ขอบคุณที่เข้าชม Nature.com เบราว์เซอร์ที่คุณใช้อยู่มีการรองรับ CSS อย่างจำกัด เพื่อประสบการณ์การใช้งานที่ดีที่สุด เราขอแนะนำให้คุณใช้เบราว์เซอร์เวอร์ชันล่าสุด (หรือปิดโหมดความเข้ากันได้ใน Internet Explorer) ในระหว่างนี้ เพื่อให้มั่นใจว่าเว็บไซต์จะยังคงได้รับการสนับสนุนต่อไป เราจะแสดงผลเว็บไซต์โดยไม่มีสไตล์และ JavaScript
โปรแกรมแสดงภาพสไลด์แบบหมุนเวียน แสดงภาพสามภาพพร้อมกัน ใช้ปุ่ม "ก่อนหน้า" และ "ถัดไป" เพื่อเลื่อนดูสไลด์ทีละสามภาพ หรือใช้ปุ่มเลื่อนที่ด้านท้ายเพื่อเลื่อนดูสไลด์ทีละสามภาพ
การมองเห็นที่มีความละเอียดสูงต้องอาศัยการสุ่มตัวอย่างและการบูรณาการของเรตินาอย่างละเอียดเพื่อสร้างคุณสมบัติของวัตถุขึ้นมาใหม่ สิ่งสำคัญที่ควรทราบคือ เมื่อผสมตัวอย่างเฉพาะที่จากวัตถุต่างๆ เข้าด้วยกัน ความแม่นยำจะลดลง ดังนั้น การแบ่งส่วน (segmentation) ซึ่งเป็นการจัดกลุ่มพื้นที่ของภาพเพื่อประมวลผลแยกกัน จึงมีความสำคัญต่อการรับรู้ ในงานวิจัยก่อนหน้านี้ โครงสร้างตาข่ายแบบสองสถานะ (bistable lattice structures) ซึ่งสามารถพิจารณาได้ว่าเป็นพื้นผิวที่เคลื่อนที่ได้หนึ่งหรือมากกว่านั้น ถูกนำมาใช้เพื่อศึกษา กระบวนการนี้ ในที่นี้ เราได้รายงานความสัมพันธ์ระหว่างกิจกรรมและการตัดสินการแบ่งส่วนในบริเวณกลางของเส้นทางการมองเห็นของไพรเมต โดยเฉพาะอย่างยิ่ง เราพบว่าเซลล์ประสาทขมับส่วนกลางที่มีการวางแนวแบบเลือกสรรมีความไวต่อสัญญาณพื้นผิวที่ใช้ในการบิดเบือนการรับรู้ของตะแกรงแบบสองสถานะ และแสดงความสัมพันธ์อย่างมีนัยสำคัญระหว่างการทดลองและการรับรู้เชิงอัตวิสัยของสิ่งเร้าที่คงอยู่ ความสัมพันธ์นี้มีมากขึ้นในหน่วยที่ส่งสัญญาณการเคลื่อนไหวโดยรวมในรูปแบบที่มีทิศทางเฉพาะที่หลายทิศทาง ดังนั้น เราจึงสรุปได้ว่าโดเมนเวลาตรงกลางมีสัญญาณที่ใช้ในการแยกฉากที่ซับซ้อนออกเป็นวัตถุและพื้นผิวที่เป็นส่วนประกอบ
การมองเห็นไม่ได้อาศัยเพียงแค่การแยกแยะลักษณะภาพพื้นฐานอย่างแม่นยำ เช่น ทิศทางของขอบและความเร็ว แต่ที่สำคัญกว่านั้นคือการบูรณาการลักษณะเหล่านี้อย่างถูกต้องเพื่อคำนวณคุณสมบัติของสภาพแวดล้อม เช่น รูปร่างและวิถีการเคลื่อนที่ของวัตถุ¹ อย่างไรก็ตาม ปัญหาเกิดขึ้นเมื่อภาพบนเรตินาสนับสนุนกลุ่มคุณลักษณะที่สมเหตุสมผลหลายกลุ่ม^{2, 3, 4} (รูปที่ 1ก) ตัวอย่างเช่น เมื่อสัญญาณความเร็วสองชุดอยู่ใกล้กันมาก อาจตีความได้ว่าเป็นวัตถุเคลื่อนที่หนึ่งชิ้นหรือหลายชิ้น (รูปที่ 1ข) สิ่งนี้แสดงให้เห็นถึงลักษณะที่เป็นอัตวิสัยของการแบ่งส่วน กล่าวคือ มันไม่ใช่คุณสมบัติคงที่ของภาพ แต่เป็นกระบวนการตีความ แม้ว่าจะมีนัยสำคัญอย่างเห็นได้ชัดต่อการรับรู้ปกติ แต่ความเข้าใจของเราเกี่ยวกับพื้นฐานทางประสาทของการแบ่งส่วนการรับรู้ยังคงไม่สมบูรณ์อย่างที่สุด
ภาพประกอบการ์ตูนแสดงปัญหาการแบ่งส่วนการรับรู้ การรับรู้ความลึกของผู้สังเกตในลูกบาศก์เนคเกอร์ (ซ้าย) สลับไปมาระหว่างคำอธิบายที่เป็นไปได้สองแบบ (ขวา) เนื่องจากไม่มีสัญญาณใดในภาพที่ช่วยให้สมองสามารถกำหนดทิศทาง 3 มิติของรูปทรงได้อย่างชัดเจน (ซึ่งได้มาจากสัญญาณการบดบังตาข้างเดียวทางด้านขวา) ข) เมื่อมีสัญญาณการเคลื่อนไหวหลายสัญญาณปรากฏขึ้นในบริเวณใกล้เคียงกัน ระบบการมองเห็นจะต้องพิจารณาว่าตัวอย่างเฉพาะที่นั้นมาจากวัตถุหนึ่งหรือหลายวัตถุ ความกำกวมโดยธรรมชาติของสัญญาณการเคลื่อนไหวเฉพาะที่ กล่าวคือ ลำดับการเคลื่อนไหวของวัตถุสามารถสร้างการเคลื่อนไหวเฉพาะที่เดียวกันได้ ส่งผลให้เกิดการตีความภาพที่สมเหตุสมผลหลายแบบเท่าๆ กัน กล่าวคือ สนามเวกเตอร์ในที่นี้สามารถเกิดขึ้นได้จากการเคลื่อนไหวที่สอดคล้องกันของพื้นผิวเดียวหรือการเคลื่อนไหวที่โปร่งใสของพื้นผิวที่ซ้อนทับกัน ค) (ซ้าย) ตัวอย่างของสิ่งเร้าแบบตารางที่มีพื้นผิวของเรา ตารางสี่เหลี่ยมผืนผ้าที่เคลื่อนที่ตั้งฉากกับทิศทางของมัน (“ทิศทางส่วนประกอบ” – ลูกศรสีขาว) ซ้อนทับกันเพื่อสร้างรูปแบบตาราง สามารถรับรู้โครงสร้างตาข่ายได้ว่าเป็นการเคลื่อนไหวที่เชื่อมต่อกันอย่างสม่ำเสมอ (ลูกศรสีแดง) หรือเป็นการเคลื่อนไหวแบบโปร่งใสของทิศทางที่ซับซ้อน การรับรู้โครงสร้างตาข่ายจะบิดเบือนไปเมื่อมีการเพิ่มสัญญาณพื้นผิวแบบจุดสุ่ม (ตรงกลาง) บริเวณที่ไฮไลต์ด้วยสีเหลืองจะถูกขยายและแสดงเป็นชุดเฟรมสำหรับสัญญาณที่สอดคล้องกันและโปร่งใสตามลำดับ การเคลื่อนที่ของจุดในแต่ละกรณีแสดงด้วยลูกศรสีเขียวและสีแดง (ด้านขวา) กราฟแสดงตำแหน่ง (x, y) ของจุดที่เลือกเทียบกับจำนวนเฟรม ในกรณีที่สอดคล้องกัน พื้นผิวทั้งหมดจะเคลื่อนที่ไปในทิศทางเดียวกัน ในกรณีที่โปร่งใส พื้นผิวจะเคลื่อนที่ไปในทิศทางของส่วนประกอบ d ภาพประกอบการ์ตูนของงานการแบ่งส่วนการเคลื่อนไหวของเรา ลิงเริ่มต้นการทดลองแต่ละครั้งโดยการตรึงจุดเล็กๆ ไว้ หลังจากนั้นไม่นาน รูปแบบตะแกรงบางประเภท (ความสอดคล้อง/ความโปร่งใส) และขนาดสัญญาณพื้นผิว (เช่น ความคมชัด) จะปรากฏขึ้นที่ตำแหน่งของ MT RF ในระหว่างการทดสอบแต่ละครั้ง ตะแกรงอาจเคลื่อนที่ไปในทิศทางใดทิศทางหนึ่งจากสองทิศทางที่เป็นไปได้ของรูปแบบ หลังจากถอนสิ่งเร้าแล้ว เป้าหมายการเลือกจะปรากฏขึ้นเหนือและใต้ MT RF ลิงจะต้องแสดงการรับรู้ของพวกมันเกี่ยวกับตารางด้วยการเคลื่อนไหวของดวงตาไปยังเป้าหมายการเลือกที่เหมาะสม
การประมวลผลการเคลื่อนไหวทางสายตาได้รับการอธิบายอย่างดีแล้ว จึงเป็นแบบจำลองที่ยอดเยี่ยมสำหรับการศึกษาเกี่ยวกับวงจรประสาทของการแบ่งส่วนการรับรู้ งานวิจัยเชิงคำนวณหลายชิ้นได้ชี้ให้เห็นถึงประโยชน์ของแบบจำลองการประมวลผลการเคลื่อนไหวแบบสองขั้นตอน ซึ่งการประมาณค่าเริ่มต้นที่มีความละเอียดสูงจะตามมาด้วยการบูรณาการตัวอย่างเฉพาะที่เพื่อกำจัดสัญญาณรบกวนและฟื้นฟูความเร็วของวัตถุ7,8 สิ่งสำคัญคือต้องสังเกตว่าระบบการมองเห็นต้องระมัดระวังในการจำกัดกลุ่มนี้ให้เหลือเพียงตัวอย่างเฉพาะที่จากวัตถุทั่วไปเท่านั้น งานวิจัยทางจิตวิทยาได้อธิบายถึงปัจจัยทางกายภาพที่มีอิทธิพลต่อวิธีการแบ่งส่วนสัญญาณการเคลื่อนไหวเฉพาะที่ แต่รูปร่างของวิถีทางกายวิภาคและรหัสประสาทยังคงเป็นคำถามที่ยังไม่ได้รับการแก้ไข รายงานจำนวนมากชี้ให้เห็นว่าเซลล์ที่เลือกทิศทางในบริเวณขมับ (MT) ของเปลือกสมองของไพรเมตเป็นตัวเลือกสำหรับพื้นฐานทางประสาท
ที่สำคัญ ในการทดลองก่อนหน้านี้ การเปลี่ยนแปลงของกิจกรรมทางประสาทมีความสัมพันธ์กับการเปลี่ยนแปลงทางกายภาพของสิ่งเร้าทางสายตา อย่างไรก็ตาม ดังที่กล่าวมาข้างต้น การแบ่งส่วนเป็นกระบวนการรับรู้เป็นหลัก ดังนั้น การศึกษาพื้นฐานทางประสาทของกระบวนการนี้จึงจำเป็นต้องเชื่อมโยงการเปลี่ยนแปลงของกิจกรรมทางประสาทกับการเปลี่ยนแปลงในการรับรู้สิ่งเร้าที่คงที่ ด้วยเหตุนี้ เราจึงฝึกลิงสองตัวให้รายงานว่ารูปแบบลายเส้นสองสถานะที่รับรู้ได้ ซึ่งเกิดจากการซ้อนทับของลายเส้นสี่เหลี่ยมผืนผ้าที่เคลื่อนที่นั้น เป็นพื้นผิวเดียวหรือสองพื้นผิวที่แยกจากกัน เพื่อศึกษาความสัมพันธ์ระหว่างกิจกรรมทางประสาทและการตัดสินใจในการแบ่งส่วน เราจึงบันทึกกิจกรรมเพียงครั้งเดียวในบริเวณ MT เมื่อลิงทำภารกิจนี้
เราพบความสัมพันธ์ที่มีนัยสำคัญระหว่างการศึกษาการทำงานของ MT และการรับรู้ ความสัมพันธ์นี้มีอยู่ไม่ว่าสิ่งเร้าจะมีสัญญาณการแบ่งส่วนที่ชัดเจนหรือไม่ก็ตาม นอกจากนี้ ความแรงของผลกระทบนี้ยังเกี่ยวข้องกับความไวต่อสัญญาณการแบ่งส่วน รวมถึงดัชนีรูปแบบด้วย ดัชนีรูปแบบนี้วัดระดับที่หน่วยแผ่การเคลื่อนไหวแบบทั่วโลกมากกว่าการเคลื่อนไหวเฉพาะที่ในรูปแบบที่ซับซ้อน แม้ว่าการเลือกทิศทางแฟชั่นได้รับการยอมรับมานานแล้วว่าเป็นคุณลักษณะที่กำหนดของ MT และเซลล์ที่เลือกทิศทางแฟชั่นแสดงการปรับจูนต่อสิ่งเร้าที่ซับซ้อนซึ่งสอดคล้องกับการรับรู้ของมนุษย์ต่อสิ่งเร้าเหล่านั้น แต่เท่าที่เราทราบ นี่เป็นหลักฐานแรกที่แสดงให้เห็นถึงความสัมพันธ์ระหว่างดัชนีรูปแบบและการแบ่งส่วนการรับรู้
เราฝึกฝิงสองตัวให้แสดงการรับรู้ของพวกมันต่อสิ่งเร้าที่เป็นตารางที่เคลื่อนที่ (การเคลื่อนไหวที่สอดคล้องกันหรือโปร่งใส) โดยปกติแล้วผู้สังเกตการณ์ที่เป็นมนุษย์จะรับรู้สิ่งเร้าเหล่านี้เป็นการเคลื่อนไหวที่สอดคล้องกันหรือโปร่งใสที่มีความถี่ใกล้เคียงกัน เพื่อให้ได้คำตอบที่ถูกต้องในการทดลองนี้และวางรากฐานสำหรับรางวัลแบบโอเปอแรนต์ เราสร้างสัญญาณการแบ่งส่วนโดยการสร้างพื้นผิวให้กับส่วนประกอบที่ประกอบเป็นตาราง (รูปที่ 1c, d) ภายใต้เงื่อนไขที่สอดคล้องกัน พื้นผิวทั้งหมดจะเคลื่อนที่ไปตามทิศทางของรูปแบบ (รูปที่ 1c, “สอดคล้องกัน”) ในสถานะโปร่งใส พื้นผิวจะเคลื่อนที่ตั้งฉากกับทิศทางของตารางที่มันซ้อนทับอยู่ (รูปที่ 1c, “โปร่งใส”) เราควบคุมความยากของงานโดยการเปลี่ยนความคมชัดของป้ายกำกับพื้นผิวนี้ ในการทดลองที่มีสัญญาณบอกใบ้ ลิงจะได้รับรางวัลสำหรับการตอบสนองที่สอดคล้องกับสัญญาณบอกใบ้พื้นผิว และรางวัลจะถูกเสนอแบบสุ่ม (โอกาส 50/50) ในการทดลองที่มีรูปแบบที่ไม่มีสัญญาณบอกใบ้พื้นผิว (เงื่อนไขความคมชัดของพื้นผิวเป็นศูนย์)
