊ီမက်ထရီပေါ်တွင် မူတည်ကြောင်း တွေ့ရှိခဲ့သည်။ ဤကိစ္စတွင်၊ ဆက်စပ်မေးခွန်းတစ်ခုမှာ ပုံစံဦးတည်ချက် ရွေးချယ်သည့် (PDS) ဆဲလ်များသည် အစိတ်အပိုင်းဦးတည်ချက် ရွေးချယ်သည့် (CDS) ဆဲလ်များထက် ပိုမိုအာရုံခံနိုင်စွမ်းရှိမရှိဖြစ်သည်။ PDS ဆဲလ်များသည် ဒေသဆိုင်ရာဦးတည်ချက်များစွာပါဝင်သော ပုံစံများ၏ အထွေထွေဦးတည်ချက်ကို အက္ခရာတင်ပြီး CDS ဆဲလ်များသည် ဦးတည်ချက်ပုံစံ အစိတ်အပိုင်းများ၏ ရွေ့လျားမှုကို တုံ့ပြန်သည် (ပုံ 7a)။
a mode component tuning stimulus နှင့် hypothetical grating (ဘယ်ဘက်) နှင့် grating orientation tuning curves (ညာဘက်) တို့၏ Schematic Representation (ပစ္စည်းများနှင့် နည်းလမ်းများ)။ အတိုချုပ်ပြောရလျှင် cell တစ်ခုသည် grid component များကိုဖြတ်၍ signal pattern movement သို့ ပေါင်းစပ်ပါက၊ တစ်ဦးချင်း grid နှင့် grid stimuli (နောက်ဆုံး column၊ solid curve) အတွက် တူညီသော tuning curves များကို မျှော်လင့်ပါသည်။ ဆန့်ကျင်ဘက်အနေဖြင့် cell သည် component များ၏ direction များကို signal pattern ၏ motion ထဲသို့ ပေါင်းစပ်မထားပါက၊ grating motion ၏ direction တစ်ခုစီတွင် peak ရှိသော bipartite tuning curve ကို မျှော်လင့်ပြီး component တစ်ခုကို cell ၏ နှစ်သက်ရာ direction (နောက်ဆုံး column၊ dashed curve) အဖြစ်သို့ ဘာသာပြန်ဆိုပေးပါသည်။ . b (ဘယ်ဘက်) ပုံ ၁ နှင့် ၂ တွင်ပြထားသော cell များအတွက် sinusoidal array ၏ orientation ကို ချိန်ညှိရန်အတွက် curves။ 3 နှင့် 4 (အပေါ်ဆုံးတန်း - ပုံ ၃က၊ ခ နှင့် ၄က၊ ခ ရှိ cell များ (အပေါ်)၊ အောက်ဆုံး panel - ပုံ ၃ဂ၊ ဃ နှင့် ၄က၊ ခ (အောက်ခြေ) ရှိ cell များ)။ (အလယ်) lattice tuning profile များမှ တွက်ချက်ထားသော Pattern နှင့် component ခန့်မှန်းချက်များ။ (ညာဘက်) ဤ cell များ၏ grid ကို ချိန်ညှိခြင်း။ အပေါ် (အောက်) panel ရှိဆဲလ်များကို template (component) ဆဲလ်များအဖြစ် အမျိုးအစားခွဲခြားထားသည်။ ပုံစံအစိတ်အပိုင်းများ၏ အမျိုးအစားခွဲခြားမှုနှင့် coherent/transparent ဆဲလ်ရွေ့လျားမှုအတွက် ဦးစားပေးမှုများအကြား တစ်ဦးချင်း ဆက်စပ်မှုမရှိကြောင်း သတိပြုပါ (ပုံ ၄က ရှိ ဤဆဲလ်များအတွက် texture lattice responses များကိုကြည့်ပါ)။ c N (ဘယ်ဘက်) နှင့် S (ညာဘက်) မျောက်များတွင် မှတ်တမ်းတင်ထားသော ဆဲလ်အားလုံးအတွက် z-score mode (ordinate) ၏ တစ်စိတ်တစ်ပိုင်း correlation coefficient။ ထူသောမျဉ်းကြောင်းများသည် ဆဲလ်များကို အမျိုးအစားခွဲခြားရန် အသုံးပြုသော အရေးပါမှုစံနှုန်းများကို ညွှန်ပြသည်။ d မြင့်မားသော ရွေးချယ်မှုဖြစ်နိုင်ခြေ (ordinate) နှင့် mode index (Zp – Zc) (abscissa) ၏ ပုံ။ ဘယ်ဘက် (ညာဘက်) panel ရှိ data များသည် မျောက် N(S) ကို ရည်ညွှန်းသည်။ အနက်ရောင်စက်ဝိုင်းများသည် ခန့်မှန်းခြေယူနစ်များဖြင့် data များကို ညွှန်ပြသည်။ တိရစ္ဆာန်နှစ်မျိုးလုံးတွင် မြင့်မားသော ရွေးချယ်မှုဖြစ်နိုင်ခြေနှင့် ပုံစံအညွှန်းကိန်းအကြား သိသာထင်ရှားသော correlation ရှိခဲ့ပြီး အစိတ်အပိုင်းများစွာပါဝင်သော stimuli တွင် signal pattern orientation ရှိသောဆဲလ်များအတွက် perceptual correlation ပိုမိုများပြားကြောင်း ညွှန်ပြသည်။
ထို့ကြောင့်၊ သီးခြားစမ်းသပ်မှုအစုံတွင်၊ ကျွန်ုပ်တို့၏နမူနာများရှိ အာရုံကြောဆဲလ်များကို PDS သို့မဟုတ် CDS အဖြစ် အမျိုးအစားခွဲခြားရန် sinusoidal grid များနှင့် grid များအပေါ် တုံ့ပြန်မှုများကို တိုင်းတာခဲ့သည် (နည်းလမ်းများကိုကြည့်ပါ)။ Lattice tuning curves၊ ဤ tuning data မှတည်ဆောက်ထားသော template component predictions နှင့် ပုံ ၁ နှင့် ၃ တွင်ပြထားသော ဆဲလ်များအတွက် lattice tuning curves။ ပုံ ၃ နှင့် ၄ နှင့် နောက်ဆက်တွဲပုံ ၃ ကို ပုံ ၇ခ တွင် ပြသထားသည်။ ပုံစံဖြန့်ဖြူးမှုနှင့် component selectivity အပြင် အမျိုးအစားတစ်ခုစီတွင် ဦးစားပေးဆဲလ် orientation ကို ပုံ ၇ဂ နှင့် နောက်ဆက်တွဲပုံ ၄ တွင် မျောက်တစ်ကောင်ချင်းစီအတွက် အသီးသီးပြသထားသည်။
ပုံစံအစိတ်အပိုင်းများ ပြင်ဆင်ခြင်းအပေါ် CP ၏ မှီခိုမှုကို အကဲဖြတ်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် ပုံစံအညွှန်းကိန်း 35 (PI) ကို ဦးစွာတွက်ချက်ခဲ့ပြီး၊ ၎င်း၏ ပိုကြီးသော (သေးငယ်သော) တန်ဖိုးများသည် ပိုကြီးသော PDS (CDS) အလားတူအပြုအမူကို ညွှန်ပြသည်။ အထက်ဖော်ပြပါ သရုပ်ပြမှုကို ပေးထားသည်- (i) အာရုံကြောအာရုံခံနိုင်စွမ်းသည် ဦးစားပေးဆဲလ်ဦးတည်ချက်နှင့် လှုံ့ဆော်မှုရွေ့လျားမှု၏ ဦးတည်ရာအကြား ကွာခြားချက်နှင့်အတူ ကွဲပြားသည်၊ နှင့် (ii) ကျွန်ုပ်တို့၏နမူနာတွင် အာရုံကြောအာရုံခံနိုင်စွမ်းနှင့် ရွေးချယ်မှုဖြစ်နိုင်ခြေအကြား သိသာထင်ရှားသော ဆက်စပ်မှုရှိပြီး၊ ဆဲလ်တစ်ခုစီ၏ "အကောင်းဆုံး" ရွေ့လျားမှု၏ ဦးတည်ရာအတွက် PI နှင့် စုစုပေါင်း CP အကြား ဆက်နွယ်မှုကို လေ့လာခဲ့သည် (အထက်တွင်ကြည့်ပါ)။ CP သည် PI နှင့် သိသိသာသာ ဆက်စပ်နေကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည် (ပုံ 7d; geometric mean regression; grand CP monkey N: r = 0.23, p < 0.01; bi-stable CP monkey N r = 0.21, p = 0.013; grand CP monkey S: r = 0.30, p < 10−4; bi-stable CP monkey S: r = 0.29, p < 10−3)၊ PDS အဖြစ် အမျိုးအစားခွဲခြားထားသော ဆဲလ်များသည် CDS နှင့် အမျိုးအစားမခွဲခြားထားသော ဆဲလ်များထက် ရွေးချယ်မှုဆိုင်ရာ လုပ်ဆောင်ချက် ပိုမိုပြသကြောင်း ညွှန်ပြသည်။ CP သည် PI နှင့် သိသိသာသာ ဆက်စပ်နေကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည် (ပုံ 7d; geometric mean regression; grand CP monkey N: r = 0.23, p < 0.01; bi-stable CP monkey N r = 0.21, p = 0.013; grand CP monkey S: r = 0.30, p < 10−4; bi-stable CP monkey S: r = 0.29, p < 10−3)၊ PDS အဖြစ် အမျိုးအစားခွဲခြားထားသော ဆဲလ်များသည် CDS နှင့် အမျိုးအစားမခွဲခြားထားသော ဆဲလ်များထက် ရွေးချယ်မှုဆိုင်ရာ လုပ်ဆောင်ချက် ပိုမိုပြသကြောင်း ညွှန်ပြသည်။ Мы обнаружили, что CP значительно коррелирует с PI (рис. 7d; регрессия среднего геометрическогьшо; бометрическогьшо; бометрическогьшо; = 0,23, p < 0,01; бистабильная обезьяна CP N r = 0,21, p = 0,013; r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как PDS, проявляли большую активность, связанную с выбором, чем CDS и неклассифицированные клетки. CP သည် PI နှင့် သိသိသာသာ ဆက်စပ်နေကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည် (ပုံ 7d; geometric mean regression; great monkey CP N: r = 0.23, p < 0.01; bistable monkey CP N r = 0.21, p = 0.013; great monkey CP S: r = 0.30, p < 10-4; monkey S bistable CP: r = 0.29, p < 10-3)၊ PDS အဖြစ် အမျိုးအစားခွဲခြားထားသော ဆဲလ်များသည် CDS နှင့် အမျိုးအစားမခွဲခြားထားသော ဆဲလ်များထက် ရွေးချယ်မှုနှင့် ဆက်စပ်သော လုပ်ဆောင်ချက် ပိုမိုပြသကြောင်း ညွှန်ပြသည်။我们发现CP与PI显着相关（图7d；几何平均回归；大CP猴N：r = 0.23，p < 0.01；双稳态။ NCP 1 = 0.01；双稳态。 CP 0.013；大CP猴S：r=0.30，p <10-4；双稳态CP猴S：r=0.29，p <10-3），表明分类为PDS的细胞比 和未分类的细胞表现出更大的选择相关活性။ CP 与PI显着相关（图7d；几何平均回归；大CP猴N：r = 0.23，p < 0.01；双稳态CP 猴N r = 0.21； ၀.၀ Мы обнаружили, что CP был значительно связан с PI (рис. 7d; регрессия среднего геометрическобьшо; болескогь CP я болеского; 0,23, p < 0,01; бистабильная обезьяна CP N r = 0,21, p = 0,013; CP သည် PI နှင့် သိသိသာသာ ဆက်စပ်နေကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည် (ပုံ 7d; ဂျီဩမေတြီပျမ်းမျှဆုတ်ယုတ်မှု၊ မျောက်ကြီး CP N: r = 0.23၊ p < 0.01; bistable မျောက် CP N r = 0.21၊ p = 0.013; မျောက်ကြီး 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, классифицированное кашк PDS, проь селекционную активность, чем клетки, классифицированные как CDS и неклассифицированные။ monkey S bistable CP: r = 0.29, p < 10-3)၊ PDS အဖြစ် အမျိုးအစားခွဲခြားထားသော ဆဲလ်များသည် CDS အဖြစ် အမျိုးအစားခွဲခြားထားပြီး အမျိုးအစားမခွဲခြားထားသော ဆဲလ်များထက် ရွေးချယ်မှုလုပ်ဆောင်ချက် ပိုမိုများပြားကြောင်း ညွှန်ပြနေသည်။PI နှင့် neuron sensitivity နှစ်မျိုးလုံးသည် CP နှင့် ဆက်စပ်နေသောကြောင့်၊ အကျိုးသက်ရောက်မှုဖြစ်နိုင်ခြေကို ဦးတည်စေသည့် တိုင်းတာမှုနှစ်ခုကြား ဆက်စပ်မှုကို ဖယ်ထုတ်ရန် multiple regression analysis များကို ကျွန်ုပ်တို့ ပြုလုပ်ခဲ့ပါသည် (PI နှင့် neuron sensitivity ကို independent variable များအဖြစ် နှင့် large CP ကို ​​dependent variable အနေဖြင့်)။ တစ်စိတ်တစ်ပိုင်း ဆက်စပ်မှု ကိန်းဂဏန်း နှစ်ခုစလုံးသည် သိသာထင်ရှားသည် (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)၊ CP သည် အာရုံခံနိုင်စွမ်းနှင့်အတူ တိုးလာပြီး PI နှင့်အတူ သီးခြားစီ တိုးလာကြောင်း အကြံပြုထားသည်။ တစ်စိတ်တစ်ပိုင်း ဆက်စပ်မှု ကိန်းဂဏန်း နှစ်ခုစလုံးသည် သိသာထင်ရှားသည် (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)၊ CP သည် အာရုံခံနိုင်စွမ်းနှင့်အတူ တိုးလာပြီး PI နှင့်အတူ သီးခြားစီ တိုးလာကြောင်း အကြံပြုထားသည်။ Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, p в 0,04, PI < 0,01; чувствительностью и независимым образом увеличивается с PI။ တစ်စိတ်တစ်ပိုင်း ဆက်စပ်မှု ကိန်းဂဏန်း နှစ်ခုစလုံးသည် သိသာထင်ရှားသည် (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)၊ CP သည် အာရုံခံနိုင်စွမ်းနှင့်အတူ တိုးလာပြီး PI နှင့်အတူ သီးခြားစီ တိုးလာကြောင်း အကြံပြုထားသည်။两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI与CP：r = 0.23，p < 0.01； CP：弛猴子-0.16၊ p = 0.03၊PI နှင့် CP: 0.29၊ p < 10-3), 表明CP 随灵敏度增加而增加，并且以独立方式随PI墊。