ข้อมูลพฤติกรรมจากสองการทดลองที่เป็นตัวแทนแสดงอยู่ในรูปที่ 2a และการตอบสนองถูกพล็อตเป็นสัดส่วนของการตัดสินความสอดคล้องเทียบกับความแตกต่างของสัญญาณพื้นผิว (โดยนิยามแล้วถือว่าความแตกต่างของความโปร่งใสเป็นค่าลบ) สำหรับรูปแบบที่เลื่อนขึ้นหรือลงตามลำดับ โดยรวมแล้ว การรับรู้ความสอดคล้อง/ความโปร่งใสของลิงได้รับผลกระทบอย่างมีนัยสำคัญจากทั้งสัญญาณ (โปร่งใส สอดคล้อง) และความเข้ม (ความแตกต่าง) ของสัญญาณพื้นผิว (ANOVA; ลิง N: ทิศทาง – F = 0.58, p = 0.45, สัญญาณ – F = 1248, p < 10−10, ความแตกต่าง – F = 22.63, p < 10−10; ลิง S: ทิศทาง – F = 0.41, p = 0.52, สัญญาณ – F = 2876.7, p < 10−10, ความแตกต่าง – F = 36.5, p < 10−10) โดยรวมแล้ว การรับรู้ความสอดคล้อง/ความโปร่งใสของลิงได้รับผลกระทบอย่างมีนัยสำคัญจากทั้งสัญญาณ (โปร่งใส สอดคล้อง) และความเข้ม (ความแตกต่าง) ของสัญญาณพื้นผิว (ANOVA; ลิง N: ทิศทาง – F = 0.58, p = 0.45, สัญญาณ – F = 1248, p < 10−10, ความแตกต่าง – F = 22.63, p < 10; ลิง S: ทิศทาง – F = 0.41, p = 0.52, สัญญาณ – F = 2876.7, p < 10−10, ความแตกต่าง – 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, คอนทราสต์ – F = 22,63, พี < 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 การรับรู้ถึงความสอดคล้อง/ความโปร่งใสของลิงได้รับผลกระทบอย่างมีนัยสำคัญจากทั้งสัญญาณ (ความโปร่งใส ความสอดคล้อง) และความเข้ม (ความแตกต่าง) ของลักษณะพื้นผิว (ANOVA; ลิง N: ทิศทาง — F = 0.58, p = 0.45, สัญญาณ — F = 1248, p < 10−10, ความแตกต่าง – F = 22.63, p < 10; ลิง S: ทิศทาง – F = 0.41, p = 0.52, สัญญาณ – F = 2876.7, p < 10 −10, ความแตกต่าง – 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 การรับรู้ความสอดคล้อง/ความโปร่งใสของลิงได้รับผลกระทบอย่างมีนัยสำคัญจากสัญญาณ (ความโปร่งใส ความสอดคล้อง) และความเข้ม (ความแตกต่าง) 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, ความแตกต่าง – 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 ลิง S: การวางแนว – F = 0.41, p = 0.52, เครื่องหมาย – F = 2876.7, p < 10-10, ความแตกต่าง – F = 36.5, p < 10-10)ฟังก์ชันสะสมแบบเกาส์เซียนถูกนำมาใช้ในการวิเคราะห์ข้อมูลจากแต่ละช่วงการทดลอง เพื่ออธิบายลักษณะทางจิตกายภาพของลิง ภาพที่ 2b แสดงการกระจายความสอดคล้องของแบบจำลองเหล่านี้ตลอดทุกช่วงการทดลองสำหรับลิงทั้งสองตัว โดยรวมแล้ว ลิงทำงานเสร็จสมบูรณ์อย่างถูกต้องและสม่ำเสมอ และเราปฏิเสธการทดลองที่มีลิงสองตัวเพียงไม่ถึง 13% เนื่องจากแบบจำลองสะสมแบบเกาส์เซียนไม่เหมาะสม
a ตัวอย่างพฤติกรรมของลิงในเซสชันที่เป็นตัวแทน (n ≥ 20 การทดลองต่อเงื่อนไขสิ่งเร้า) ในแผงด้านซ้าย (ขวา) ข้อมูลจากเซสชันของลิง N(S) หนึ่งตัวถูกพล็อตเป็นคะแนนการเลือกที่สอดคล้องกัน (แกนตั้ง) เทียบกับความแตกต่างของสัญญาณพื้นผิว (แกนนอน) ในที่นี้ถือว่าพื้นผิวโปร่งใส (สอดคล้องกัน) มีค่าเป็นลบ (บวก) การตอบสนองถูกสร้างขึ้นแยกกันตามทิศทางการเคลื่อนที่ของรูปแบบ (ขึ้น (90°) หรือลง (270°)) ในการทดสอบ สำหรับสัตว์ทั้งสองตัว ประสิทธิภาพ ไม่ว่าการตอบสนองจะถูกแบ่งโดยความแตกต่าง 50/50 (PSE – ลูกศรทึบ) หรือปริมาณความแตกต่างของพื้นผิวที่จำเป็นต่อการสนับสนุนระดับประสิทธิภาพที่แน่นอน (เกณฑ์ – ลูกศรโปร่ง) จะอยู่ในทิศทางการเคลื่อนที่เหล่านี้ b ฮิสโตแกรมที่ปรับให้เข้ากับค่า R2 ของฟังก์ชันสะสมแบบเกาส์เซียน ข้อมูลของลิง S(N) แสดงอยู่ทางด้านซ้าย (ขวา) c (ด้านบน) ค่า PSE ที่วัดได้สำหรับตารางที่เลื่อนลง (แกนตั้ง) เปรียบเทียบกับค่า PSE ที่เลื่อนขึ้นบนตาราง (แกนนอน) โดยเส้นขอบแสดงถึงการกระจายของค่า PSE สำหรับแต่ละเงื่อนไข และลูกศรแสดงค่าเฉลี่ยสำหรับแต่ละเงื่อนไข ข้อมูลสำหรับการทดลองกับลิง N(S) ทั้งหมดแสดงอยู่ในคอลัมน์ซ้าย (ขวา) (ด้านล่าง) ใช้หลักการเดียวกันกับข้อมูล PSE แต่สำหรับค่าเกณฑ์คุณลักษณะที่เหมาะสม ไม่มีความแตกต่างอย่างมีนัยสำคัญในค่าเกณฑ์ PSE หรือแนวโน้มแฟชั่น (ดูในเนื้อหา) d ค่า PSE และความชัน (แกนตั้ง) ถูกพล็อตโดยขึ้นอยู่กับการวางแนวแรสเตอร์แบบปกติของส่วนประกอบการแยกเชิงมุม (“มุมตะแกรงแบบอินทิกรัล” – แกนนอน) วงกลมเปิดคือค่าเฉลี่ย เส้นทึบคือแบบจำลองการถดถอยที่เหมาะสมที่สุด และเส้นประคือช่วงความเชื่อมั่น 95% สำหรับแบบจำลองการถดถอย มีความสัมพันธ์อย่างมีนัยสำคัญระหว่าง PSE และมุมการรวมแบบนอร์มาไลซ์ แต่ไม่มีความสัมพันธ์ระหว่างความชันและมุมการรวมแบบนอร์มาไลซ์ ซึ่งบ่งชี้ว่าฟังก์ชันทางจิตวิทยาจะเปลี่ยนไปเมื่อมุมแยกส่วนประกอบของแลตติซ แต่ไม่ใช่การทำให้คมชัดขึ้นหรือแบนลง (ลิง N, n = 32 เซสชัน; ลิง S, n = 43 เซสชัน) ในทุกแผง แถบแสดงข้อผิดพลาดแสดงถึงค่าเบี่ยงเบนมาตรฐานของค่าเฉลี่ย ฮ่าๆ ความสอดคล้อง, คะแนนความเท่าเทียมกันเชิงอัตวิสัย PSE, บรรทัดฐาน, การกำหนดมาตรฐาน
ดังที่กล่าวไว้ข้างต้น ทั้งความแตกต่างของสัญญาณพื้นผิวและทิศทางการเคลื่อนที่ของรูปแบบจะแตกต่างกันไปในแต่ละการทดลอง โดยสิ่งเร้าจะเลื่อนขึ้นหรือลงในการทดลองที่กำหนด การทำเช่นนี้เพื่อลดผลกระทบจากการปรับตัวทางจิตวิทยา11 และระบบประสาท28 การวางแนวของรูปแบบเทียบกับอคติ (จุดความเท่าเทียมกันเชิงอัตวิสัยหรือ PSE) (การทดสอบผลรวมอันดับวิลค็อกซอน; ลิง N: z = 0.25, p = 0.8; ลิง S: z = 0.86, p = 0.39) หรือเกณฑ์ฟังก์ชันที่เหมาะสม (ผลรวมของอันดับวิลค็อกซอน; ลิง N: z = 0.14, p = 0.89, ลิง S: z = 0.49, p = 0.62) (รูปที่ 2c) นอกจากนี้ ยังไม่มีความแตกต่างอย่างมีนัยสำคัญระหว่างลิงในระดับความแตกต่างของพื้นผิวที่จำเป็นต่อการรักษาระดับเกณฑ์ประสิทธิภาพ (ลิง N = 24.5% ± 3.9%, ลิง S = 18.9% ± 1.9%; การทดสอบ Wilcoxon rank sum, z = 1.01, p = 0.31)
ในแต่ละรอบการทดลอง เราได้เปลี่ยนมุมระหว่างโครงตาข่ายที่แยกทิศทางของโครงตาข่ายส่วนประกอบออกจากกัน การศึกษาทางจิตวิทยาแสดงให้เห็นว่าผู้คนมีแนวโน้มที่จะรับรู้ว่าเซลล์ที่ 10 เชื่อมต่อกันมากขึ้นเมื่อมุมนี้เล็กลง หากลิงรายงานการรับรู้ความสอดคล้อง/ความโปร่งใสได้อย่างน่าเชื่อถือแล้ว จากผลการค้นพบเหล่านี้ เราคาดว่า PSE ซึ่งเป็นความแตกต่างของพื้นผิวที่สอดคล้องกับการแบ่งอย่างสม่ำเสมอระหว่างตัวเลือกความสอดคล้องและความโปร่งใส จะเพิ่มขึ้นเมื่อมีการปฏิสัมพันธ์กับมุมโครงตาข่าย ซึ่งเป็นเช่นนั้นจริง ๆ (รูปที่ 2d; การยุบรวมตามทิศทางของรูปแบบ, Kruskal–Wallis; ลิง N: χ2 = 23.06, p < 10−3; ลิง S: χ2 = 22.22, p < 10−3; ความสัมพันธ์ระหว่างมุมแทรกระหว่างตะแกรงที่ทำให้เป็นมาตรฐานและ PSE – ลิง N: r = 0.67, p < 10−9; ลิง S: r = 0.76, p < 10−13) ซึ่งเป็นเช่นนั้นจริง ๆ (รูปที่ 2d; การยุบรวมตามทิศทางของลวดลาย, Kruskal–Wallis; ลิง N: χ2 = 23.06, p < 10−3; ลิง S: χ2 = 22.22, p < 10−3; ความสัมพันธ์ระหว่างมุมการแทรกสอดที่ทำให้เป็นมาตรฐานและ 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 < 10–3; обезьяна S: χ2 = 22,22, p < 10–3; корреляция между нормализованными угол решетки и PSE – обезьяна N: r = 0,67, p < 10-9, обезьяна S: r = 0,76, p < 10-13) เหตุการณ์นี้เกิดขึ้นจริง (รูปที่ 2d; การยุบตัวตามทิศทางของรูปแบบ, Kruskal-Wallis; ลิง N: χ2 = 23.06, p < 10–3; ลิง S: χ2 = 22.22, p < 10–3; ความสัมพันธ์ระหว่างมุมแลตติซที่ปรับให้เป็นมาตรฐานและ PSE – ลิง N: r = 0.67, p < 10-9, ลิง S: r = 0.76, p < 10-13)情况确实如此（上2d）跨模式方向折叠，ครูสคัล-วอลลิส；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 （จินจิน 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). ซึ่งเป็นเช่นนั้นจริง ๆ (รูปที่ 2d; การพับตามแกนโหมด, Kruskal-Wallis; ลิง N: χ2 = 23.06, p < 10-3; ลิง S: χ2 = 22.22, p < 10-3; มุมระหว่างแลตติซที่ปรับให้เป็นมาตรฐาน) PSE-обезьяна N: r = 0,67, p < 10–9, обезьяна S: r = 0,76, p < 10–13) ลิง PSE N: r = 0.67, p < 10–9, ลิง S: r = 0.76, p < 10–13)ในทางตรงกันข้าม การเปลี่ยนมุมระหว่างตารางไม่มีผลอย่างมีนัยสำคัญต่อความชันของฟังก์ชันทางจิตวิทยา (รูปที่ 2d; การพับการวางแนวข้ามโมดอล, Kruskal-Wallis; ลิง N: χ2 = 8.09, p = 0.23; ลิง S χ2 = 3.18, p = 0.67, ความสัมพันธ์ระหว่างมุมระหว่างตารางที่ทำให้เป็นมาตรฐานและความชัน – ลิง N: r = -0.4, p = 0.2, ลิง S: r = 0.03, p = 0.76) ดังนั้น ตามข้อมูลทางจิตกายภาพของบุคคล ผลเฉลี่ยของการเปลี่ยนมุมระหว่างตารางคือการเลื่อนของจุดการเคลื่อนที่ ไม่ใช่การเพิ่มขึ้นหรือลดลงของความไวต่อสัญญาณการแบ่งส่วน
สุดท้ายนี้ รางวัลจะถูกสุ่มจัดสรรด้วยความน่าจะเป็น 0.5 ในการทดลองที่มีความแตกต่างของพื้นผิวเป็นศูนย์ หากลิงทุกตัวตระหนักถึงความสุ่มที่ไม่เหมือนใครนี้ และสามารถแยกแยะความแตกต่างระหว่างสิ่งเร้าที่มีความแตกต่างของพื้นผิวเป็นศูนย์และสิ่งเร้าที่เป็นสัญญาณได้ พวกมันก็อาจพัฒนากลยุทธ์ที่แตกต่างกันสำหรับการทดลองทั้งสองประเภทได้ ข้อสังเกตสองประการชี้ให้เห็นอย่างชัดเจนว่าไม่ใช่เช่นนั้น ประการแรก การเปลี่ยนมุมของลายเส้นมีผลกระทบที่คล้ายคลึงกันในเชิงคุณภาพต่อคะแนนของสิ่งเร้าที่เป็นสัญญาณและความแตกต่างของพื้นผิวเป็นศูนย์ (รูปที่ 2d และรูปประกอบเพิ่มเติมที่ 1) ประการที่สอง สำหรับลิงทั้งสองตัว การเลือกการทดลองแบบสองสถานะไม่น่าจะเป็นการทำซ้ำการเลือกรางวัลล่าสุด (ก่อนหน้า) (การทดสอบแบบทวินาม ลิง N: 0.52, z = 0.74, p = 0.22; ลิง S: 0.51, r = 0.9, p = 0.18)
โดยสรุป พฤติกรรมของลิงในงานแบ่งส่วนของเราอยู่ภายใต้การควบคุมสิ่งเร้าที่ดี การพึ่งพาของการตัดสินใจเชิงรับรู้ต่อเครื่องหมายและขนาดของเบาะแสพื้นผิว ตลอดจนการเปลี่ยนแปลงของ PSE กับมุมของตะแกรง บ่งชี้ว่าลิงรายงานการรับรู้เชิงอัตวิสัยของความสอดคล้อง/ความโปร่งใสของการเคลื่อนไหว สุดท้าย การตอบสนองของลิงในการทดลองที่มีความแตกต่างของพื้นผิวเป็นศูนย์ไม่ได้รับผลกระทบจากประวัติรางวัลของการทดลองก่อนหน้า และได้รับผลกระทบอย่างมีนัยสำคัญจากการเปลี่ยนแปลงเชิงมุมระหว่างแรสเตอร์ ซึ่งชี้ให้เห็นว่าลิงยังคงรายงานการรับรู้เชิงอัตวิสัยของโครงสร้างพื้นผิวแบบตะแกรงภายใต้เงื่อนไขที่สำคัญนี้
ดังที่กล่าวมาข้างต้น การเปลี่ยนผ่านของความแตกต่างของพื้นผิวจากค่าลบไปเป็นค่าบวกเทียบเท่ากับการเปลี่ยนผ่านการรับรู้ของสิ่งเร้าจากโปร่งใสไปเป็นสอดคล้องกัน โดยทั่วไป สำหรับเซลล์ที่กำหนด การตอบสนองของ MT มีแนวโน้มที่จะเพิ่มขึ้นหรือลดลงเมื่อความแตกต่างของพื้นผิวเปลี่ยนจากค่าลบไปเป็นค่าบวก และทิศทางของผลกระทบนี้มักขึ้นอยู่กับทิศทางการเคลื่อนที่ของรูปแบบ/องค์ประกอบ ตัวอย่างเช่น เส้นโค้งการปรับทิศทางของเซลล์ MT สองเซลล์ที่เป็นตัวแทนแสดงอยู่ในรูปที่ 3 พร้อมกับการตอบสนองของเซลล์เหล่านี้ต่อตะแกรงที่มีสัญญาณพื้นผิวที่สอดคล้องกันหรือโปร่งใสที่มีความแตกต่างของพื้นผิวต่ำหรือสูง เราได้พยายามหาวิธีวัดปริมาณการตอบสนองต่อตะแกรงเหล่านี้ให้ดียิ่งขึ้น ซึ่งอาจเกี่ยวข้องกับประสิทธิภาพทางจิตสรีรวิทยาของลิงของเรา
a) แผนภาพเชิงขั้วของเส้นโค้งการปรับทิศทางของเซลล์ MT ตัวแทน S ในลิงที่ตอบสนองต่ออาร์เรย์ไซน์เดี่ยว มุมแสดงทิศทางการเคลื่อนที่ของตะแกรง ขนาดแสดงค่าการแผ่รังสี และทิศทางที่เซลล์ต้องการจะทับซ้อนกันประมาณ 90° (ขึ้น) กับทิศทางของส่วนประกอบหนึ่งในทิศทางของรูปแบบตะแกรง b) ฮิสโตแกรมเวลา-สิ่งเร้าแบบรายสัปดาห์ (PSTH) ของตารางการตอบสนอง เลื่อนไปในทิศทางของแม่แบบ 90° (แสดงในแผนภาพด้านซ้าย) สำหรับเซลล์ที่แสดงใน a การตอบสนองถูกจัดเรียงตามประเภทของคำแนะนำพื้นผิว (เหนียวแน่น/โปร่งใส – แผงกลาง/ขวา ตามลำดับ) และความแตกต่างของ Michelson (คำแนะนำสีใน PSTH) แสดงเฉพาะความพยายามที่ถูกต้องสำหรับสัญญาณพื้นผิวที่มีความแตกต่างของความคมชัดต่ำและสูงแต่ละประเภท เซลล์ตอบสนองได้ดีกว่าต่อรูปแบบตาข่ายที่เคลื่อนขึ้นด้านบนที่มีคำแนะนำพื้นผิวโปร่งใส และการตอบสนองต่อรูปแบบเหล่านี้เพิ่มขึ้นตามความแตกต่างของพื้นผิวที่เพิ่มขึ้น c และ d ใช้รูปแบบเดียวกันกับใน a และ b แต่สำหรับเซลล์ MT อื่นๆ นอกเหนือจากลิง S ทิศทางที่พวกมันชอบจะทับซ้อนกับทิศทางของตารางที่เลื่อนลงด้านล่าง หน่วยนี้ชอบตารางที่เลื่อนลงด้านล่างที่มีเบาะแสพื้นผิวที่สอดคล้องกัน และการตอบสนองต่อรูปแบบเหล่านี้จะเพิ่มขึ้นตามความแตกต่างของพื้นผิวที่เพิ่มขึ้น ในทุกแผง พื้นที่แรเงาแสดงถึงค่าความคลาดเคลื่อนมาตรฐานของค่าเฉลี่ย ก้าน หนาม วินาที วินาที
เพื่อสำรวจความสัมพันธ์ระหว่างการจัดเรียงพื้นผิวแบบตาข่าย (แบบสอดคล้องกันหรือแบบโปร่งใส) ตามที่ระบุโดยสัญญาณพื้นผิวของเรา และกิจกรรม MT เราได้ทำการวิเคราะห์การถดถอยความสัมพันธ์ระหว่างเซลล์สำหรับการเคลื่อนไหวแบบสอดคล้องกัน (ความชันเป็นบวก) หรือการเคลื่อนไหวแบบโปร่งใส (ความชันเป็นลบ) โดยใช้การถดถอย เพื่อจำแนกเซลล์ตามอัตราการตอบสนองของสัญญาณเมื่อเทียบกับความแตกต่าง (แยกกันสำหรับแต่ละทิศทางของโหมด) ตัวอย่างของเส้นโค้งการปรับตาข่ายเหล่านี้จากเซลล์ตัวอย่างเดียวกันในรูปที่ 3 แสดงในรูปที่ 4a หลังจากจำแนกแล้ว เราใช้การวิเคราะห์ประสิทธิภาพของตัวรับ (ROC) เพื่อหาปริมาณความไวของแต่ละเซลล์ต่อการปรับเปลี่ยนสัญญาณพื้นผิว (ดูวิธีการ) ฟังก์ชันนิวโรเมตริกที่ได้มาในลักษณะนี้สามารถนำมาเปรียบเทียบโดยตรงกับลักษณะทางจิตกายภาพของลิงในเซสชันเดียวกัน เพื่อเปรียบเทียบความไวทางจิตกายภาพของเซลล์ประสาทต่อพื้นผิวตาข่ายโดยตรง เราได้ทำการวิเคราะห์การตรวจจับสัญญาณสองครั้งสำหรับทุกหน่วยในตัวอย่าง โดยคำนวณคุณลักษณะนิวโรเมตริกแยกกันสำหรับแต่ละทิศทางของรูปแบบ (อีกครั้ง ขึ้นหรือลง) สิ่งสำคัญที่ควรทราบคือ สำหรับการวิเคราะห์นี้ เราได้รวมเฉพาะการทดลองที่ (i) ตัวกระตุ้นมีเบาะแสเกี่ยวกับพื้นผิว และ (ii) ลิงตอบสนองตามเบาะแสนั้น (กล่าวคือ การทดลองที่ "ถูกต้อง") เท่านั้น
อัตราการยิงถูกพล็อตเทียบกับความแตกต่างของสัญญาณพื้นผิว ตามลำดับ สำหรับตะแกรงที่เลื่อนขึ้น (ซ้าย) หรือลง (ขวา) เส้นทึบแสดงถึงการถดถอยเชิงเส้นที่เหมาะสมที่สุด และข้อมูลในแถวบนสุด (ล่างสุด) นำมาจากข้อมูลที่แสดงในรูปที่ 3a เซลล์, b (รูปที่ 3c, d) คุณลักษณะความชันของการถดถอยถูกใช้เพื่อกำหนดสัญญาณพื้นผิวที่ต้องการ (สอดคล้อง/โปร่งใส) ให้กับการรวมกันของเซลล์/การวางแนวของตาข่ายแต่ละแบบ (n ≥ 20 การทดลองต่อเงื่อนไขสิ่งเร้า) แถบข้อผิดพลาดแสดงถึงค่าเบี่ยงเบนมาตรฐานของค่าเฉลี่ย ฟังก์ชันทางประสาทวิทยาของหน่วยที่แสดงใน ba ได้รับการอธิบายร่วมกับฟังก์ชันทางจิตวิทยาที่รวบรวมในระหว่างเซสชันเดียวกัน ตอนนี้ สำหรับแต่ละคุณลักษณะ เราจะพล็อตตัวเลือกคำแนะนำเครื่องมือที่ต้องการ (แกนตั้ง) (ดูข้อความ) เป็นเปอร์เซ็นต์ของความแตกต่างของสัญญาณพื้นผิว (แกนนอน) ความแตกต่างของพื้นผิวได้รับการเปลี่ยนแปลงเพื่อให้คำแนะนำเครื่องมือที่ต้องการเป็นค่าบวกและคำแนะนำเครื่องมือว่างเป็นค่าลบ ข้อมูลจากกริดที่เคลื่อนที่ขึ้น (ลง) แสดงอยู่ในแผงด้านซ้าย (ขวา) ในแถวบน (ล่าง) – ข้อมูลจากเซลล์ที่แสดงในรูปที่ 3a,b (รูปที่ 3c,d) อัตราส่วนของเกณฑ์การวัดระบบประสาทและเกณฑ์การวัดจิตใจ (N/P) แสดงอยู่ในแต่ละแผง ก้าน หนามแหลม วินาที วินาที ไดเร็กทอรี ทิศทาง จังหวัดที่ต้องการ psi การวัดจิตใจ ประสาทวิทยา
เส้นโค้งการปรับจูนแลตติสและฟังก์ชันนิวโรเมตริกของเซลล์ MT สองเซลล์ที่เป็นตัวแทนและฟังก์ชันไซโคเมตริกที่เกี่ยวข้อง ซึ่งรวบรวมเข้าด้วยกันพร้อมกับการตอบสนองเหล่านี้ แสดงอยู่ในแผงด้านบนและด้านล่างของรูปที่ 4a และ 4b ตามลำดับ เซลล์เหล่านี้แสดงให้เห็นถึงการเพิ่มขึ้นหรือลดลงอย่างค่อนข้างสม่ำเสมอเมื่อความรู้สึกของพื้นผิวเปลี่ยนจากโปร่งใสไปเป็นมีความสอดคล้องกัน นอกจากนี้ ทิศทางและความแข็งแรงของพันธะนี้ขึ้นอยู่กับทิศทางของการเคลื่อนที่ของแลตติส สุดท้าย ฟังก์ชันนิวโรเมตริกที่คำนวณจากการตอบสนองของเซลล์เหล่านี้เข้าใกล้ (แต่ยังไม่ตรงกับ) คุณสมบัติทางจิตกายภาพของการเคลื่อนที่ของกริดแบบทิศทางเดียวเท่านั้น ทั้งฟังก์ชันนิวโรเมตริกและไซโคเมตริกได้รับการสรุปด้วยเกณฑ์ กล่าวคือ สอดคล้องกับประมาณ 84% ของความแตกต่างที่เลือกอย่างถูกต้อง (สอดคล้องกับค่าเฉลี่ย + 1 ส่วนเบี่ยงเบนมาตรฐานของฟังก์ชันเกาส์เซียนสะสมที่ปรับให้เหมาะสม) จากตัวอย่างทั้งหมด อัตราส่วน N/P ซึ่งเป็นอัตราส่วนของเกณฑ์การวัดทางประสาทต่อเกณฑ์การวัดทางจิตวิทยา มีค่าเฉลี่ย 12.4 ± 1.2 ในลิง N และ 15.9 ± 1.8 ในลิง S และสำหรับการเคลื่อนที่ของโครงตาข่ายในทิศทางอย่างน้อยหนึ่งทิศทาง มีเพียง ~16% (18%) หน่วยจากลิง N (ลิง S) เท่านั้น (รูปที่ 5a) จากตัวอย่างเซลล์ที่แสดงในรูป ดังที่เห็นในรูปที่ 3 และ 4 ความไวของเซลล์ประสาทอาจได้รับผลกระทบจากความสัมพันธ์ระหว่างทิศทางที่ต้องการของเซลล์และทิศทางการเคลื่อนที่ของโครงตาข่ายที่ใช้ในการทดลอง โดยเฉพาะอย่างยิ่ง เส้นโค้งการปรับทิศทางในรูปที่ 3a,c แสดงให้เห็นถึงความสัมพันธ์ระหว่างการตั้งค่าทิศทางของเซลล์ประสาทของอาร์เรย์ไซน์เดี่ยวและความไวต่อการเคลื่อนไหวแบบโปร่งใส/สอดคล้องกันในอาร์เรย์พื้นผิวของเรา กรณีนี้เกิดขึ้นกับลิงทั้งสองตัว (ANOVA; ทิศทางที่ชอบโดยเปรียบเทียบแบ่งเป็นช่วงความละเอียด 10°; ลิง N: F = 2.12, p < 0.01; ลิง S: F = 2.01, p < 0.01) กรณีนี้เกิดขึ้นกับลิงทั้งสองตัว (ANOVA; ทิศทางที่ชอบโดยเปรียบเทียบแบ่งเป็นช่วงความละเอียด 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) กรณีนี้เกิดขึ้นกับลิงทั้งสองตัว (ANOVA; ทิศทางที่ชอบโดยเปรียบเทียบถูกจัดกลุ่มที่ความละเอียด 10°; ลิง N: F=2.12, p<0.01; ลิง 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，พี < 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 ; 猴子 n ： f = 2.12 , p <0.01 ; ： ： f = 2.01 , p <0.01 。。。。。。）））））））））））））））)))))))))) Это имело место для обеих обезьян (ANOVA; относительная предпочтительная ориентация объединена при разрешении 10°; обезьяна N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01) กรณีนี้เกิดขึ้นกับลิงทั้งสองตัว (ANOVA; การวางแนวที่ชอบโดยเปรียบเทียบที่ความละเอียด 10°; ลิง N: F=2.12, p<0.01; ลิง S: F=2.01, p<0.01)เนื่องจากความไวของเซลล์ประสาทมีความแปรปรวนสูง (รูปที่ 