两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI = 0.03，PI နှင့် CP：0.29，p <10-3)，表 Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, p в 0,04, PI < 0,01; чувствительностью и увеличивалась с PI независимым образом။ တစ်စိတ်တစ်ပိုင်း ဆက်စပ်မှု ကိန်းဂဏန်း နှစ်ခုစလုံးသည် သိသာထင်ရှားသည် (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)၊ CP သည် အာရုံခံနိုင်စွမ်းနှင့်အတူ တိုးလာပြီး PI နှင့်အတူ သီးခြားပုံစံဖြင့် တိုးလာကြောင်း ညွှန်ပြသည်။
MT ဧရိယာရှိ လုပ်ဆောင်ချက်တစ်ခုတည်းကို ကျွန်ုပ်တို့ မှတ်တမ်းတင်ခဲ့ပြီး မျောက်များသည် ညီညွတ်သော သို့မဟုတ် ပွင့်လင်းမြင်သာသော လှုပ်ရှားမှုများအဖြစ် ပေါ်လာနိုင်သည့် ပုံစံများအပေါ် ၎င်းတို့၏ အမြင်ကို တင်ပြခဲ့သည်။ ဘက်လိုက်သော အမြင်များတွင် ထည့်သွင်းထားသော အပိုင်းခွဲခြင်း အချက်ပြမှုများအပေါ် အာရုံကြောဆဲလ်များ၏ အာရုံခံနိုင်စွမ်းသည် ကျယ်ပြန့်စွာ ကွဲပြားပြီး အနည်းဆုံး တစ်စိတ်တစ်ပိုင်းအားဖြင့် ယူနစ်၏ နှစ်သက်သော ဦးတည်ချက်နှင့် လှုံ့ဆော်မှု လှုပ်ရှားမှု ဦးတည်ချက်ကြား ဆက်နွယ်မှုဖြင့် ဆုံးဖြတ်သည်။ လူဦးရေတစ်ခုလုံးတွင် အာရုံကြောဆဲလ်များ၏ အာရုံခံနိုင်စွမ်းသည် စိတ်ပိုင်းဆိုင်ရာ အာရုံခံနိုင်စွမ်းထက် သိသိသာသာ နိမ့်ကျသော်လည်း၊ အထိခိုက်မခံဆုံး ယူနစ်များသည် အပိုင်းခွဲခြင်း အချက်ပြမှုများအတွက် အပြုအမူဆိုင်ရာ အာရုံခံနိုင်စွမ်းနှင့် ကိုက်ညီသည် သို့မဟုတ် ကျော်လွန်သည်။ ထို့အပြင်၊ ပစ်ခတ်သည့် ကြိမ်နှုန်းနှင့် အာရုံခံနိုင်စွမ်းကြားတွင် သိသာထင်ရှားသော covariance ရှိပြီး MT အချက်ပြမှုသည် အပိုင်းခွဲခြင်းတွင် အခန်းကဏ္ဍမှ ပါဝင်ကြောင်း အကြံပြုထားသည်။ နှစ်သက်သော ဦးတည်ချက်ရှိသော ဆဲလ်များသည် lattice အပိုင်းခွဲခြင်း အချက်ပြမှုများတွင် ကွဲပြားမှုများအပေါ် ၎င်းတို့၏ အာရုံခံနိုင်စွမ်းကို အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်ပြီး ဒေသတွင်း ဦးတည်ချက်များစွာပါရှိသော လှုံ့ဆော်မှုများတွင် ကမ္ဘာလုံးဆိုင်ရာ ရွေ့လျားမှုကို အချက်ပြလေ့ရှိပြီး အမြင့်ဆုံး အာရုံခံ ဆက်စပ်မှုကို ပြသသည်။ ဤနေရာတွင် ဤရလဒ်များကို ယခင်လုပ်ငန်းနှင့် နှိုင်းယှဉ်ခြင်းမပြုမီ အလားအလာရှိသော ပြဿနာအချို့ကို ကျွန်ုပ်တို့ ထည့်သွင်းစဉ်းစားပါသည်။
တိရစ္ဆာန်မော်ဒယ်များတွင် bistable stimuli ကိုအသုံးပြုသော သုတေသန၏ အဓိကပြဿနာတစ်ခုမှာ အပြုအမူတုံ့ပြန်မှုများသည် စိတ်ဝင်စားမှုအတိုင်းအတာပေါ်တွင် အခြေခံ၍မရခြင်းပင်ဖြစ်သည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့၏မျောက်များသည် ၎င်းတို့၏ lattice coherence ကို ၎င်းတို့၏အမြင်နှင့် သီးခြားစီ texture orientation ကို ၎င်းတို့၏အမြင်ကို တင်ပြနိုင်သည်။ အချက်အလက်၏ ရှုထောင့်နှစ်ခုက ဤသို့မဟုတ်ကြောင်း အကြံပြုထားသည်။ ပထမအချက်မှာ၊ ယခင်အစီရင်ခံစာများနှင့်အညီ၊ ခွဲထုတ်ထားသော array အစိတ်အပိုင်းများ၏ relative orientation angle ကို စနစ်တကျပြောင်းလဲခြင်းသည် coherent perception ၏ဖြစ်နိုင်ခြေကို ပြောင်းလဲစေခဲ့သည်။ ဒုတိယအချက်မှာ၊ ပျမ်းမျှအားဖြင့်၊ texture signals များပါ ၀ င်သည်ဖြစ်စေ မပါ ၀ င်သည်ဖြစ်စေ အကျိုးသက်ရောက်မှုသည် အတူတူပင်ဖြစ်သည်။ ပေါင်းစပ်ကြည့်လျှင်၊ ဤလေ့လာတွေ့ရှိချက်များသည် မျောက်များ၏တုံ့ပြန်မှုများသည် ချိတ်ဆက်မှု/ပွင့်လင်းမြင်သာမှုအပေါ် ၎င်းတို့၏အမြင်ကို တသမတ်တည်းထင်ဟပ်စေကြောင်း အကြံပြုထားသည်။
နောက်ထပ်ဖြစ်နိုင်ခြေရှိတဲ့ပြဿနာတစ်ခုကတော့ သတ်မှတ်ထားတဲ့အခြေအနေအတွက် grating motion parameters တွေကို ကျွန်ုပ်တို့ အကောင်းဆုံးဖြစ်အောင် မလုပ်ထားနိုင်ခြင်းပါပဲ။ အာရုံကြောဆိုင်ရာနှင့် စိတ်ပိုင်းဆိုင်ရာ အာရုံခံနိုင်စွမ်းကို နှိုင်းယှဉ်ခဲ့တဲ့ ယခင်လုပ်ဆောင်ချက်များစွာမှာ၊ မှတ်ပုံတင်ထားတဲ့ ယူနစ်တစ်ခုစီအတွက် လှုံ့ဆော်မှုတွေကို တစ်ဦးချင်းစီ ရွေးချယ်ခဲ့ပါတယ် [၃၁၊ ၃၂၊ ၃၄၊ ၃၆၊ ၃၇၊ ၃၈၊ ၃၉၊ ၄၀၊ ၄၁၊ ၄၂၊ ၄၃၊ ၄၄၊ ၄၅]။ ဒီမှာ ဆဲလ်တစ်ခုစီရဲ့ orientation ကို ချိန်ညှိမှုမရှိဘဲ lattice pattern ရဲ့ ရွေ့လျားမှု ဦးတည်ချက်နှစ်ခုကို ကျွန်ုပ်တို့ အသုံးပြုခဲ့ပါတယ်။ ဒီဒီဇိုင်းက lattice movement နဲ့ နှစ်သက်တဲ့ orientation အကြား ထပ်တူကျမှုနဲ့အတူ sensitivity ဘယ်လိုပြောင်းလဲသွားလဲဆိုတာကို လေ့လာနိုင်စေခဲ့ပေမယ့် ဆဲလ်တွေက coherent ဒါမှမဟုတ် transparent lattices ကို ပိုနှစ်သက်သလားဆိုတာ ဆုံးဖြတ်ဖို့အတွက် a priori basis ကို မပေးခဲ့ပါဘူး။ ဒါကြောင့် mesh movement ရဲ့ အမျိုးအစားတစ်ခုစီကို ဦးစားပေးမှုနဲ့ zero label တွေ သတ်မှတ်ဖို့ cell တစ်ခုစီရဲ့ textured mesh ကို တုံ့ပြန်မှုကို အသုံးပြုပြီး empirical criteria တွေကို အားကိုးပါတယ်။ မဖြစ်နိုင်ပေမယ့်၊ ဒါက ကျွန်ုပ်တို့ရဲ့ sensitivity analysis နဲ့ CP signal detection ရဲ့ ရလဒ်တွေကို စနစ်တကျ စောင်းသွားစေနိုင်ပြီး၊ တိုင်းတာမှုတိုင်းကို အလွန်အကျွံ ခန့်မှန်းမိစေနိုင်ပါတယ်။ ဒါပေမယ့် အောက်မှာ ဆွေးနွေးထားတဲ့ analysis နဲ့ data ရဲ့ ရှုထောင့်အတော်များများက ဒါဟာ မဟုတ်ကြောင်း အကြံပြုထားပါတယ်။
ပထမဦးစွာ၊ လုပ်ဆောင်ချက်ပိုများသော (လျော့နည်းသော) လှုပ်ရှားမှုကို ဖြစ်ပေါ်စေသော လှုံ့ဆော်မှုများအတွက် ဦးစားပေး (null) အမည်များ သတ်မှတ်ခြင်းသည် ဤတုံ့ပြန်မှုဖြန့်ဖြူးမှုများ၏ ခွဲခြားသိမြင်နိုင်စွမ်းကို မထိခိုက်ပါ။ ယင်းအစား၊ ၎င်းသည် အာရုံကြောတိုင်းတာမှုနှင့် စိတ်ပိုင်းဆိုင်ရာတိုင်းတာမှုလုပ်ဆောင်ချက်များတွင် တူညီသောလက္ခဏာရှိကြောင်းသာ သေချာစေသောကြောင့် ၎င်းတို့ကို တိုက်ရိုက်နှိုင်းယှဉ်နိုင်သည်။ ဒုတိယအချက်အနေဖြင့်၊ CP ကိုတွက်ချက်ရန်အသုံးပြုသော တုံ့ပြန်မှုများ (textured gratings အတွက် "မှားယွင်းသော" စမ်းသပ်မှုများနှင့် texture contrast မပါသော gratings အတွက် စမ်းသပ်မှုအားလုံး) ကို ဆဲလ်တစ်ခုစီသည် ချိတ်ဆက်ထားသော သို့မဟုတ် ပွင့်လင်းမြင်သာသော အားကစားများကို "နှစ်သက်" ခြင်းရှိမရှိ ဆုံးဖြတ်သည့် regression analysis တွင် မပါဝင်ပါ။ ၎င်းသည် ရွေးချယ်မှုအကျိုးသက်ရောက်မှုများသည် ဦးစားပေး/မမှန်ကန်သော သတ်မှတ်ချက်များအပေါ် ဘက်လိုက်မှုမရှိစေရန် သေချာစေပြီး၊ သိသာထင်ရှားသော ရွေးချယ်မှုဖြစ်နိုင်ခြေကို ဖြစ်ပေါ်စေပါသည်။
Newsom နှင့် ၎င်း၏လုပ်ဖော်ကိုင်ဖက်များ [36, 39, 46, 47] တို့၏ လေ့လာမှုများသည် ရွေ့လျားမှု ဦးတည်ရာကို ခန့်မှန်းရာတွင် MT ၏ အခန်းကဏ္ဍကို ဆုံးဖြတ်ရန် ပထမဆုံးဖြစ်သည်။ နောက်ဆက်တွဲ အစီရင်ခံစာများတွင် MT ပါဝင်မှု၏ အနက် 34, 44, 48, 49, 50, 51 နှင့် အမြန်နှုန်း 32, 52၊ ကောင်းမွန်သော ဦးတည်ချက် 33 နှင့် ရွေ့လျားမှုမှ 3D ဖွဲ့စည်းပုံကို အာရုံခံခြင်း 31, 53, 54 (3D ရေရှည်တည်တံ့သော သစ်တောများ) ဆိုင်ရာ အချက်အလက်များကို စုဆောင်းထားသည်။ ကျွန်ုပ်တို့သည် ဤရလဒ်များကို အရေးကြီးသော နည်းလမ်းနှစ်ခုဖြင့် တိုးချဲ့ပါသည်။ ပထမဦးစွာ၊ MT တုံ့ပြန်မှုများသည် visuomotor အချက်ပြမှုများ၏ အာရုံခံ အပိုင်းအခြားကို ပံ့ပိုးပေးကြောင်း အထောက်အထားများကို ကျွန်ုပ်တို့ ပေးပါသည်။ ဒုတိယအနေဖြင့်၊ MT မုဒ် ဦးတည်ချက် ရွေးချယ်မှုနှင့် ဤရွေးချယ်မှု အချက်ပြမှုအကြား ဆက်နွယ်မှုကို ကျွန်ုပ်တို့ လေ့လာတွေ့ရှိခဲ့ပါသည်။
သဘောတရားအရ လက်ရှိရလဒ်များသည် 3-D SFM ဆိုင်ရာလုပ်ငန်းနှင့် အနီးစပ်ဆုံးဖြစ်သည်၊ အဘယ်ကြောင့်ဆိုသော် နှစ်ခုစလုံးသည် ရွေ့လျားမှုနှင့် အနက်အရှိုင်းအစီအစဥ်ပါဝင်သည့် ရှုပ်ထွေးသော bistable perception ဖြစ်သောကြောင့်ဖြစ်သည်။ Dodd et al.31 သည် bistable 3D SFM ဆလင်ဒါ၏ လည်ပတ်မှုဦးတည်ချက်ကို အစီရင်ခံသည့် မျောက်လုပ်ငန်းတွင် ကြီးမားသော ရွေးချယ်မှုဖြစ်နိုင်ခြေ (0.67) ကို တွေ့ရှိခဲ့သည်။ bistable grid လှုံ့ဆော်မှုအတွက် ရွေးချယ်မှုအကျိုးသက်ရောက်မှု နည်းပါးသည်ကို ကျွန်ုပ်တို့တွေ့ရှိခဲ့သည် (မျောက်နှစ်ကောင်စလုံးအတွက် 0.55 ခန့်)။ CP ၏ အကဲဖြတ်မှုသည် ရွေးချယ်မှုကိန်းဂဏန်းပေါ်တွင် မူတည်သောကြောင့်၊ မတူညီသောလုပ်ငန်းများတွင် မတူညီသောအခြေအနေများအောက်တွင် ရရှိသော CP ကို ​​အဓိပ္ပာယ်ဖွင့်ဆိုရန် ခက်ခဲသည်။ သို့သော်၊ ကျွန်ုပ်တို့တွေ့ရှိခဲ့သော ရွေးချယ်မှုအကျိုးသက်ရောက်မှု၏ ပမာဏသည် သုညနှင့် texture contrast grating နိမ့်သောနှင့် texture contrast လှုံ့ဆော်မှုနိမ့်သော/မရှိသော ပေါင်းစပ်မှုများအတွက် အတူတူပင်ဖြစ်သည်။ ထို့ကြောင့်၊ CP ရှိ ဤကွာခြားချက်သည် dataset များအကြား ရွေးချယ်မှုနှုန်းထားများ ကွာခြားမှုကြောင့် မဖြစ်နိုင်ပါ။
3-D SFM လှုံ့ဆော်မှုနှင့် bistable grid ဖွဲ့စည်းပုံများကြောင့် ဖြစ်ပေါ်လာသော ပြင်းထန်ပြီး အရည်အသွေးအရ ကွဲပြားသော အာရုံခံစားမှုအခြေအနေများနှင့် နှိုင်းယှဉ်ပါက နောက်ပိုင်းကိစ္စတွင် MT ပစ်ခတ်နှုန်း အနည်းငယ်ပြောင်းလဲမှုများသည် ပဟေဠိဆန်ပုံရသည်။ တစ်ခုဖြစ်နိုင်သည်မှာ လှုံ့ဆော်မှုတစ်လျှောက်လုံး ပစ်ခတ်နှုန်းကို တွက်ချက်ခြင်းဖြင့် ရွေးချယ်မှုအကျိုးသက်ရောက်မှုကို ကျွန်ုပ်တို့ လျှော့တွက်ခဲ့မိခြင်း ဖြစ်သည်။ ၃၁ 3-D SFM ၏ကိစ္စနှင့် ဆန့်ကျင်ဘက်အနေဖြင့်၊ MT လုပ်ဆောင်ချက်တွင် ကွဲပြားမှုများသည် စမ်းသပ်မှုများတွင် ၂၅၀ ms ခန့် ဖွံ့ဖြိုးလာပြီး စမ်းသပ်မှုတစ်လျှောက်လုံး တဖြည်းဖြည်း မြင့်တက်လာသည့်ကိစ္စနှင့် ဆန့်ကျင်ဘက်အနေဖြင့်၊ ရွေးချယ်မှုအချက်ပြမှုများ၏ အချိန်ကာလဆိုင်ရာ ဒိုင်းနမစ်ကို ကျွန်ုပ်တို့၏ ခွဲခြမ်းစိတ်ဖြာမှု (မျောက်နှစ်ကောင်လုံးတွင် လှုံ့ဆော်မှုစတင်ပြီးနောက် ၅၀၀ ms ကိုကြည့်ပါ)။ ထို့အပြင်၊ ဤကာလအတွင်း သိသိသာသာ မြင့်တက်လာပြီးနောက်၊ စမ်းသပ်မှု၏ ကျန်ရှိသောအချိန်အတွင်း CP တွင် အတက်အကျများကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ Hupe နှင့် Rubin55 တို့က bistable rectangular arrays များအပေါ် လူသားများ၏ အမြင်သည် ရှည်လျားသော စမ်းသပ်မှုများတွင် မကြာခဏ ပြောင်းလဲလေ့ရှိကြောင်း အစီရင်ခံခဲ့သည်။ ကျွန်ုပ်တို့၏ လှုံ့ဆော်မှုကို ၁.