5a) เพื่อให้เห็นภาพความสัมพันธ์ระหว่างความไวของเซลล์ประสาทกับทิศทางที่ต้องการ เราจึงทำการปรับทิศทางที่เซลล์แต่ละเซลล์ต้องการให้เป็นมาตรฐานโดยเทียบกับทิศทาง "ที่ดีที่สุด" สำหรับการเคลื่อนที่ของรูปแบบตาราง (เช่น ทิศทางที่ตารางสร้างมุมที่เล็กที่สุดระหว่างทิศทางที่เซลล์ต้องการกับทิศทางของรูปแบบตาราง) เราพบว่าค่าเกณฑ์สัมพัทธ์ของเซลล์ประสาท (ค่าเกณฑ์สำหรับทิศทางตารางที่ "แย่ที่สุด" / ค่าเกณฑ์สำหรับทิศทางตารางที่ "ดีที่สุด") แตกต่างกันไปตามทิศทางที่ต้องการที่ปรับให้เป็นมาตรฐานนี้ โดยค่าสูงสุดของอัตราส่วนเกณฑ์นี้เกิดขึ้นรอบๆ รูปแบบหรือทิศทางของส่วนประกอบ (รูปที่ 5b) ผลกระทบนี้ไม่สามารถอธิบายได้ด้วยอคติในการกระจายทิศทางที่ต้องการในหน่วยต่างๆ ในแต่ละตัวอย่างไปในทิศทางใดทิศทางหนึ่งของรูปแบบลายสก็อตหรือองค์ประกอบ (รูปที่ 5c; การทดสอบ Rayleigh; ลิง N: z = 8.33, p < 10−3, ค่าเฉลี่ยแบบวงกลม = 190.13 องศา ± 9.83 องศา; ลิง S: z = 0.79, p = 0.45) และมีความสอดคล้องกันในมุมการสอดประสานลายสก็อต (รูปประกอบเพิ่มเติมที่ 2) ผลกระทบนี้ไม่สามารถอธิบายได้ด้วยอคติในการกระจายทิศทางที่ต้องการในหน่วยต่างๆ ในแต่ละตัวอย่างไปในทิศทางใดทิศทางหนึ่งของรูปแบบลายสก็อตหรือองค์ประกอบ (รูปที่ 5c; การทดสอบ Rayleigh; ลิง N: z = 8.33, p < 10−3, ค่าเฉลี่ยแบบวงกลม = 190.13 องศา ± 9.83 องศา; ลิง S: z = 0.79, p = 0.45) และมีความสอดคล้องกันในมุมการสอดประสานลายสก็อต (รูปประกอบเพิ่มเติมที่ 2) 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, พี < 10–3) ผลกระทบนี้ไม่สามารถอธิบายได้ด้วยการเปลี่ยนแปลงการกระจายทิศทางที่ต้องการในหน่วยต่างๆ ในแต่ละตัวอย่างไปสู่ทิศทางลายตารางหรือทิศทางองค์ประกอบใดองค์ประกอบหนึ่ง (รูปที่ 5c; การทดสอบ Rayleigh; ลิง N: z = 8.33, p < 10–3)ค่าเฉลี่ยเชิงวงกลม = 190.13 องศา ± 9.83 องศา; ลิง S: z = 0.79, p = 0.45) และมีค่าเท่ากันสำหรับทุกมุมของตารางลายสก็อต (ภาพประกอบเพิ่มเติมที่ 2)这种效应不能通过每个样本中单元中的优选方向分布偏向格子วอลเปเปอร์ = 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image2）。这 种 效应 不 能 通过 每 样本 中 单元 中 优选 方向 分布 偏向 偏向 上案 或 组件 方向 来解释 （平均值 平均值 圆形 圆形 圆形 圆形 圆形 解释 （平均值 平均值 圆形 圆形 圆形 圆形 圆形 解释 （平利 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 圆形圆形圆形圆形圆形圆形z Этот эффект не может быть объяснен тем, что распределение предпочтительных ориентаций в клетках в каждом образце смещено либо в сторону структуры решетки, либо в сторону одной из ориентаций компонентов (рис. 5в; критерий เรยา; обезьяна N: z = 8,33, p < 10–3) ผลกระทบนี้ไม่สามารถอธิบายได้ด้วยข้อเท็จจริงที่ว่าการกระจายตัวของทิศทางที่ต้องการในเซลล์ในแต่ละตัวอย่างนั้นเอนเอียงไปทางโครงสร้างแลตติสหรือไปทางทิศทางองค์ประกอบใดองค์ประกอบหนึ่ง (รูปที่ 5c; การทดสอบของ Rayleigh; ลิง N: z = 8.33, p < 10–3)ค่าเฉลี่ยแบบวงกลม) = 190.13 องศา ± 9.83 องศา; ลิง S: z = 0.79, p = 0.45) และมีค่าเท่ากันในมุมแลตติสระหว่างกริด (ภาพประกอบเพิ่มเติมที่ 2)ดังนั้น ความไวของเซลล์ประสาทต่อโครงสร้างแบบตารางจึงขึ้นอยู่กับคุณสมบัติพื้นฐานของการปรับจูน MT อย่างน้อยบางส่วน
แผงด้านซ้ายแสดงการกระจายของอัตราส่วน N/P (เกณฑ์ของเซลล์ประสาท/เกณฑ์ทางจิตสรีรวิทยา) โดยแต่ละเซลล์ให้ข้อมูลสองจุด จุดละหนึ่งทิศทางที่รูปแบบเคลื่อนที่ แผงด้านขวาแสดงเกณฑ์ทางจิตสรีรวิทยา (แกนตั้ง) เทียบกับเกณฑ์ของเซลล์ประสาท (แกนนอน) สำหรับทุกหน่วยในตัวอย่าง ข้อมูลในแถวบนสุด (ล่างสุด) มาจากลิง N (S) b อัตราส่วนเกณฑ์ที่ปรับให้เป็นมาตรฐานแล้วถูกพล็อตเทียบกับขนาดของความแตกต่างระหว่างทิศทางของโครงสร้างตาข่ายที่เหมาะสมที่สุดและทิศทางของเซลล์ที่ต้องการ ทิศทาง "ที่ดีที่สุด" ถูกกำหนดให้เป็นทิศทางของโครงสร้างตะแกรง (วัดด้วยตะแกรงไซน์เดี่ยว) ที่ใกล้เคียงกับทิศทางของเซลล์ที่ต้องการมากที่สุด ข้อมูลถูกจัดกลุ่มตามทิศทางที่ต้องการที่ปรับให้เป็นมาตรฐานแล้ว (กลุ่ม 10°) จากนั้นอัตราส่วนเกณฑ์จะถูกปรับให้เป็นมาตรฐานตามค่าสูงสุดและหาค่าเฉลี่ยภายในแต่ละกลุ่ม เซลล์ที่มีทิศทางที่ต้องการใหญ่กว่าหรือเล็กกว่าทิศทางของส่วนประกอบตาข่ายเล็กน้อยจะมีค่าความแตกต่างในความไวต่อทิศทางของรูปแบบตาข่ายมากที่สุด c. ฮิสโตแกรมสีชมพูแสดงการกระจายทิศทางที่ต้องการของหน่วย MT ทั้งหมดที่บันทึกไว้ในลิงแต่ละตัว
สุดท้าย การตอบสนองของ MT จะถูกปรับเปลี่ยนโดยทิศทางการเคลื่อนที่ของตะแกรงและรายละเอียดของสัญญาณการแบ่งส่วน (พื้นผิว) ของเรา การเปรียบเทียบความไวของเซลล์ประสาทและความไวทางจิตวิทยาแสดงให้เห็นว่า โดยทั่วไปแล้ว หน่วย MT มีความไวต่อสัญญาณพื้นผิวที่แตกต่างกันน้อยกว่าลิงมาก อย่างไรก็ตาม ความไวของเซลล์ประสาทเปลี่ยนแปลงไปขึ้นอยู่กับความแตกต่างระหว่างทิศทางที่หน่วยนั้นชอบและทิศทางการเคลื่อนที่ของตะแกรง เซลล์ที่มีความไวมากที่สุดมักจะมีทิศทางที่ชอบซึ่งเกือบจะครอบคลุมรูปแบบของตะแกรงหรือทิศทางที่เป็นส่วนประกอบ และกลุ่มตัวอย่างเล็กๆ ของเรามีความไวเท่าหรือมากกว่าการรับรู้ความแตกต่างของความคมชัดของลิง เพื่อตรวจสอบว่าสัญญาณจากหน่วยที่มีความไวมากกว่าเหล่านี้มีความสัมพันธ์กับการรับรู้ในลิงมากขึ้นหรือไม่ เราจึงตรวจสอบความสัมพันธ์ระหว่างการรับรู้และการตอบสนองของเซลล์ประสาท
ขั้นตอนสำคัญในการสร้างความเชื่อมโยงระหว่างกิจกรรมทางประสาทและพฤติกรรมคือการสร้างความสัมพันธ์ระหว่างเซลล์ประสาทและการตอบสนองทางพฤติกรรมต่อสิ่งเร้าคงที่ เพื่อเชื่อมโยงการตอบสนองทางประสาทกับการตัดสินใจแบ่งส่วน จำเป็นอย่างยิ่งที่จะต้องสร้างสิ่งเร้าที่แม้จะเหมือนกัน แต่ถูกรับรู้แตกต่างกันในแต่ละครั้ง ในการศึกษาครั้งนี้ สิ่งเร้าดังกล่าวถูกแสดงอย่างชัดเจนด้วยลายเส้นที่มีความแตกต่างของพื้นผิวเป็นศูนย์ แม้ว่าเราจะเน้นย้ำว่า จากหน้าที่ทางจิตวิทยาของสัตว์ ลายเส้นที่มีความแตกต่างของพื้นผิวน้อยที่สุด (น้อยกว่า ~20%) มักถูกพิจารณาว่ามีความสอดคล้องกันหรือโปร่งใส
เพื่อหาปริมาณความสัมพันธ์ระหว่างการตอบสนองของ MT กับรายงานการรับรู้ เราได้ทำการวิเคราะห์ความน่าจะเป็นในการเลือก (CP) ของข้อมูลกริดของเรา (ดู 3) โดยสรุป CP เป็นการวัดแบบไม่ใช้พารามิเตอร์และไม่เป็นมาตรฐาน ซึ่งหาปริมาณความสัมพันธ์ระหว่างการตอบสนองของสไปค์และการตัดสินการรับรู้30 โดยจำกัดการวิเคราะห์เฉพาะการทดลองที่ใช้กริดที่มีความแตกต่างของพื้นผิวเป็นศูนย์ และเซสชันที่ลิงทำการเลือกอย่างน้อยห้าครั้งสำหรับแต่ละประเภทของการทดลองเหล่านี้ เราคำนวณ SR แยกกันสำหรับแต่ละทิศทางการเคลื่อนที่ของกริด จากการศึกษาในลิง เราพบว่าค่าเฉลี่ย CP สูงกว่าที่คาดไว้โดยบังเอิญอย่างมีนัยสำคัญ (รูปที่ 6a, d; ลิง N: ค่าเฉลี่ย CP: 0.54, ช่วงความเชื่อมั่น 95%: (0.53, 0.56), การทดสอบ t แบบสองด้านเทียบกับสมมติฐานว่างของ CP = 0.5, t = 6.7, p < 10−9; ลิง S: ค่าเฉลี่ย CP: 0.55, ช่วงความเชื่อมั่น 95%: (0.54, 0.57), การทดสอบ t แบบสองด้าน, t = 9.4, p < 10−13) เมื่อเปรียบเทียบลิงทั้งหมด เราพบว่าค่าเฉลี่ย CP สูงกว่าที่คาดไว้โดยบังเอิญอย่างมีนัยสำคัญ (รูปที่ 6a, d; ลิง N: ค่าเฉลี่ย CP: 0.54, ช่วงความเชื่อมั่น 95%: (0.53, 0.56), การทดสอบ t แบบสองด้านเทียบกับสมมติฐานว่างของ CP = 0.5, t = 6.7, p < 10−9; ลิง S: ค่าเฉลี่ย CP: 0.55, ช่วงความเชื่อมั่น 95%: (0.54, 0.57), การทดสอบ t แบบสองด้าน, t = 9.4, p < 10−13)ในลิง เราสังเกตเห็นค่าเฉลี่ย CP ที่สูงกว่าที่คาดการณ์ไว้โดยสุ่มอย่างมีนัยสำคัญ (รูปที่ 6a, d; จำนวนลิง: ค่าเฉลี่ย CP: 0.54, ช่วงความเชื่อมั่น 95%: (0.53, 0.56), การทดสอบ t แบบสองด้านเทียบกับค่าว่าง)ซีพี = 0,5, t = 6,7, p < 10–9; ซีพี = 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: ค่าเฉลี่ย CP: 0.55, ช่วงความเชื่อมั่น 95%: (0.54, 0.57), การทดสอบ t แบบสองด้าน, 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（上们观察到平均子N：平均CP：0.54，95% CI：(0.53，0.56），针对空值的双边t 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)อยู่ที่ 猴子 中 ， 我们 观察 平均 平均 值 显着 大于 我们 偶然 的 值 （จินจิน 6a ， d ; n ： 平均 ： 0.54,95% Ci ： 0.53，0.56） ， 空值 检验 CP = 0.5, t = 6.7, p < 10−9; 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; обезьяна 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 เราสังเกตเห็นค่าเฉลี่ย CP ที่สูงกว่าที่เราอาจคาดหวังได้โดยบังเอิญ (รูปที่ 6a, d; ลิง N: ค่าเฉลี่ย CP: 0.54, ช่วงความเชื่อมั่น 95%: (0.53, 0.56), การทดสอบ t แบบสองด้าน CP เทียบกับศูนย์ = 0.5, t = 6.7, p < 10-9, ลิง S: ค่าเฉลี่ย CP: 0.55, ช่วงความเชื่อมั่น 95%: (0.54, 0.57), เกณฑ์ t แบบสองด้าน, t = 9.4, p < 10-13)ดังนั้น เซลล์ประสาท MT จึงมีแนวโน้มที่จะส่งสัญญาณแรงขึ้น แม้ว่าจะไม่มีสัญญาณการแบ่งส่วนที่ชัดเจนใดๆ ก็ตาม เมื่อการรับรู้การเคลื่อนไหวของโครงสร้างตาข่ายของสัตว์ตรงกับความต้องการของเซลล์
a การกระจายความน่าจะเป็นในการเลือกสำหรับตารางที่ไม่มีสัญญาณพื้นผิวสำหรับตัวอย่างที่บันทึกจากลิง N แต่ละเซลล์สามารถให้ข้อมูลได้สูงสุดสองจุด (หนึ่งจุดสำหรับแต่ละทิศทางการเคลื่อนที่ของตาราง) ค่า CP เฉลี่ยที่สูงกว่าค่าสุ่ม (ลูกศรสีขาว) บ่งชี้ว่าโดยรวมแล้วมีความสัมพันธ์อย่างมีนัยสำคัญระหว่างกิจกรรม MT และการรับรู้ b เพื่อตรวจสอบผลกระทบของอคติในการเลือกที่อาจเกิดขึ้น เราคำนวณ CP แยกต่างหากสำหรับสิ่งเร้าใดๆ ที่ลิงทำผิดพลาดอย่างน้อยหนึ่งครั้ง ความน่าจะเป็นในการเลือกถูกพล็อตเป็นฟังก์ชันของอัตราส่วนการเลือก (ชอบ/ว่างเปล่า) สำหรับสิ่งเร้าทั้งหมด (ซ้าย) และค่าสัมบูรณ์ของความแตกต่างของเครื่องหมายพื้นผิว (ขวา ข้อมูลจากเซลล์แต่ละเซลล์ 120 เซลล์) เส้นทึบและพื้นที่แรเงาในแผงด้านซ้ายแสดงถึงค่าเฉลี่ย ± ค่าเบี่ยงเบนมาตรฐานของค่าเฉลี่ยเคลื่อนที่ 20 จุด ความน่าจะเป็นในการเลือกที่คำนวณสำหรับสิ่งเร้าที่มีอัตราส่วนการเลือกที่ไม่สมดุล เช่น ตารางที่มีความแตกต่างของสัญญาณสูง จะแตกต่างกันมากขึ้นและกระจุกตัวอยู่รอบๆ ความเป็นไปได้ พื้นที่แรเงาสีเทาในแผงด้านขวาเน้นความแตกต่างของคุณลักษณะที่รวมอยู่ในการคำนวณความน่าจะเป็นในการเลือกสูง c. พล็อตความน่าจะเป็นของการเลือกขนาดใหญ่ (แกนตั้ง) เทียบกับค่าเกณฑ์ของเซลล์ประสาท (แกนนอน) ความน่าจะเป็นของการเลือกมีความสัมพันธ์เชิงลบอย่างมีนัยสำคัญกับค่าเกณฑ์ สัญลักษณ์ df เหมือนกับ ac แต่ใช้กับข้อมูลเดี่ยว 157 ชุดจากลิง S เว้นแต่จะระบุไว้เป็นอย่างอื่น g. พล็อตความน่าจะเป็นของการเลือกสูงสุด (แกนตั้ง) เทียบกับทิศทางที่ต้องการแบบปกติ (แกนนอน) สำหรับลิงแต่ละตัว เซลล์ MT แต่ละเซลล์ให้ข้อมูลสองจุด (หนึ่งจุดสำหรับแต่ละทิศทางของโครงสร้างตาข่าย) h. แผนภาพกล่องขนาดใหญ่ของความน่าจะเป็นของการเลือกสำหรับแต่ละมุมระหว่างแรสเตอร์ เส้นทึบแสดงค่ามัธยฐาน ขอบล่างและขอบบนของกล่องแสดงเปอร์เซ็นไทล์ที่ 25 และ 75 ตามลำดับ หนวดขยายออกไปเป็น 1.5 เท่าของช่วงควอไทล์ และค่าผิดปกติที่เกินขีดจำกัดนี้จะถูกบันทึกไว้ ข้อมูลในแผงด้านซ้าย (ขวา) มาจากเซลล์ลิง N(S) จำนวน 120 (157) เซลล์ i. ค่าความน่าจะเป็นสูงสุดของการเลือก (แกนตั้ง) ถูกพล็อตเทียบกับเวลาเริ่มต้นของสิ่งเร้า (แกนนอน) ค่า CP ขนาดใหญ่ถูกคำนวณในสี่เหลี่ยมผืนผ้าเลื่อน (ความกว้าง 100 มิลลิวินาที ขั้นตอน 10 มิลลิวินาที) ตลอดการทดสอบ แล้วจึงหาค่าเฉลี่ยในแต่ละหน่วย
งานวิจัยก่อนหน้านี้บางชิ้นรายงานว่า CP ขึ้นอยู่กับจำนวนการทดลองสัมพัทธ์ในการกระจายอัตราพื้นฐาน ซึ่งหมายความว่าการวัดนี้มีความน่าเชื่อถือน้อยลงสำหรับสิ่งเร้าที่ทำให้เกิดความแตกต่างอย่างมากในสัดส่วนของการเลือกแต่ละครั้ง เพื่อทดสอบผลกระทบนี้ในข้อมูลของเรา เราคำนวณ CP แยกกันสำหรับสิ่งเร้าทั้งหมด โดยไม่คำนึงถึงความแตกต่างของพื้นผิว และลิงทำการทดลองที่ผิดพลาดอย่างน้อยหนึ่งครั้ง CP ถูกพล็อตเทียบกับอัตราส่วนการเลือก (ชอบ/ไม่เลือก) สำหรับสัตว์แต่ละตัวในรูปที่ 6b และ e (แผงด้านซ้าย) ตามลำดับ เมื่อพิจารณาจากค่าเฉลี่ยเคลื่อนที่ จะเห็นได้ชัดว่า CP ยังคงอยู่เหนือความน่าจะเป็นในช่วงกว้างของโอกาสในการเลือก โดยจะลดลงก็ต่อเมื่อโอกาสลดลง (เพิ่มขึ้น) ต่ำกว่า (สูงกว่า) 0.2 (0.8) เท่านั้น จากลักษณะทางจิตวิทยาของสัตว์ เราคาดว่าค่าสัมประสิทธิ์การเลือกที่มีขนาดนี้จะใช้ได้เฉพาะกับสิ่งเร้าที่มีเบาะแสพื้นผิวที่มีความคมชัดสูง (สอดคล้องกันหรือโปร่งใส) (ดูตัวอย่างคุณลักษณะทางจิตวิทยาในรูปที่ 2a, b) เพื่อตรวจสอบว่ากรณีนี้เป็นเช่นนั้นหรือไม่ และว่าค่า PC ที่สำคัญยังคงอยู่แม้สำหรับสิ่งเร้าที่มีสัญญาณการแบ่งส่วนที่ชัดเจนหรือไม่ เราได้ตรวจสอบผลกระทบของค่าความแตกต่างของพื้นผิวสัมบูรณ์ต่อค่า PC (รูปที่ 6b, e-ขวา) ดังที่คาดไว้ ค่า CP สูงกว่าค่าความน่าจะเป็นอย่างมีนัยสำคัญสำหรับสิ่งเร้าที่มีสัญญาณการแบ่งส่วนระดับปานกลาง (ความแตกต่างของพื้นผิวประมาณ 20% หรือต่ำกว่า)
ในงานการรับรู้ทิศทาง ความเร็ว และความไม่ตรงกัน ค่า MT CP มักจะสูงที่สุดในเซลล์ประสาทที่ไวที่สุด ซึ่งสันนิษฐานได้ว่าเป็นเพราะเซลล์ประสาทเหล่านี้ส่งสัญญาณที่มีข้อมูลมากที่สุด30,32,33,34จากการค้นพบเหล่านี้ เราสังเกตเห็นความสัมพันธ์ที่ไม่มากนักแต่มีนัยสำคัญระหว่างค่า CP โดยรวม ซึ่งคำนวณจากอัตราการยิงที่แปลงเป็นค่า z-score ข้ามความแตกต่างของสัญญาณพื้นผิวที่เน้นไว้ในแผงด้านขวาสุดของรูปที่ 16b, e และเกณฑ์ของเซลล์ประสาท (รูปที่ 6c, f; การถดถอยค่าเฉลี่ยเรขาคณิต; ลิง N: r = −0.12, p = 0.07 ลิง S: r = −0.18, p < 10−3) 6b, e และเกณฑ์ของเซลล์ประสาท (รูปที่ 6c, f; การถดถอยค่าเฉลี่ยเรขาคณิต; ลิง N: r = −0.12, p = 0.07 ลิง S: r = −0.18, p < 10−3)สอดคล้องกับผลการค้นพบเหล่านี้ เราสังเกตเห็นความสัมพันธ์เล็กน้อยแต่มีนัยสำคัญระหว่างค่า CP ขนาดใหญ่ที่คำนวณจากค่า z-score ของความถี่การกระตุ้นจากความแตกต่างของสัญญาณพื้นผิวที่เน้นไว้ในแผงด้านขวาสุดของรูปที่ 6b, e และค่าเกณฑ์ของเซลล์ประสาท (รูปที่ 6c, f; ค่าเฉลี่ยเรขาคณิต) การถดถอยค่าเฉลี่ยเรขาคณิตобезьяна 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，这是根据上6b、e和神经元阈值（上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 大 之间 存在 适度 但 显着 的 相关性 这 是 根据 的 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）。สอดคล้องกับผลการค้นพบเหล่านี้ เราสังเกตเห็นความสัมพันธ์เล็กน้อยแต่มีนัยสำคัญระหว่างค่า CV ขนาดใหญ่ดังแสดงในรูปที่ 6b,e และเกณฑ์ของเซลล์ประสาท (รูปที่ 6c,f; การถดถอยค่าเฉลี่ยเรขาคณิต; ลิง N: r = -0.12, p = 0.07)คำตอบ: г = -0,18, р < 10-3) ลิง S: r = -0.18, p < 10-3)ดังนั้น สัญญาณจากหน่วยที่มีข้อมูลมากที่สุดจึงมีแนวโน้มที่จะแสดงความแปรปรวนร่วมกับคำตัดสินการแบ่งส่วนตามความรู้สึกส่วนตัวในลิงได้มากกว่า ซึ่งเป็นสิ่งสำคัญไม่ว่าจะมีสัญญาณด้านพื้นผิวใด ๆ เพิ่มเข้ามาในอคติทางการรับรู้หรือไม่ก็ตาม
เนื่องจากก่อนหน้านี้เราได้สร้างความสัมพันธ์ระหว่างความไวต่อสัญญาณพื้นผิวตารางและทิศทางการวางตัวของเซลล์ประสาทที่ต้องการ เราจึงสงสัยว่ามีความสัมพันธ์ที่คล้ายกันระหว่าง CP และทิศทางการวางตัวที่ต้องการหรือไม่ (รูปที่ 6g) ความสัมพันธ์นี้มีความสำคัญทางสถิติเพียงเล็กน้อยในลิง S (ANOVA; ลิง N: 1.03, p=0.46; ลิง S: F=1.73, p=0.04) เราไม่พบความแตกต่างใน CP สำหรับมุมของตารางระหว่างตารางในสัตว์ใด ๆ (รูปที่ 6h; ANOVA; ลิง N: F = 1.8, p = 0.11; ลิง S: F = 0.32, p = 0.9)
สุดท้ายนี้ งานวิจัยก่อนหน้านี้แสดงให้เห็นว่า CP เปลี่ยนแปลงไปตลอดการทดลอง บางการศึกษาได้รายงานว่ามีการเพิ่มขึ้นอย่างรวดเร็วตามด้วยผลการเลือกที่ค่อนข้างราบเรียบ³⁰ ในขณะที่การศึกษาอื่นๆ รายงานว่าสัญญาณการเลือกเพิ่มขึ้นอย่างต่อเนื่องตลอดการทดลอง³¹ สำหรับลิงแต่ละตัว เราคำนวณ CP ของแต่ละหน่วยในการทดลองที่มีความแตกต่างของพื้นผิวเป็นศูนย์ (ตามลำดับ ตามทิศทางของรูปแบบ) ในเซลล์ขนาด 100 มิลลิวินาที โดยเว้นช่วงทุกๆ 20 มิลลิวินาที ตั้งแต่เริ่มต้นก่อนการกระตุ้นจนถึงสิ้นสุดก่อนการกระตุ้นโดยเฉลี่ย พลวัตของ CP โดยเฉลี่ยสำหรับลิงสองตัวแสดงในรูปที่ 6i ในทั้งสองกรณี CP ยังคงอยู่ในระดับสุ่มหรือใกล้เคียงกับระดับสุ่มจนกระทั่งเกือบ 500 มิลลิวินาทีหลังจากเริ่มการกระตุ้น หลังจากนั้น CP ก็เพิ่มขึ้นอย่างรวดเร็ว
นอกจากการเปลี่ยนแปลงความไวแล้ว CP ยังแสดงให้เห็นว่าได้รับผลกระทบจากคุณสมบัติบางประการของลักษณะการปรับจูนของเซลล์ด้วย ตัวอย่างเช่น Uka และ DeAngelis34 พบว่า CP ในงานการรับรู้ความไม่ตรงกันของภาพสองตาขึ้นอยู่กับความสมมาตรของเส้นโค้งการปรับจูนความไม่ตรงกันของภาพสองตาของอุปกรณ์ ในกรณีนี้ คำถามที่เกี่ยวข้องคือ เซลล์ที่เลือกทิศทางของรูปแบบ (PDS) มีความไวมากกว่าเซลล์ที่เลือกทิศทางของส่วนประกอบ (CDS) หรือไม่ เซลล์ PDS เข้ารหัสการวางแนวทั่วไปของรูปแบบที่มีการวางแนวเฉพาะที่หลายแบบ ในขณะที่เซลล์ CDS ตอบสนองต่อการเคลื่อนไหวของส่วนประกอบรูปแบบที่มีทิศทาง (รูปที่ 7a)
a. แผนภาพแสดงการปรับจูนส่วนประกอบโหมดและตะแกรงสมมติ (ซ้าย) และเส้นโค้งการปรับจูนทิศทางตะแกรง (ขวา) (ดูหัวข้อ วัสดุและวิธีการ) กล่าวโดยสรุป หากเซลล์รวมสัญญาณจากส่วนประกอบของตะแกรงเพื่อส่งสัญญาณการเคลื่อนที่ของรูปแบบ เราจะคาดหวังเส้นโค้งการปรับจูนเดียวกันสำหรับตะแกรงแต่ละอันและตัวกระตุ้นตะแกรง (คอลัมน์สุดท้าย เส้นทึบ) ในทางกลับกัน หากเซลล์ไม่รวมทิศทางของส่วนประกอบเข้ากับการเคลื่อนที่ของรูปแบบสัญญาณ เราจะคาดหวังเส้นโค้งการปรับจูนแบบสองส่วนที่มีจุดสูงสุดในแต่ละทิศทางของการเคลื่อนที่ของตะแกรงที่แปลส่วนประกอบหนึ่งไปในทิศทางที่เซลล์ต้องการ (คอลัมน์สุดท้าย เส้นประ) b. (ซ้าย) เส้นโค้งสำหรับการปรับทิศทางของอาร์เรย์ไซน์สำหรับเซลล์ที่แสดงในรูปที่ 1 และ 2 3 และ 4 (แถวบนสุด – เซลล์ในรูปที่ 3a,b และ 4a,b (บนสุด); แผงด้านล่าง – เซลล์ของรูปที่ 3c,d และ 4a,b (ล่างสุด)) (กลาง) การคาดการณ์รูปแบบและส่วนประกอบที่คำนวณจากโปรไฟล์การปรับจูนของแลตทิซ (ขวา) การปรับตารางของเซลล์เหล่านี้ เซลล์ในแผงด้านบน (ล่าง) ถูกจัดประเภทเป็นเซลล์แม่แบบ (ส่วนประกอบ) โปรดทราบว่าไม่มีความสัมพันธ์แบบหนึ่งต่อหนึ่งระหว่างการจัดประเภทของส่วนประกอบของรูปแบบและความชอบสำหรับการเคลื่อนที่ของเซลล์ที่สอดคล้องกัน/โปร่งใส (ดูการตอบสนองของโครงสร้างพื้นผิวสำหรับเซลล์เหล่านี้ในรูปที่ 4a) c สัมประสิทธิ์สหสัมพันธ์บางส่วนของโหมดคะแนน z (แกนตั้ง) พล็อตเทียบกับสัมประสิทธิ์สหสัมพันธ์บางส่วนของส่วนประกอบคะแนน z (แกนนอน) สำหรับเซลล์ทั้งหมดที่บันทึกไว้ในลิง N (ซ้าย) และ S (ขวา) เส้นหนาแสดงเกณฑ์ความสำคัญที่ใช้ในการจัดประเภทเซลล์ d พล็อตของความน่าจะเป็นในการเลือกสูง (แกนตั้ง) เทียบกับดัชนีโหมด (Zp – Zc) (แกนนอน) ข้อมูลในแผงด้านซ้าย (ขวา) หมายถึงลิง N(S) วงกลมสีดำแสดงข้อมูลในหน่วยโดยประมาณ ในสัตว์ทั้งสองชนิด พบความสัมพันธ์อย่างมีนัยสำคัญระหว่างความน่าจะเป็นในการเลือกสูงและดัชนีรูปแบบ ซึ่งบ่งชี้ว่าเซลล์ที่มีการวางแนวรูปแบบสัญญาณจะมีความสัมพันธ์ในการรับรู้ที่มากขึ้นในสิ่งเร้าที่มีการวางแนวองค์ประกอบหลายแบบ