၅ စက္ကန့်သာ တင်ပြခဲ့သော်လည်း၊ ကျွန်ုပ်တို့၏ မျောက်များ၏ အမြင်သည် စမ်းသပ်မှုအတွင်း စည်းလုံးညီညွတ်မှုမှ ပွင့်လင်းမြင်သာမှုအထိ ကွဲပြားနိုင်သည် (၎င်းတို့၏ တုံ့ပြန်မှုများသည် cue ရွေးချယ်မှုတွင် ၎င်းတို့၏ နောက်ဆုံးအမြင်ကို ထင်ဟပ်စေသည်။) ထို့ကြောင့်၊ ကျွန်ုပ်တို့၏ လုပ်ငန်း၏ တုံ့ပြန်မှုအချိန်ဗားရှင်း သို့မဟုတ် မျောက်များသည် ၎င်းတို့၏ အမြင်ကို အဆက်မပြတ် အစီရင်ခံနိုင်သည့် အစီအစဉ်သည် ပိုမိုကြီးမားသော ရွေးချယ်မှုအကျိုးသက်ရောက်မှုရှိရန် မျှော်လင့်ရသည်။ နောက်ဆုံးဖြစ်နိုင်ခြေမှာ MT အချက်ပြမှုကို လုပ်ငန်းနှစ်ခုတွင် ကွဲပြားစွာ ဖတ်ရှုခြင်းဖြစ်သည်။ CPU အချက်ပြမှုများသည် sensory decoding နှင့် correlated noise မှ ဖြစ်ပေါ်လာသည်ဟု ကြာမြင့်စွာကတည်းက ယူဆထားသော်လည်း၊56 Gu နှင့် လုပ်ဖော်ကိုင်ဖက်57 တို့သည် တွက်ချက်မှုပုံစံများတွင်၊ correlated အဆင့်များထက် ကွဲပြားသော pooling strategy များကို တွေ့ရှိခဲ့သည်။ variability သည် dorsal media-superior temporal neurons များတွင် CPU ကို ပိုမိုကောင်းမွန်စွာ ရှင်းပြနိုင်ပါသည်။ sheet change orientation recognition task (MSTd)။ MT တွင် ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သော ရွေးချယ်မှု အကျိုးသက်ရောက်မှု နည်းပါးခြင်းသည် ညီညွတ်မှု သို့မဟုတ် ပွင့်လင်းမြင်သာမှု အာရုံခံမှုများကို ဖန်တီးရန်အတွက် သတင်းအချက်အလက်နည်းသော neurons အများအပြား၏ ကျယ်ပြန့်သော စုစည်းမှုကို ထင်ဟပ်စေနိုင်သည်။ ဒေသတွင်း ရွေ့လျားမှု အချက်ပြမှုများကို အရာဝတ္ထု တစ်ခု သို့မဟုတ် နှစ်ခု (bistable gratings) သို့မဟုတ် ဘုံအရာဝတ္ထုများ၏ သီးခြားမျက်နှာပြင်များ (3-D SFM) အဖြစ် အုပ်စုဖွဲ့ရမည့် မည်သည့်ကိစ္စတွင်မဆို၊ MT တုံ့ပြန်မှုများသည် အာရုံခံဆုံးဖြတ်ချက်များနှင့် သိသိသာသာ ဆက်စပ်နေကြောင်း လွတ်လပ်သော အထောက်အထားများ ရှိခဲ့သော်လည်း၊ MT တုံ့ပြန်မှုများ အားကောင်းခဲ့သည်။ visual motion information ကို အသုံးပြု၍ ရှုပ်ထွေးသော ရုပ်ပုံများကို multi-object မြင်ကွင်းများအဖြစ် ပိုင်းခြားရာတွင် အခန်းကဏ္ဍတစ်ခုမှ ပါဝင်ရန် အဆိုပြုထားသည်။
အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း၊ MT ပုံစံဆဲလ်လှုပ်ရှားမှုနှင့် အာရုံခံမှုအကြား ဆက်စပ်မှုကို ကျွန်ုပ်တို့ ပထမဆုံးအစီရင်ခံတင်ပြသူများဖြစ်သည်။ Movshon နှင့် လုပ်ဖော်ကိုင်ဖက်များမှ မူရင်း two-stage model တွင် ဖော်မြူလာပြုလုပ်ထားသည့်အတိုင်း mode unit သည် MT ၏ output stage ဖြစ်သည်။ သို့သော်၊ မကြာသေးမီက လုပ်ဆောင်ခဲ့သော လုပ်ဆောင်ချက်များအရ mode နှင့် component cell များသည် continuum ၏ မတူညီသော အဆုံးများကို ကိုယ်စားပြုပြီး receptive field ၏ဖွဲ့စည်းပုံရှိ parametric ကွာခြားချက်များသည် mode components များ၏ tuning spectrum အတွက် တာဝန်ရှိကြောင်း ပြသခဲ့သည်။ ထို့ကြောင့်၊ depth recognition task သို့မဟုတ် fine orientation discrimination task ရှိ orientation setting configuration တွင် binocular mismatch adjustment symmetry နှင့် CP အကြား ဆက်နွယ်မှုနှင့်ဆင်တူသော CP နှင့် PI အကြား သိသာထင်ရှားသော ဆက်စပ်မှုကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ documents နှင့် CP 33 အကြား ဆက်နွယ်မှုများ။ Wang နှင့် Movshon62 တို့သည် MT orientation selectivity ရှိသော ဆဲလ်အများအပြားကို ခွဲခြမ်းစိတ်ဖြာခဲ့ပြီး ပျမ်းမျှအားဖြင့် mode index သည် tuning properties များစွာနှင့် ဆက်စပ်နေကြောင်း တွေ့ရှိခဲ့ပြီး MT population မှ ဖတ်ရှုနိုင်သော အခြား signal အမျိုးအစားများစွာတွင် mode selectivity ရှိကြောင်း အကြံပြုထားသည်။ ထို့ကြောင့် MT လုပ်ဆောင်ချက်နှင့် စိတ်ခံစားမှုဆိုင်ရာ အာရုံခံစားမှုကြား ဆက်နွယ်မှုကို အနာဂတ်လေ့လာမှုများအတွက် ပုံစံအညွှန်းကိန်းသည် အခြားတာဝန်နှင့် လှုံ့ဆော်မှုရွေးချယ်မှု အချက်ပြမှုများနှင့် အလားတူ ဆက်စပ်မှုရှိမရှိ သို့မဟုတ် ဤဆက်နွယ်မှုသည် စိတ်ခံစားမှုဆိုင်ရာ အပိုင်းအခြားခွဲခြားမှုကိစ္စတွင် သီးသန့်ဖြစ်မဖြစ် ဆုံးဖြတ်ရန် အရေးကြီးပါသည်။