ดังนั้น ในชุดทดสอบแยกต่างหาก เราได้วัดการตอบสนองต่อกริดไซน์และกริดเพื่อจำแนกเซลล์ประสาทในตัวอย่างของเราว่าเป็น PDS หรือ CDS (ดูวิธีการ) เส้นโค้งการปรับจูนแลตติส การทำนายส่วนประกอบแม่แบบที่สร้างจากข้อมูลการปรับจูนนี้ และเส้นโค้งการปรับจูนแลตติสสำหรับเซลล์ที่แสดงในรูปที่ 1 และ 3 รูปที่ 3 และ 4 และรูปประกอบเพิ่มเติมที่ 3 แสดงอยู่ในรูปที่ 7b การกระจายรูปแบบและการเลือกส่วนประกอบ ตลอดจนทิศทางของเซลล์ที่ต้องการในแต่ละหมวดหมู่ แสดงไว้สำหรับลิงแต่ละตัวในรูปที่ 7c และรูปประกอบเพิ่มเติมที่ 4 ตามลำดับ
เพื่อประเมินความสัมพันธ์ของ CP กับการแก้ไขส่วนประกอบของรูปแบบ เราได้คำนวณดัชนีรูปแบบ 35 (PI) ก่อน โดยค่าที่มากขึ้น (น้อยลง) บ่งชี้ถึงพฤติกรรมที่คล้ายคลึงกันของ PDS (CDS) ที่มากขึ้น จากการสาธิตข้างต้นที่ว่า: (i) ความไวของเซลล์ประสาทแปรผันตามความแตกต่างระหว่างทิศทางการวางตัวของเซลล์ที่ต้องการและทิศทางการเคลื่อนที่ของสิ่งเร้า และ (ii) มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างความไวของเซลล์ประสาทและความน่าจะเป็นในการเลือกในตัวอย่างของเรา เราจึงพบความสัมพันธ์ระหว่าง PI และ CP รวมที่ศึกษาสำหรับทิศทางการเคลื่อนที่ "ที่ดีที่สุด" ของแต่ละเซลล์ (ดูด้านบน) เราพบว่า CP มีความสัมพันธ์อย่างมีนัยสำคัญกับ PI (รูปที่ 7d; การถดถอยค่าเฉลี่ยเรขาคณิต; ลิง CP ระดับสูง N: r = 0.23, p < 0.01; ลิง CP สองสถานะ N r = 0.21, p = 0.013; ลิง CP ระดับสูง S: r = 0.30, p < 10−4; ลิง CP สองสถานะ S: r = 0.29, p < 10−3) ซึ่งบ่งชี้ว่าเซลล์ที่จัดอยู่ในกลุ่ม PDS แสดงกิจกรรมที่เกี่ยวข้องกับการเลือกมากกว่าเซลล์ CDS และเซลล์ที่ไม่ได้รับการจัดประเภท เราพบว่า CP มีความสัมพันธ์อย่างมีนัยสำคัญกับ PI (รูปที่ 7d; การถดถอยค่าเฉลี่ยเรขาคณิต; ลิง CP ระดับสูง N: r = 0.23, p < 0.01; ลิง CP สองสถานะ N r = 0.21, p = 0.013; ลิง CP ระดับสูง S: r = 0.30, p < 10−4; ลิง CP สองสถานะ S: r = 0.29, p < 10−3) ซึ่งบ่งชี้ว่าเซลล์ที่จัดอยู่ในกลุ่ม PDS แสดงกิจกรรมที่เกี่ยวข้องกับการเลือกมากกว่าเซลล์ CDS และเซลล์ที่ไม่ได้รับการจัดประเภท 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; ร = 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; การถดถอยค่าเฉลี่ยเรขาคณิต; CP ของลิงใหญ่ N: r = 0.23, p < 0.01; CP ของลิงสองสถานะ N r = 0.21, p = 0.013; CP ของลิงใหญ่ S: r = 0.30, p < 10-4; CP ของลิง S สองสถานะ: r = 0.29, p < 10-3) ซึ่งบ่งชี้ว่าเซลล์ที่จัดอยู่ในกลุ่ม PDS แสดงกิจกรรมที่เกี่ยวข้องกับการเลือกมากกว่าเซลล์ CDS และเซลล์ที่ไม่ได้รับการจัดประเภท我们发现CP 与PI 显着相关（上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，ตัวใหญ่CP 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 ของ CDS 和未分类的细胞表现出更大的选择相关活性。 ค่า CP ของ PI （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; การถดถอยค่าเฉลี่ยเรขาคณิต; CP ของลิงใหญ่ N: r = 0.23, p < 0.01; CP ของลิงสองสถานะ N r = 0.21, p = 0.013; CP ของลิงใหญ่ 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, проявляли большую селекционную активность, чем клетки, классифицированные как CDS и неклассифицированные. (ลิง S bistable CP: r = 0.29, p < 10-3) ซึ่งบ่งชี้ว่าเซลล์ที่จัดอยู่ในกลุ่ม PDS แสดงกิจกรรมการคัดเลือกที่มากกว่าเซลล์ที่จัดอยู่ในกลุ่ม CDS และเซลล์ที่ไม่ได้จัดประเภทเนื่องจากทั้ง PI และความไวของเซลล์ประสาทมีความสัมพันธ์กับ CP เราจึงทำการวิเคราะห์การถดถอยพหุ (โดยใช้ PI และความไวของเซลล์ประสาทเป็นตัวแปรอิสระ และ CP ขนาดใหญ่เป็นตัวแปรตาม) เพื่อตัดความเป็นไปได้ของความสัมพันธ์ระหว่างการวัดทั้งสองที่อาจนำไปสู่ผลกระทบ ค่าสัมประสิทธิ์สหสัมพันธ์แบบบางส่วนทั้งสองค่ามีนัยสำคัญ (ลิง N: ค่าเกณฑ์เทียบกับ CP: r = −0.13, p = 0.04, PI เทียบกับ CP: r = 0.23, p < 0.01; ลิง S: ค่าเกณฑ์เทียบกับ CP: r = −0.16, p = 0.03, PI เทียบกับ CP: 0.29, p < 10−3) ซึ่งบ่งชี้ว่า CP เพิ่มขึ้นตามความไว และเพิ่มขึ้นตาม PI อย่างเป็นอิสระ ค่าสัมประสิทธิ์สหสัมพันธ์แบบบางส่วนทั้งสองค่ามีนัยสำคัญ (ลิง N: ค่าเกณฑ์เทียบกับ CP: r = −0.13, p = 0.04, PI เทียบกับ CP: r = 0.23, p < 0.01; ลิง S: ค่าเกณฑ์เทียบกับ CP: r = −0.16, p = 0.03, PI เทียบกับ CP: 0.29, p < 10−3) ซึ่งบ่งชี้ว่า CP เพิ่มขึ้นตามความไว และเพิ่มขึ้นตาม PI อย่างเป็นอิสระ 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 независимым образом увеличивается с PI. ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนทั้งสองค่ามีนัยสำคัญ (ลิง N: ค่าเกณฑ์เทียบกับ CP: r=-0.13, p=0.04, PI เทียบกับ CP: r=0.23, p<0.01; ลิง S: ค่าเกณฑ์เทียบกับ CP: r = -0.16, p = 0.03, PI เทียบกับ CP: 0.29, p < 10-3) ซึ่งบ่งชี้ว่า CP เพิ่มขึ้นตามความไวและเพิ่มขึ้นอย่างอิสระจาก PIมากกว่า 0.03，PI กับ 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。มากกว่า 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 чувствительностью и увеличивалась с PI независимым образом. ค่าสัมประสิทธิ์สหสัมพันธ์แบบบางส่วนทั้งสองค่ามีนัยสำคัญ (ลิง N: ค่าเกณฑ์เทียบกับ CP: r=-0.13, p=0.04, PI เทียบกับ CP: r=0.23, p<0.01; ลิง S: ค่าเกณฑ์เทียบกับ CP: r = -0.16, p = 0.03, PI เทียบกับ CP: 0.29, p < 10-3) ซึ่งบ่งชี้ว่า CP เพิ่มขึ้นตามความไวและเพิ่มขึ้นตาม PI อย่างเป็นอิสระต่อกัน
เราบันทึกกิจกรรมเพียงครั้งเดียวในบริเวณ MT และลิงรายงานการรับรู้ของพวกมันเกี่ยวกับรูปแบบที่อาจปรากฏเป็นการเคลื่อนไหวที่สอดคล้องกันหรือโปร่งใส ความไวของเซลล์ประสาทต่อสัญญาณการแบ่งส่วนที่เพิ่มเข้ามาในการรับรู้ที่มีอคติแตกต่างกันอย่างมาก และถูกกำหนดอย่างน้อยบางส่วนโดยความสัมพันธ์ระหว่างทิศทางที่หน่วยนั้นชอบและทิศทางของการเคลื่อนไหวของสิ่งเร้า ในประชากรทั้งหมด ความไวของเซลล์ประสาทต่ำกว่าความไวทางจิตวิทยาอย่างมีนัยสำคัญ แม้ว่าหน่วยที่ไวที่สุดจะตรงกับหรือเกินกว่าความไวทางพฤติกรรมต่อสัญญาณการแบ่งส่วนก็ตาม นอกจากนี้ ยังมีความแปรปรวนร่วมกันอย่างมีนัยสำคัญระหว่างความถี่ในการยิงและการรับรู้ ซึ่งบ่งชี้ว่าการส่งสัญญาณ MT มีบทบาทในการแบ่งส่วน เซลล์ที่มีทิศทางที่ชอบจะปรับความไวของพวกมันให้เหมาะสมกับความแตกต่างในสัญญาณการแบ่งส่วนของโครงข่าย และมีแนวโน้มที่จะส่งสัญญาณการเคลื่อนไหวโดยรวมในสิ่งเร้าที่มีทิศทางเฉพาะที่หลายทิศทาง ซึ่งแสดงให้เห็นถึงความสัมพันธ์ในการรับรู้สูงสุด ในที่นี้เราจะพิจารณาปัญหาที่อาจเกิดขึ้นบางประการก่อนที่จะเปรียบเทียบผลลัพธ์เหล่านี้กับงานก่อนหน้านี้
ปัญหาสำคัญอย่างหนึ่งของการวิจัยที่ใช้สิ่งเร้าแบบสองสถานะในแบบจำลองสัตว์คือ การตอบสนองทางพฤติกรรมอาจไม่ได้ขึ้นอยู่กับมิติที่สนใจ ตัวอย่างเช่น ลิงของเราอาจรายงานการรับรู้ทิศทางของพื้นผิวโดยไม่ขึ้นอยู่กับการรับรู้ความสอดคล้องของโครงสร้างตาข่าย ข้อมูลสองแง่มุมชี้ให้เห็นว่าไม่ใช่เช่นนั้น ประการแรก สอดคล้องกับรายงานก่อนหน้านี้ การเปลี่ยนมุมการวางแนวสัมพัทธ์ของส่วนประกอบอาร์เรย์ที่แยกออกจากกันจะเปลี่ยนโอกาสในการรับรู้ความสอดคล้องอย่างเป็นระบบ ประการที่สอง โดยเฉลี่ยแล้ว ผลกระทบจะเหมือนกันสำหรับรูปแบบที่มีหรือไม่มีสัญญาณพื้นผิว เมื่อพิจารณาร่วมกันแล้ว ข้อสังเกตเหล่านี้ชี้ให้เห็นว่าการตอบสนองของลิงสะท้อนถึงการรับรู้ความเชื่อมโยง/ความโปร่งใสอย่างสม่ำเสมอ