အလားတူပင်၊ Nienborg နှင့် Cumming 42 တို့သည် V2 ရှိ မှန်ဘီလူးမကိုက်ညီမှုအတွက် ရွေးချယ်ထားသော အနီးနှင့်အဝေးဆဲလ်များသည် အနက်ခွဲခြားမှုလုပ်ငန်းတွင် တူညီသောအာရုံခံနိုင်စွမ်းရှိသော်လည်း၊ အနီးဦးစားပေးဆဲလ်လူဦးရေသာ CP သိသာထင်ရှားမှုကိုပြသခဲ့သည်။ သို့သော်၊ ဝေးကွာသောကွာခြားချက်များကို ဦးစားပေးအလေးချိန်ရန် မျောက်များကို ပြန်လည်လေ့ကျင့်ခြင်းသည် ပိုမိုနှစ်သက်သောလှောင်အိမ်များတွင် CP သိသာထင်ရှားမှုကို ဖြစ်ပေါ်စေခဲ့သည်။ အခြားလေ့လာမှုများအရ လေ့ကျင့်မှုသမိုင်းသည် အာရုံခံဆက်စပ်မှုများ 34,40,63 သို့မဟုတ် MT လှုပ်ရှားမှုနှင့် ကွဲပြားသောခွဲခြားမှု 48 အကြား အကြောင်းရင်းဆက်စပ်မှုပေါ်တွင် မူတည်ကြောင်းလည်း ဖော်ပြခဲ့သည်။ CP နှင့် regimen ဦးတည်ရာရွေးချယ်မှုအကြား ကျွန်ုပ်တို့လေ့လာတွေ့ရှိခဲ့သော ဆက်နွယ်မှုသည် ကျွန်ုပ်တို့၏ပြဿနာကိုဖြေရှင်းရန် မျောက်များအသုံးပြုခဲ့သော သီးခြားဗျူဟာကို ထင်ဟပ်စေပြီး အမြင်အာရုံ-မော်တာအာရုံခံစားမှုတွင် mode selection signals များ၏ သီးခြားအခန်းကဏ္ဍကို မထင်ဟပ်ပါ။ အနာဂတ်လုပ်ငန်းတွင်၊ segmentation ဆုံးဖြတ်ချက်များချရန်အတွက် မည်သည့် MT signals များကို ဦးစားပေးပြီး ပြောင်းလွယ်ပြင်လွယ်အလေးချိန်ထားသည်ကို ဆုံးဖြတ်ရာတွင် သင်ယူမှုသမိုင်းသည် သိသာထင်ရှားသောအကျိုးသက်ရောက်မှုရှိမရှိ ဆုံးဖြတ်ရန် အရေးကြီးပါသည်။
Stoner နှင့် လုပ်ဖော်ကိုင်ဖက်များ၁၄,၂၃ တို့သည် ထပ်နေသော grid ဒေသများ၏ တောက်ပမှုကို ပြောင်းလဲခြင်းသည် လူသား စောင့်ကြည့်သူ အစီရင်ခံစာများနှင့် macaque MT neurons များတွင် ဦးတည်ချက် ချိန်ညှိမှုများ၏ ညီညွတ်မှုနှင့် ပွင့်လင်းမြင်သာမှုကို ခန့်မှန်းနိုင်စွာ သက်ရောက်မှုရှိကြောင်း ပထမဆုံး အစီရင်ခံသူများဖြစ်သည်။ ထပ်နေသော ဒေသများ၏ တောက်ပမှုသည် ရုပ်ပိုင်းဆိုင်ရာ ပွင့်လင်းမြင်သာမှုနှင့် ကိုက်ညီသောအခါ၊ စောင့်ကြည့်သူများသည် ပိုမိုပွင့်လင်းမြင်သာသော အာရုံခံစားမှုကို အစီရင်ခံခဲ့ပြီး MT neurons များသည် raster အစိတ်အပိုင်းများ၏ ရွေ့လျားမှုကို အချက်ပြကြောင်း တွေ့ရှိခဲ့သည်ကို စာရေးသူများက တွေ့ရှိခဲ့သည်။ ဆန့်ကျင်ဘက်အနေဖြင့် ထပ်နေသော တောက်ပမှုနှင့် ပွင့်လင်းမြင်သာသော ထပ်နေသော အလင်းများသည် ရုပ်ပိုင်းဆိုင်ရာ မကိုက်ညီသောအခါ၊ စောင့်ကြည့်သူသည် ညီညွတ်သော ရွေ့လျားမှုကို ခံစားရပြီး MT neurons များသည် ပုံစံ၏ ကမ္ဘာလုံးဆိုင်ရာ ရွေ့လျားမှုကို အချက်ပြသည်။ ထို့ကြောင့်၊ ဤလေ့လာမှုများက segmentation အစီရင်ခံစာများကို ယုံကြည်စိတ်ချစွာ လွှမ်းမိုးနိုင်သော အမြင်အာရုံ လှုံ့ဆော်မှုများတွင် ရုပ်ပိုင်းဆိုင်ရာ ပြောင်းလဲမှုများသည် MT နိုးကြားမှုတွင် ခန့်မှန်းနိုင်သော ပြောင်းလဲမှုများကိုလည်း ဖြစ်ပေါ်စေကြောင်း ပြသသည်။ ဤနယ်ပယ်တွင် မကြာသေးမီက လုပ်ဆောင်ခဲ့သော လုပ်ငန်းများက မည်သည့် MT အချက်ပြမှုများသည် ရှုပ်ထွေးသော လှုံ့ဆော်မှုများ၏ အာရုံခံစားမှု အသွင်အပြင်ကို ခြေရာခံသည်ကို စူးစမ်းလေ့လာခဲ့သည်၁၈,၂၄,၆၄။ ဥပမာအားဖြင့်၊ MT neurons ၏ အစုအဖွဲ့တစ်ခုသည် unidirectional RDK ထက် အကွာအဝေးနည်းသော ဦးတည်ချက်နှစ်ခုပါသည့် random point motion map (RDK) သို့ bimodal tuning ကို ပြသကြောင်း ပြသထားသည်။ cellular tuning ၏ bandwidth ၁၉, ၂၅။ လေ့လာသူများသည် ပထမပုံစံကို ပွင့်လင်းမြင်သာသော လှုပ်ရှားမှုအဖြစ် အမြဲမြင်ကြသည်၊ သို့သော် MT အာရုံကြောဆဲလ်အများစုသည် ဤလှုံ့ဆော်မှုများကို တုံ့ပြန်သည့်အနေဖြင့် unimodal လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ကြပြီး MT ဆဲလ်အားလုံး၏ ရိုးရှင်းသောပျမ်းမျှသည် unimodal လူဦးရေတုံ့ပြန်မှုကို ပေးပါသည်။ ထို့ကြောင့်၊ bimodal ညှိယူမှုကို ပြသသည့် ဆဲလ်အစုအဖွဲ့တစ်ခုသည် ဤအာရုံခံမှုအတွက် အာရုံကြောအလွှာကို ဖွဲ့စည်းနိုင်သည်။ စိတ်ဝင်စားစရာကောင်းသည်မှာ မာမိုဆက်များတွင် ဤလူဦးရေသည် ရိုးရာ grid နှင့် grid လှုံ့ဆော်မှုများကို အသုံးပြု၍ စမ်းသပ်သောအခါ PDS ဆဲလ်များနှင့် ကိုက်ညီပါသည်။
ကျွန်ုပ်တို့၏ရလဒ်များသည် အထက်ဖော်ပြပါထက် တစ်ဆင့်ပို၍ တိုးတက်လာပြီး အာရုံခံအပိုင်းခွဲခြင်းတွင် MT ၏အခန်းကဏ္ဍကို သတ်မှတ်ရာတွင် အရေးပါပါသည်။ အမှန်စင်စစ်၊ အပိုင်းခွဲခြင်းသည် စိတ်ပိုင်းဆိုင်ရာဖြစ်စဉ်တစ်ခုဖြစ်သည်။ polystable visual display အများအပြားသည် visual system ၏ persistent stimuli များကို တစ်နည်းထက်ပို၍ စီစဉ်ပြီး အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်စွမ်းကို သရုပ်ဖော်ပါသည်။ ကျွန်ုပ်တို့၏လေ့လာမှုတွင် အာရုံကြောတုံ့ပြန်မှုများနှင့် အာရုံခံအစီရင်ခံစာများကို တစ်ပြိုင်နက်တည်းစုဆောင်းခြင်းဖြင့် MT firing rate နှင့် constant stimulation ၏ အာရုံခံအဓိပ္ပာယ်ဖွင့်ဆိုချက်များအကြား covariance ကို စူးစမ်းလေ့လာနိုင်စေခဲ့သည်။ ဤဆက်နွယ်မှုကို သရုပ်ပြပြီးနောက်၊ အကြောင်းရင်းဆက်စပ်မှု၏ ဦးတည်ချက်ကို မသတ်မှတ်ရသေးကြောင်း၊ ဆိုလိုသည်မှာ ကျွန်ုပ်တို့လေ့လာတွေ့ရှိရသော အာရုံခံအပိုင်းခွဲခြင်း၏ signal သည် [65၊ 66၊ 67] တွင် အချို့ကငြင်းခုံသည့်အတိုင်း အလိုအလျောက်ဖြစ်မဖြစ် ဆုံးဖြတ်ရန် နောက်ထပ်စမ်းသပ်မှုများ လိုအပ်ကြောင်း ကျွန်ုပ်တို့ အသိအမှတ်ပြုပါသည်။ ဤလုပ်ငန်းစဉ်သည် ပိုမိုမြင့်မားသောနေရာများ 68၊ 69၊ 70 မှ sensory cortex သို့ ပြန်လာသော ဆင်းသက်လာသော signals များကို ကိုယ်စားပြုသည် (ပုံ 8)။ MT ၏ အဓိက cortical ပစ်မှတ်များထဲမှ တစ်ခုဖြစ်သည့် MSTd71 ရှိ ပုံစံရွေးချယ်ဆဲလ် အချိုးအစား ပိုများခြင်း၏ အစီရင်ခံစာများအရ MT နှင့် MSTd ၏ တစ်ပြိုင်နက်တည်း မှတ်တမ်းတင်ခြင်းများကို ထည့်သွင်းရန် ဤစမ်းသပ်မှုများကို တိုးချဲ့ခြင်းသည် အာရုံခံနိုင်စွမ်း၏ အာရုံကြောယန္တရားများကို ပိုမိုနားလည်ရန် ပထမခြေလှမ်းကောင်းတစ်ခု ဖြစ်လိမ့်မည်ဟု အကြံပြုထားသည်။ အပိုင်းခွဲခြင်း။
စက်ဘာသာပြန်ခြင်းတွင် ရွေးချယ်မှုဆိုင်ရာလုပ်ဆောင်ချက်အပေါ် အစိတ်အပိုင်းနှင့် မုဒ်ဦးတည်ချက်ရွေးချယ်မှု၏ အဆင့်နှစ်ဆင့်မော်ဒယ်နှင့် အထက်မှအောက်သို့တုံ့ပြန်ချက်၏ အလားအလာရှိသောအကျိုးသက်ရောက်မှု။ ဤနေရာတွင်၊ MT အဆင့်ရှိ မုဒ်ဦးတည်ချက်ရွေးချယ်မှု (PDS – “P”) ကို (i) သတ်မှတ်ထားသော မုဒ်အလျင်များနှင့်ကိုက်ညီသော ဦးတည်ချက်ရွေးချယ်မှုထည့်သွင်းမှုဒေတာ၏ နမူနာကြီးတစ်ခုနှင့် (ii) ပြင်းထန်သော tuning နှိမ်နင်းမှုတို့ဖြင့် ဖန်တီးထားသည်။ MT (“C”) အဆင့်၏ ဦးတည်ချက်ရွေးချယ်မှု (CDS) အစိတ်အပိုင်းတွင် input ဦးတည်ချက်တွင် ကျဉ်းမြောင်းသော sampling range ရှိပြီး tuning နှိမ်နင်းမှုများစွာမရှိပါ။ Untune inhibition သည် လူဦးရေနှစ်ခုလုံးကို ထိန်းချုပ်ပေးသည်။ အရောင်ခြယ်ထားသောမြှားများသည် နှစ်သက်ရာ device ဦးတည်ချက်ကို ညွှန်ပြသည်။ ရှင်းလင်းစေရန်အတွက်၊ V1-MT ချိတ်ဆက်မှုများ၏ အစုအဖွဲ့တစ်ခုနှင့် အစိတ်အပိုင်းမုဒ်နှင့် ဦးတည်ချက်ရွေးချယ်မှုအကွက်တစ်ခုကိုသာ ပြသထားသည်။ ကျွန်ုပ်တို့၏ feed-forward (FF) ရလဒ်များကို အဓိပ္ပာယ်ဖွင့်ဆိုရာတွင်၊ PDS ဆဲလ်များတွင် ပိုမိုကျယ်ပြန့်သော input setting နှင့် ပြင်းထန်သော tuning inhibition (အနီရောင်ဖြင့် မီးမောင်းထိုးပြထားသည်) သည် လှုပ်ရှားမှုပုံစံများစွာကို တုံ့ပြန်သည့်အနေဖြင့် လုပ်ဆောင်ချက်တွင် ကြီးမားသော ကွာခြားချက်များကို ဖြစ်ပေါ်စေခဲ့သည်။ ကျွန်ုပ်တို့၏ segmentation ပြဿနာတွင်၊ ဤအုပ်စုသည် ဆုံးဖြတ်ချက်ကွင်းဆက်များကို မောင်းနှင်ပြီး အာရုံခံစားမှုကို ပုံပျက်စေသည်။ ဆန့်ကျင်ဘက်အနေနဲ့ feedback (FB) ကိစ္စမှာဆိုရင်၊ အာရုံခံဆုံးဖြတ်ချက်တွေကို upstream ဆားကစ်တွေမှာ sensory data နဲ့ cognitive bias တွေက ထုတ်ပေးပြီး downstream FB ရဲ့ PDS ဆဲလ်တွေ (အထူမျဉ်းကြောင်းတွေ) အပေါ်မှာ ပိုမိုကြီးမားတဲ့ အကျိုးသက်ရောက်မှုက selection signal တွေကို ထုတ်ပေးပါတယ်။ b CDS နဲ့ PDS devices တွေရဲ့ အခြားမော်ဒယ်တွေရဲ့ Schematic representation။ ဒီမှာ MT မှာရှိတဲ့ PDS signal တွေကို V1 ရဲ့ direct input ကနေသာမက V1-V2-MT path ရဲ့ indirect input ကနေပါ ထုတ်ပေးပါတယ်။ မော်ဒယ်ရဲ့ indirect path တွေကို texture boundary တွေ (grid overlapping areas) ကို selectivity ပေးဖို့ ချိန်ညှိပေးပါတယ်။ MT layer CDS module က direct နဲ့ indirect input တွေရဲ့ weighted sum ကို လုပ်ဆောင်ပြီး output ကို PDS module ကို ပို့ပါတယ်။ PDS ကို competitive inhibition က ထိန်းချုပ်ထားပါတယ်။ ထပ်ပြောရရင် မော်ဒယ်ရဲ့ basic architecture ကို ဆွဲဖို့ လိုအပ်တဲ့ connection တွေကိုပဲ ပြသထားပါတယ်။ ဒီမှာ a မှာ အဆိုပြုထားတာထက် မတူညီတဲ့ FF mechanism တစ်ခုဟာ PDS ကို cellular lattice response မှာ ပိုမိုများပြားတဲ့ variability ကို ဖြစ်စေနိုင်ပြီး ဆုံးဖြတ်ချက်ပုံစံတွေမှာ bias တွေကို ထပ်မံဖြစ်ပေါ်စေနိုင်ပါတယ်။ တနည်းအားဖြင့် PDS ဆဲလ်တွေမှာ CP ပိုမိုများပြားခြင်းဟာ PDS ဆဲလ်တွေနဲ့ FB ချိတ်ဆက်မှုရဲ့ strength ဒါမှမဟုတ် efficiency မှာ bias ရဲ့ ရလဒ်ဖြစ်နေဆဲပါ။ အထောက်အထားက နှစ်ဆင့်နှင့် သုံးဆင့် MT PDS မော်ဒယ်များနှင့် CP FF နှင့် FB အဓိပ္ပာယ်ဖွင့်ဆိုချက်များကို ထောက်ခံပါသည်။