ปัญหาอีกประการหนึ่งที่อาจเกิดขึ้นคือ เราไม่ได้ปรับพารามิเตอร์การเคลื่อนที่ของตะแกรงให้เหมาะสมกับสถานการณ์เฉพาะ ในงานวิจัยก่อนหน้านี้หลายชิ้นที่เปรียบเทียบความไวของเซลล์ประสาทและความไวทางจิตวิทยา ได้มีการเลือกสิ่งเร้าแยกกันสำหรับแต่ละหน่วยที่ลงทะเบียน [31, 32, 34, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45] ในที่นี้ เราใช้ทิศทางการเคลื่อนที่ของลวดลายตะแกรงสองทิศทางเดียวกัน โดยไม่คำนึงถึงการปรับทิศทางของแต่ละเซลล์ การออกแบบนี้ทำให้เราสามารถศึกษาว่าความไวเปลี่ยนแปลงไปอย่างไรเมื่อมีการทับซ้อนกันระหว่างการเคลื่อนที่ของตะแกรงและทิศทางที่ต้องการ อย่างไรก็ตาม มันไม่ได้ให้พื้นฐานล่วงหน้าในการกำหนดว่าเซลล์ชอบตะแกรงแบบสอดคล้องกันหรือแบบโปร่งใส ดังนั้นเราจึงอาศัยเกณฑ์เชิงประจักษ์ โดยใช้การตอบสนองของแต่ละเซลล์ต่อตาข่ายที่มีพื้นผิว เพื่อกำหนดป้ายกำกับความชอบและศูนย์ให้กับแต่ละประเภทของการเคลื่อนที่ของตาข่าย แม้ว่าจะไม่น่าเป็นไปได้ แต่สิ่งนี้อาจทำให้ผลการวิเคราะห์ความไวและการตรวจจับสัญญาณ CP ของเราคลาดเคลื่อนอย่างเป็นระบบ ซึ่งอาจทำให้ค่าที่วัดได้สูงเกินจริง อย่างไรก็ตาม แง่มุมหลายประการของการวิเคราะห์และข้อมูลที่กล่าวถึงด้านล่างนี้ ชี้ให้เห็นว่าไม่ใช่เช่นนั้น
ประการแรก การกำหนดชื่อที่ต้องการ (ชื่อว่าง) ให้กับสิ่งเร้าที่กระตุ้นกิจกรรมมากขึ้น (น้อยลง) ไม่ได้ส่งผลกระทบต่อความสามารถในการแยกแยะการกระจายการตอบสนองเหล่านี้ แต่เป็นการรับประกันว่าฟังก์ชันทางประสาทวิทยาและจิตวิทยาจะมีเครื่องหมายเดียวกัน เพื่อให้สามารถเปรียบเทียบกันได้โดยตรง ประการที่สอง การตอบสนองที่ใช้ในการคำนวณ CP (การทดลองที่ “ผิด” สำหรับลายเส้นที่มีพื้นผิว และการทดลองทั้งหมดสำหรับลายเส้นที่ไม่มีความแตกต่างของพื้นผิว) ไม่ได้รวมอยู่ในการวิเคราะห์การถดถอยที่กำหนดว่าแต่ละเซลล์ “ชอบ” ลายเส้นที่เชื่อมต่อกันหรือลายเส้นโปร่งใสหรือไม่ ซึ่งทำให้มั่นใจได้ว่าผลกระทบจากการเลือกจะไม่เอนเอียงไปทางชื่อที่ต้องการ/ไม่ถูกต้อง ส่งผลให้ความน่าจะเป็นในการเลือกมีนัยสำคัญ
การศึกษาของ Newsom และเพื่อนร่วมงาน [36, 39, 46, 47] เป็นครั้งแรกที่กำหนดบทบาทของ MT ในการประมาณทิศทางการเคลื่อนที่ รายงานต่อมาได้รวบรวมข้อมูลเกี่ยวกับการมีส่วนร่วมของ MT ในความลึก34,44,48,49,50,51 และความเร็ว32,52 การวางแนวที่ดี33 และการรับรู้โครงสร้าง 3 มิติจากการเคลื่อนไหว31,53,54 (ป่าที่ยั่งยืน 3 มิติ) เราขยายผลลัพธ์เหล่านี้ในสองประเด็นสำคัญ ประการแรก เราให้หลักฐานว่าการตอบสนองของ MT มีส่วนช่วยในการแบ่งส่วนการรับรู้ของสัญญาณการมองเห็นและการเคลื่อนไหว ประการที่สอง เราสังเกตเห็นความสัมพันธ์ระหว่างการเลือกการวางแนวโหมด MT และสัญญาณการเลือกนี้
ในเชิงแนวคิด ผลลัพธ์ในปัจจุบันมีความคล้ายคลึงกับงานวิจัยเกี่ยวกับ 3-D SFM มากที่สุด เนื่องจากทั้งสองเป็นระบบการรับรู้แบบสองสถานะที่ซับซ้อนซึ่งเกี่ยวข้องกับการเคลื่อนไหวและการเรียงลำดับตามความลึก Dodd et al.31 พบความน่าจะเป็นในการเลือกสูง (0.67) ในงานของลิงที่รายงานทิศทางการหมุนของทรงกระบอก 3D SFM แบบสองสถานะ เราพบผลการเลือกที่เล็กกว่ามากสำหรับสิ่งเร้าแบบตารางสองสถานะ (ประมาณ 0.55 สำหรับลิงทั้งสองตัว) เนื่องจากการประเมิน CP ขึ้นอยู่กับสัมประสิทธิ์การเลือก จึงเป็นการยากที่จะตีความ CP ที่ได้ภายใต้เงื่อนไขที่แตกต่างกันในงานที่แตกต่างกัน อย่างไรก็ตาม ขนาดของผลการเลือกที่เราสังเกตเห็นนั้นเหมือนกันสำหรับตะแกรงที่มีความแตกต่างของพื้นผิวเป็นศูนย์และต่ำ และยังเหมือนกันเมื่อเรารวมสิ่งเร้าที่มีความแตกต่างของพื้นผิวต่ำ/ไม่มีเลยเพื่อเพิ่มกำลัง ดังนั้น ความแตกต่างใน CP นี้จึงไม่น่าจะเกิดจากความแตกต่างในอัตราการเลือกระหว่างชุดข้อมูล
การเปลี่ยนแปลงเล็กน้อยในอัตราการยิงของเซลล์ประสาท MT ที่เกิดขึ้นพร้อมกับการรับรู้ในกรณีหลังนั้นดูน่าสงสัย เมื่อเทียบกับสภาวะการรับรู้ที่รุนแรงและแตกต่างกันอย่างสิ้นเชิงซึ่งเกิดจากการกระตุ้นด้วย SFM แบบ 3 มิติ และโครงสร้างกริดแบบสองสถานะ ความเป็นไปได้ประการหนึ่งคือ เราประเมินผลของการเลือกต่ำเกินไปโดยการคำนวณอัตราการยิงตลอดระยะเวลาของการกระตุ้นทั้งหมด ตรงกันข้ามกับกรณีของ 31 3-D SFM ซึ่งความแตกต่างในกิจกรรม MT พัฒนาขึ้นประมาณ 250 มิลลิวินาทีในการทดลองแล้วเพิ่มขึ้นอย่างต่อเนื่องตลอดการทดลอง การวิเคราะห์พลวัตเชิงเวลาของสัญญาณการเลือก (ดู 500 มิลลิวินาทีหลังจากเริ่มกระตุ้นในลิงทั้งสองตัว) นอกจากนี้ หลังจากเพิ่มขึ้นอย่างรวดเร็วในช่วงเวลานี้ เราสังเกตเห็นความผันผวนใน CP ในช่วงที่เหลือของการทดลอง Hupe และ Rubin55 รายงานว่าการรับรู้ของมนุษย์เกี่ยวกับอาร์เรย์สี่เหลี่ยมผืนผ้าแบบสองสถานะมักเปลี่ยนแปลงระหว่างการทดลองที่ยาวนาน แม้ว่าสิ่งเร้าของเราจะถูกนำเสนอเพียง 1.5 วินาที การรับรู้ของลิงของเราก็อาจแตกต่างกันไปตั้งแต่ความสอดคล้องไปจนถึงความโปร่งใสระหว่างการทดลอง (การตอบสนองของพวกมันสะท้อนถึงการรับรู้ขั้นสุดท้ายของพวกมันในการเลือกสัญญาณ) ดังนั้น เวอร์ชันเวลาตอบสนองของงานของเรา หรือแผนที่ลิงสามารถรายงานการรับรู้ของพวกมันได้อย่างต่อเนื่อง คาดว่าจะมีผลการเลือกที่มากขึ้น ความเป็นไปได้สุดท้ายคือสัญญาณ MT ถูกอ่านแตกต่างกันในสองงาน แม้ว่าจะคิดกันมานานแล้วว่าสัญญาณ CPU เกิดจากการถอดรหัสทางประสาทสัมผัสและเสียงรบกวนที่สัมพันธ์กัน56 Gu และ เพื่อนร่วมงาน57 พบว่าในแบบจำลองการคำนวณ กลยุทธ์การรวมกลุ่มที่แตกต่างกัน มากกว่าระดับของความแปรปรวนที่สัมพันธ์กัน สามารถอธิบาย CPU ในเซลล์ประสาท dorsal media-superior temporal ได้ดีกว่า ในงานการรับรู้ทิศทางการเปลี่ยนแปลงแผ่น (MSTd) ผลกระทบการเลือกที่เล็กกว่าที่เราสังเกตเห็นใน MT อาจสะท้อนถึงการรวมกลุ่มอย่างกว้างขวางของเซลล์ประสาทที่มีข้อมูลต่ำจำนวนมากเพื่อสร้างการรับรู้ถึงความสอดคล้องหรือความโปร่งใส ในกรณีใดก็ตามที่เบาะแสการเคลื่อนไหวในท้องถิ่นจะถูกจัดกลุ่มเป็นวัตถุหนึ่งหรือสองชิ้น (ตะแกรงแบบสองสถานะ) หรือพื้นผิวที่แยกจากกันของวัตถุทั่วไป (3-D SFM) มีหลักฐานอิสระว่าการตอบสนองของ MT มีความสัมพันธ์อย่างมีนัยสำคัญกับการตัดสินการรับรู้ มีการตอบสนองของ MT ที่แข็งแกร่ง มีการเสนอให้มีบทบาทในการแบ่งส่วนภาพที่ซับซ้อนออกเป็นฉากหลายวัตถุโดยใช้ข้อมูลการเคลื่อนไหวทางสายตา
ดังที่กล่าวมาข้างต้น เราเป็นกลุ่มแรกที่รายงานความสัมพันธ์ระหว่างกิจกรรมของเซลล์รูปแบบ MT และการรับรู้ ตามที่ Movshon และเพื่อนร่วมงานได้กำหนดไว้ในแบบจำลองสองขั้นตอนดั้งเดิม หน่วยโหมดเป็นขั้นตอนเอาต์พุตของ MT อย่างไรก็ตาม งานวิจัยล่าสุดแสดงให้เห็นว่าเซลล์โหมดและเซลล์องค์ประกอบแสดงถึงปลายที่แตกต่างกันของความต่อเนื่อง และความแตกต่างของพารามิเตอร์ในโครงสร้างของสนามรับสัญญาณเป็นสาเหตุของสเปกตรัมการปรับจูนขององค์ประกอบโหมด ดังนั้น เราจึงพบความสัมพันธ์ที่สำคัญระหว่าง CP และ PI คล้ายกับความสัมพันธ์ระหว่างความสมมาตรของการปรับความไม่ตรงกันของภาพสองตาและ CP ในงานการรับรู้ความลึกหรือการกำหนดค่าการตั้งค่าการวางแนวในงานการจำแนกการวางแนวอย่างละเอียด ความสัมพันธ์ระหว่างเอกสารและ CP 33 Wang และ Movshon62 วิเคราะห์เซลล์จำนวนมากที่มีการเลือกการวางแนว MT และพบว่าโดยเฉลี่ยแล้ว ดัชนีโหมดมีความสัมพันธ์กับคุณสมบัติการปรับจูนหลายอย่าง ซึ่งบ่งชี้ว่าการเลือกโหมดมีอยู่ในสัญญาณประเภทอื่น ๆ อีกมากมายที่สามารถอ่านได้จากประชากร MT ดังนั้น สำหรับการศึกษาความสัมพันธ์ระหว่างกิจกรรม MT และการรับรู้เชิงอัตวิสัยในอนาคต จึงเป็นสิ่งสำคัญที่จะต้องพิจารณาว่าดัชนีรูปแบบมีความสัมพันธ์ในลักษณะเดียวกันกับสัญญาณการเลือกงานและสิ่งเร้าอื่นๆ หรือไม่ หรือว่าความสัมพันธ์นี้เป็นลักษณะเฉพาะของกรณีการแบ่งส่วนการรับรู้เท่านั้น
ในทำนองเดียวกัน Nienborg และ Cumming 42 พบว่าถึงแม้เซลล์ใกล้และไกลที่เลือกเฉพาะความไม่ตรงกันของภาพสองตาใน V2 จะมีความไวเท่ากันในงานแยกแยะความลึก แต่มีเพียงกลุ่มเซลล์ที่ชอบระยะใกล้เท่านั้นที่แสดง CP อย่างมีนัยสำคัญ อย่างไรก็ตาม การฝึกลิงใหม่ให้ให้ความสำคัญกับความแตกต่างระยะไกลมากกว่า ส่งผลให้เกิด CP ที่มีนัยสำคัญในกรงที่พวกมันชอบมากกว่า งานวิจัยอื่นๆ ยังรายงานว่าประวัติการฝึกขึ้นอยู่กับความสัมพันธ์ในการรับรู้34,40,63 หรือความสัมพันธ์เชิงสาเหตุระหว่างกิจกรรม MT และการแยกแยะความแตกต่าง48 ความสัมพันธ์ที่เราสังเกตเห็นระหว่าง CP และการเลือกทิศทางของระบอบการฝึกน่าจะสะท้อนถึงกลยุทธ์เฉพาะที่ลิงใช้ในการแก้ปัญหาของเรา ไม่ใช่บทบาทเฉพาะของสัญญาณการเลือกโหมดในการรับรู้ทางสายตาและการเคลื่อนไหว ในงานในอนาคต สิ่งสำคัญคือต้องพิจารณาว่าประวัติการเรียนรู้มีผลกระทบอย่างมีนัยสำคัญต่อการกำหนดว่าสัญญาณ MT ใดได้รับการให้น้ำหนักเป็นพิเศษและยืดหยุ่นเพื่อทำการตัดสินการแบ่งส่วนหรือไม่
Stoner และเพื่อนร่วมงาน14,23 เป็นกลุ่มแรกที่รายงานว่าการเปลี่ยนแปลงความสว่างของบริเวณตารางที่ทับซ้อนกันส่งผลต่อความสอดคล้องและความโปร่งใสของรายงานของผู้สังเกตการณ์มนุษย์และการปรับทิศทางในเซลล์ประสาท MT ของลิงแสมอย่างคาดการณ์ได้ ผู้เขียนพบว่าเมื่อความสว่างของบริเวณที่ทับซ้อนกันตรงกับความโปร่งใส ผู้สังเกตการณ์จะรายงานการรับรู้ที่โปร่งใสมากขึ้น ในขณะที่เซลล์ประสาท MT ส่งสัญญาณการเคลื่อนไหวของส่วนประกอบแรสเตอร์ ในทางกลับกัน เมื่อความสว่างที่ทับซ้อนกันและความโปร่งใสที่ทับซ้อนกันไม่เข้ากันทางกายภาพ ผู้สังเกตการณ์จะรับรู้การเคลื่อนไหวที่สอดคล้องกัน และเซลล์ประสาท MT จะส่งสัญญาณการเคลื่อนไหวโดยรวมของรูปแบบ ดังนั้น การศึกษาเหล่านี้แสดงให้เห็นว่าการเปลี่ยนแปลงทางกายภาพในสิ่งเร้าทางสายตาที่ส่งผลต่อรายงานการแบ่งส่วนอย่างน่าเชื่อถือยังทำให้เกิดการเปลี่ยนแปลงที่คาดการณ์ได้ในการกระตุ้น MT ด้วย งานวิจัยล่าสุดในด้านนี้ได้สำรวจว่าสัญญาณ MT ใดที่ติดตามลักษณะการรับรู้ของสิ่งเร้าที่ซับซ้อน18,24,64 ตัวอย่างเช่น พบว่าเซลล์ประสาท MT บางส่วนแสดงการปรับจูนแบบสองโหมดกับแผนที่การเคลื่อนที่ของจุดสุ่ม (RDK) ที่มีสองทิศทางซึ่งมีระยะห่างน้อยกว่า RDK แบบทิศทางเดียว แบนด์วิดท์ของการปรับจูนเซลล์ 19, 25 ผู้สังเกตการณ์มักเห็นรูปแบบแรกเป็นการเคลื่อนไหวที่โปร่งใส แม้ว่าเซลล์ประสาท MT ส่วนใหญ่จะแสดงการปรับตัวแบบโมดอลเดียวเพื่อตอบสนองต่อสิ่งเร้าเหล่านี้ และค่าเฉลี่ยอย่างง่ายของเซลล์ MT ทั้งหมดจะให้การตอบสนองของประชากรแบบโมดอลเดียว ดังนั้น กลุ่มย่อยของเซลล์ที่แสดงการปรับจูนแบบไบโมดอลอาจเป็นพื้นฐานทางประสาทสำหรับการรับรู้ดังกล่าว ที่น่าสนใจคือ ในลิงมาร์โมเซ็ต ประชากรนี้ตรงกับเซลล์ PDS เมื่อทดสอบโดยใช้กริดแบบดั้งเดิมและสิ่งเร้าแบบกริด
ผลลัพธ์ของเราก้าวไปอีกขั้นหนึ่งจากข้างต้น ซึ่งมีความสำคัญต่อการสร้างบทบาทของ MT ในการแบ่งส่วนการรับรู้ อันที่จริง การแบ่งส่วนเป็นปรากฏการณ์เชิงอัตวิสัย การแสดงผลภาพแบบหลายสถานะแสดงให้เห็นถึงความสามารถของระบบการมองเห็นในการจัดระเบียบและตีความสิ่งเร้าที่คงที่ได้มากกว่าหนึ่งวิธี การรวบรวมการตอบสนองของระบบประสาทและรายงานการรับรู้พร้อมกันในการศึกษาของเราทำให้เราสามารถสำรวจความแปรปรวนร่วมกันระหว่างอัตราการยิงของ MT และการตีความการรับรู้ของการกระตุ้นอย่างต่อเนื่อง เมื่อได้แสดงความสัมพันธ์นี้แล้ว เรายอมรับว่าทิศทางของความเป็นเหตุเป็นผลยังไม่ได้รับการพิสูจน์ นั่นคือ จำเป็นต้องมีการทดลองเพิ่มเติมเพื่อตรวจสอบว่าสัญญาณของการแบ่งส่วนการรับรู้ที่เราสังเกตเห็นนั้นเป็นไปโดยอัตโนมัติหรือไม่ ดังที่บางคนโต้แย้ง [65, 66, 67] กระบวนการนี้แสดงถึงสัญญาณที่ส่งกลับมายังคอร์เทกซ์รับความรู้สึกจากบริเวณที่สูงกว่า 68, 69, 70 (รูปที่ 8) รายงานเกี่ยวกับการพบเซลล์ที่เลือกรูปแบบในสัดส่วนที่มากขึ้นใน MSTd71 ซึ่งเป็นหนึ่งในเป้าหมายหลักของ MT ในเปลือกสมอง บ่งชี้ว่าการขยายการทดลองเหล่านี้ให้รวมถึงการบันทึก MT และ MSTd พร้อมกันจะเป็นก้าวแรกที่ดีในการทำความเข้าใจกลไกทางประสาทของการรับรู้และการแบ่งส่วนภาพให้ดียิ่งขึ้น
แบบจำลองสองขั้นตอนของการเลือกทิศทางของส่วนประกอบและโหมด และผลกระทบที่อาจเกิดขึ้นจากฟีดแบ็กจากบนลงล่างต่อกิจกรรมที่เกี่ยวข้องกับการเลือกในกระบวนการแปลภาษาด้วยเครื่องจักร ในที่นี้ การเลือกทิศทางของโหมด (PDS – “P”) ในขั้นตอน MT ถูกสร้างขึ้นโดย (i) ตัวอย่างข้อมูลอินพุตที่เลือกทิศทางจำนวนมากซึ่งสอดคล้องกับความเร็วของโหมดเฉพาะ และ (ii) การระงับการปรับแต่งที่รุนแรง ส่วนประกอบที่เลือกทิศทาง (CDS) ของขั้นตอน MT (“C”) มีช่วงการสุ่มตัวอย่างที่แคบในทิศทางอินพุตและไม่มีการระงับการปรับแต่งมากนัก การยับยั้งที่ไม่ได้ปรับแต่งทำให้สามารถควบคุมประชากรทั้งสองกลุ่มได้ ลูกศรสีแสดงถึงทิศทางของอุปกรณ์ที่ต้องการ เพื่อความชัดเจน จึงแสดงเฉพาะส่วนย่อยของการเชื่อมต่อ V1-MT และกล่องเลือกโหมดและทิศทางของส่วนประกอบหนึ่งกล่องเท่านั้น ในบริบทของการตีความผลลัพธ์ฟีดฟอร์เวิร์ด (FF) ของเรา การตั้งค่าอินพุตที่กว้างขึ้นและการยับยั้งการปรับแต่งที่รุนแรง (เน้นด้วยสีแดง) ในเซลล์ PDS ทำให้เกิดความแตกต่างอย่างมากในกิจกรรมในการตอบสนองต่อรูปแบบการเคลื่อนไหวหลายรูปแบบ ในปัญหาการแบ่งส่วนของเรา กลุ่มนี้ขับเคลื่อนห่วงโซ่การตัดสินใจและบิดเบือนการรับรู้ ในทางตรงกันข้าม ในกรณีของฟีดแบ็ก (FB) การตัดสินใจเชิงรับรู้จะถูกสร้างขึ้นในวงจรต้นน้ำโดยข้อมูลทางประสาทสัมผัสและอคติทางปัญญา และผลกระทบที่มากขึ้นของฟีดแบ็กปลายน้ำต่อเซลล์ PDS (เส้นหนา) จะสร้างสัญญาณการเลือก b แผนภาพแสดงแบบจำลองทางเลือกของอุปกรณ์ CDS และ PDS ในที่นี้ สัญญาณ PDS ใน MT ไม่ได้ถูกสร้างขึ้นโดยอินพุตโดยตรงของ V1 เท่านั้น แต่ยังรวมถึงอินพุตทางอ้อมของเส้นทาง V1-V2-MT ด้วย เส้นทางทางอ้อมของแบบจำลองได้รับการปรับเพื่อให้เกิดการเลือกเฉพาะขอบเขตของพื้นผิว (พื้นที่ทับซ้อนของตาราง) โมดูล CDS ของชั้น MT จะทำการรวมน้ำหนักของอินพุตโดยตรงและทางอ้อม และส่งเอาต์พุตไปยังโมดูล PDS PDS ถูกควบคุมโดยการยับยั้งแบบแข่งขัน อีกครั้ง จะแสดงเฉพาะการเชื่อมต่อที่จำเป็นในการวาดโครงสร้างพื้นฐานของแบบจำลองเท่านั้น ในที่นี้ กลไก FF ที่แตกต่างจากที่เสนอในข้อ a อาจนำไปสู่ความแปรปรวนที่มากขึ้นในการตอบสนองของโครงข่ายเซลล์ต่อ PDS ซึ่งจะนำไปสู่ความลำเอียงในรูปแบบการตัดสินใจอีกครั้ง อีกทางเลือกหนึ่งคือ CP ที่สูงขึ้นในเซลล์ PDS อาจยังคงเป็นผลมาจากความลำเอียงในความแข็งแรงหรือประสิทธิภาพของการยึดเกาะของ FB กับเซลล์ PDS หลักฐานสนับสนุนแบบจำลอง MT PDS สองและสามขั้นตอน และการตีความ CP FF และ FB
ในการศึกษาครั้งนี้ใช้ลิงแสม (Macaca mulatta) โตเต็มวัยสองตัว ตัวผู้หนึ่งตัวและตัวเมียหนึ่งตัว (อายุ 7 และ 5 ปี ตามลำดับ) น้ำหนักตั้งแต่ 4.5 ถึง 9.0 กิโลกรัม เป็นสัตว์ทดลอง ก่อนทำการทดลองผ่าตัดปลอดเชื้อ สัตว์ทดลองได้รับการฝังอุปกรณ์บันทึกสัญญาณไฟฟ้าแบบพิเศษสำหรับอิเล็กโทรดแนวตั้งที่เข้าใกล้บริเวณ MT ขาตั้งรองศีรษะสแตนเลส (Crist Instruments, Hagerstown, MD) และขดลวดวัดตำแหน่งดวงตา (Cooner Wire, San Diego, California) ขั้นตอนการทดลองทั้งหมดเป็นไปตามข้อกำหนดของกระทรวงเกษตรแห่งสหรัฐอเมริกา (USDA) และแนวทางปฏิบัติของสถาบันสุขภาพแห่งชาติ (NIH) สำหรับการดูแลและการใช้สัตว์ทดลองอย่างมีมนุษยธรรม และได้รับการอนุมัติจากคณะกรรมการดูแลและใช้สัตว์ทดลองของมหาวิทยาลัยชิคาโก (IAUKC)
สิ่งเร้าทางสายตาทั้งหมดถูกนำเสนอในช่องกลมที่มีพื้นหลังสีดำหรือสีเทา ในระหว่างการบันทึก ตำแหน่งและเส้นผ่านศูนย์กลางของรูนี้จะถูกปรับให้สอดคล้องกับขอบเขตการรับรู้แบบคลาสสิกของเซลล์ประสาทที่ปลายอิเล็กโทรด เราใช้สิ่งเร้าทางสายตา 2 ประเภทหลัก ได้แก่ สิ่งเร้าทางจิตวิทยาและสิ่งเร้าปรับจูน
สิ่งเร้าทางจิตวิทยาคือลวดลายตาราง (20 cd/m2, ความคมชัด 50%, อัตราการเปลี่ยนแปลง 50%, 5 องศา/วินาที) ที่สร้างขึ้นโดยการซ้อนทับตารางสี่เหลี่ยมผืนผ้าสองอันที่เคลื่อนที่ในทิศทางตั้งฉากกับทิศทางของตาราง (รูปที่ 1b) ก่อนหน้านี้ได้มีการแสดงให้เห็นแล้วว่าผู้สังเกตการณ์ที่เป็นมนุษย์รับรู้ลวดลายตารางเหล่านี้เป็นสิ่งเร้าแบบสองสถานะ บางครั้งเป็นลวดลายเดียวที่เคลื่อนที่ไปในทิศทางเดียวกัน (การเคลื่อนไหวที่สอดคล้องกัน) และบางครั้งเป็นพื้นผิวสองพื้นผิวที่แยกจากกันและเคลื่อนที่ไปในทิศทางที่แตกต่างกัน (การเคลื่อนไหวแบบโปร่งใส) ส่วนประกอบของรูปแบบโครงข่ายที่จัดเรียงอย่างสมมาตร – มุมระหว่างโครงข่ายอยู่ระหว่าง 95° ถึง 130° (เลือกจากชุด: 95°, 100°, 105°, 115°, 120°, 125°, 130° ตลอดช่วงการทดลอง มุมแยกเซลล์ประสาทที่ 115° ไม่ได้รับการรักษาไว้ แต่เรารวมข้อมูลทางจิตวิทยาไว้ที่นี่) – ประมาณ 90° หรือ 270° (การวางแนวของรูปแบบ) ในแต่ละช่วงการทดลอง จะใช้เพียงมุมเดียวของโครงข่ายระหว่างกันเท่านั้น ในระหว่างช่วงการทดลองแต่ละครั้ง การวางแนวของรูปแบบสำหรับการทดลองแต่ละครั้งจะถูกเลือกแบบสุ่มจากสองความเป็นไปได้
เพื่อให้การรับรู้เกี่ยวกับตารางมีความชัดเจนยิ่งขึ้น และเพื่อให้มีพื้นฐานเชิงประจักษ์สำหรับรางวัลของการกระทำ เราจึงเพิ่มพื้นผิวจุดแบบสุ่มเข้าไปในขั้นตอนที่ 72 ของแถบแสงในแต่ละส่วนประกอบของตาราง โดยทำได้โดยการเพิ่มหรือลด (ด้วยปริมาณคงที่) ความสว่างของกลุ่มพิกเซลที่เลือกแบบสุ่ม (รูปที่ 1c) ทิศทางการเคลื่อนที่ของพื้นผิวจะให้สัญญาณที่ชัดเจนซึ่งเปลี่ยนการรับรู้ของผู้สังเกตไปสู่การเคลื่อนที่ที่สอดคล้องกันหรือโปร่งใส (รูปที่ 1c) ภายใต้สภาวะที่สอดคล้องกัน พื้นผิวทั้งหมด ไม่ว่าจะครอบคลุมส่วนประกอบใดของโครงสร้างพื้นผิว ก็จะถูกเลื่อนไปในทิศทางของรูปแบบ (รูปที่ 1c, สอดคล้องกัน) ในสภาวะโปร่งใส พื้นผิวจะเคลื่อนที่ตั้งฉากกับทิศทางของตารางที่มันครอบคลุม (รูปที่ 1c, โปร่งใส) (ภาพยนตร์เสริม 1) เพื่อควบคุมความซับซ้อนของงาน ในช่วงการทดลองส่วนใหญ่ ค่าความแตกต่างของ Michelson (Lmax-Lmin/Lmax+Lmin) สำหรับเครื่องหมายพื้นผิวนี้จะแตกต่างกันไปตามชุดค่า (-80, -40, -20, -10, -5, 0, 5, 10, 20, 40, 80) โดยค่าความแตกต่างหมายถึงความสว่างสัมพัทธ์ของภาพ (ดังนั้นค่าความแตกต่าง 80% จะส่งผลให้พื้นผิวมีความสว่าง 36 หรือ 6 cd/m2) สำหรับการทดลอง 6 ครั้งในลิง N และ 5 ครั้งในลิง S เราใช้ช่วงค่าความแตกต่างของพื้นผิวที่แคบกว่า (-30, -20, -15, -10, -5, 0, 5, 10, 15, 20, 30) ซึ่งลักษณะทางจิตวิทยาจะสอดคล้องกับรูปแบบความแตกต่างของช่วงค่าเต็ม แต่ไม่มีค่าความอิ่มตัว
สิ่งเร้าสำหรับการปรับจูนคือตารางไซน์ (ความคมชัด 50%, 1 รอบ/องศา, 5 องศา/วินาที) ที่เคลื่อนที่ในทิศทางใดทิศทางหนึ่งจาก 16 ทิศทางที่เว้นระยะห่างเท่ากัน หรือตารางไซน์ที่เคลื่อนที่ในทิศทางเหล่านี้ (ประกอบด้วยตารางไซน์สองมุมตรงข้าม 135° ที่ซ้อนทับกัน) ในทิศทางเดียวกันกับรูปแบบ