အရွယ်ရောက်ပြီးသော မကာကွေး (macaca mulatta) နှစ်ကောင်၊ အထီးတစ်ကောင်နှင့် အမတစ်ကောင် (အသီးသီးအသက် ၇ နှစ်နှင့် ၅ နှစ်) ကို အလေးချိန် ၄.၅ မှ ၉.၀ ကီလိုဂရမ်အထိရှိပြီး လေ့လာမှုအရာဝတ္ထုများအဖြစ် အသုံးပြုခဲ့သည်။ ပိုးသတ်ထားသော ခွဲစိတ်မှုစမ်းသပ်မှုအားလုံးမတိုင်မီတွင်၊ MT ဧရိယာသို့ ချဉ်းကပ်လာသော ဒေါင်လိုက်အီလက်ထရုတ်များအတွက် စိတ်ကြိုက်ပြုလုပ်ထားသော မှတ်တမ်းတင်ခန်း၊ သံမဏိခေါင်းမှီစင် (Crist Instruments, Hagerstown, MD) နှင့် တိုင်းတာထားသော scleral ရှာဖွေရေးကွိုင်ပါသည့် မျက်လုံးအနေအထားတို့ဖြင့် တိရစ္ဆာန်များကို ထည့်သွင်းခဲ့သည်။ (Cooner Wire, San Diego, California)။ လုပ်ထုံးလုပ်နည်းအားလုံးသည် အမေရိကန်ပြည်ထောင်စု စိုက်ပျိုးရေးဌာန (USDA) စည်းမျဉ်းများနှင့် ဓာတ်ခွဲခန်းတိရစ္ဆာန်များ၏ လူသားဆန်သောစောင့်ရှောက်မှုနှင့် အသုံးပြုမှုဆိုင်ရာ အမျိုးသားကျန်းမာရေးအင်စတီကျု (NIH) လမ်းညွှန်ချက်များနှင့် ကိုက်ညီပြီး ချီကာဂိုတက္ကသိုလ် အဖွဲ့အစည်းဆိုင်ရာ တိရစ္ဆာန်စောင့်ရှောက်မှုနှင့် အသုံးပြုမှုကော်မတီ (IAUKC) မှ အတည်ပြုထားသည်။
အမြင်အာရုံ လှုံ့ဆော်မှုအားလုံးကို အနက်ရောင် သို့မဟုတ် မီးခိုးရောင်နောက်ခံတွင် အဝိုင်းပုံ အပေါက်တစ်ခုဖြင့် တင်ပြထားသည်။ မှတ်တမ်းတင်နေစဉ်အတွင်း၊ ဤအပေါက်၏ အနေအထားနှင့် အချင်းကို အီလက်ထရုတ်အဖျားရှိ နျူရွန်များ၏ ဂန္ထဝင် လက်ခံမှု စက်ကွင်းနှင့်အညီ ချိန်ညှိခဲ့သည်။ ကျွန်ုပ်တို့သည် အမြင်အာရုံ လှုံ့ဆော်မှု အမျိုးအစားနှစ်မျိုးကို အသုံးပြုခဲ့သည်- စိတ်ပိုင်းဆိုင်ရာ လှုံ့ဆော်မှုများနှင့် ချိန်ညှိမှု လှုံ့ဆော်မှုများ။
စိတ်ပိုင်းဆိုင်ရာ လှုံ့ဆော်မှုသည် ၎င်းတို့၏ ဦးတည်ရာနှင့် ထောင့်မှန်ကျသော ဦးတည်ရာတွင် ရွေ့လျားနေသော ထောင့်မှန်စတုဂံ grating နှစ်ခုကို ထပ်ခြင်းဖြင့် ဖန်တီးထားသော grating pattern (20 cd/m2၊ 50% contrast၊ 50% duty cycle၊ 5 degree/sec) ဖြစ်သည် (ပုံ 1b)။ လူသားစောင့်ကြည့်သူများသည် ဤ grid pattern များကို bistable stimuli အဖြစ်၊ တစ်ခါတစ်ရံတွင် တူညီသော ဦးတည်ရာ (coherent movement) တွင် ရွေ့လျားနေသော တစ်ခုတည်းသော ပုံစံအဖြစ်နှင့် တစ်ခါတစ်ရံတွင် မတူညီသော ဦးတည်ရာများတွင် ရွေ့လျားနေသော သီးခြားမျက်နှာပြင်နှစ်ခု (transparent movement) အဖြစ် မြင်ကြောင်း ယခင်က ပြသခဲ့ပြီးဖြစ်သည်။ lattice pattern ၏ အစိတ်အပိုင်းများသည် symmetrically oriented – lattices များကြားရှိ ထောင့်သည် 95° မှ 130° အထိဖြစ်သည် (set မှ ထုတ်ယူထားသည်- 95°၊ 100°၊ 105°၊ 115°၊ 120°၊ 125°၊ 130° ° မှ)၊ session တစ်လျှောက်လုံး 115° ရှိ သီးခြားထောင့် neuron များကို မထိန်းသိမ်းထားသော်လည်း၊ ကျွန်ုပ်တို့သည် psychophysical data ကို ဤနေရာတွင် ထည့်သွင်းထားသည်) – ခန့်မှန်းခြေအားဖြင့် 90° သို့မဟုတ် 270° (pattern orientation)။ အစည်းအဝေးတစ်ခုစီတွင်၊ interlattice lattice ၏ထောင့်တစ်ခုတည်းကိုသာအသုံးပြုခဲ့ပြီး အစည်းအဝေးတစ်ခုစီအတွင်း၊ စမ်းသပ်မှုတစ်ခုစီအတွက်ပုံစံ၏ဦးတည်ချက်ကိုဖြစ်နိုင်ခြေနှစ်ခုမှကျပန်းရွေးချယ်ခဲ့သည်။
grid ရဲ့ အာရုံခံစားမှုကို ခွဲခြားသိမြင်စေပြီး လုပ်ဆောင်ချက်အတွက် ဆုလာဘ်အတွက် အတွေ့အကြုံအခြေခံကို ပေးစွမ်းနိုင်ဖို့အတွက်၊ grid component တစ်ခုစီရဲ့ light bar step 72 ထဲကို random point textures တွေကို ထည့်သွင်းပေးပါတယ်။ ဒါကို random ရွေးချယ်ထားတဲ့ pixel အစုအဝေးရဲ့ brightness ကို တိုးမြှင့်ခြင်း သို့မဟုတ် လျှော့ချခြင်းဖြင့် (ပုံ 1c) ရရှိပါတယ်။ texture ရွေ့လျားမှုရဲ့ ဦးတည်ရာက observer ရဲ့ အာရုံခံစားမှုကို coherent သို့မဟုတ် transparent movement ဆီသို့ ပြောင်းလဲစေတဲ့ strong signal တစ်ခုကို ပေးပါတယ် (ပုံ 1c)။ coherent အခြေအနေတွေအောက်မှာ၊ texture lattice covers ရဲ့ component ဘယ် component ပဲဖြစ်ဖြစ်၊ pattern ရဲ့ ဦးတည်ရာကို ဘာသာပြန်ပေးပါတယ် (ပုံ 1c၊ coherent)။ transparent state မှာ၊ texture ဟာ ၎င်းဖုံးအုပ်ထားတဲ့ grating ရဲ့ ဦးတည်ရာနဲ့ ထောင့်မှန်ကျကျ ရွေ့လျားပါတယ် (ပုံ 1c၊ transparent) (Supplementary Movie 1)။ task ရဲ့ ရှုပ်ထွေးမှုကို ထိန်းချုပ်ဖို့အတွက်၊ session အများစုမှာ ဒီ texture mark အတွက် Michelson contrast (Lmax-Lmin/Lmax+Lmin) ဟာ (-80, -40, -20, -10, -5, 0, 5) အစုတစ်ခုကနေ ကွဲပြားပါတယ်။ , ၁၀၊ ၂၀၊ ၄၀၊ ၈၀)။ ဆန့်ကျင်ဘက်အရောင်ကို raster ၏ ဆွေမျိုးတောက်ပမှုအဖြစ် သတ်မှတ်သည် (ထို့ကြောင့် ၈၀% ၏ ဆန့်ကျင်ဘက်အရောင်တန်ဖိုးသည် 36 သို့မဟုတ် 6 cd/m2 ၏ texture ကို ရရှိစေသည်)။ Monkey N တွင် session ၆ ခုနှင့် Monkey S တွင် session ၅ ခုအတွက်၊ ကျွန်ုပ်တို့သည် ကျဉ်းမြောင်းသော textural contrast range များ (-30၊ -20၊ -15၊ -10၊ -5၊ 0၊ 5၊ 10၊ 15၊ 20၊ 30) ကို အသုံးပြုခဲ့ပြီး၊ စိတ်ပိုင်းဆိုင်ရာ ရုပ်ပိုင်းဆိုင်ရာ ဝိသေသလက္ခဏာများသည် full-range contrast နှင့် ပုံစံတူသော်လည်း saturation မရှိပါ။
ချိန်ညှိမှုလှုံ့ဆော်မှုများသည် ပုံစံ၏ တူညီသောဦးတည်ချက်ဖြင့် ရွေ့လျားနေသော sinusoidal grid များ (contrast 50%၊ 1 cycle/degree၊ 5 degree/sec) သို့မဟုတ် ဤဦးတည်ချက်များတွင် ရွေ့လျားနေသော sinusoidal grid များ (ဆန့်ကျင်ဘက် 135° ထောင့်နှစ်ခုကို တစ်ခုနှင့်တစ်ခု ထပ်ထားသော sinusoidal grating များပါဝင်သည်) ဖြစ်သည်။