Prezentacja na temat dwóch systemów anatomicznych w ludzkim mózgu (core & extended system) oraz ich funkcji rozpoznawania twarzy. Analiza wielozmiennowa (ang. multi voxel pattern analysis, MVPA) posłużyła do odróżnienia systemu identyfikującego tożsamość widzianej osoby (osoba A vs. osoba B) od systemu stwierdzającego "Jak dobrze znam tę osobę?" (znam vs. nie znam).
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Jak mózg rozumie ludzkie twarze?
1. ILONA KOTLEWSKA-WAS
Matteo Visconti di Oleggio Castello, Yaroslav O. Halchenko, J. Swaroop Guntupalli, Jason D. Gors
& M. Ida Gobbini (2017)
NEURONALNA REPREZENTACJI
TWARZY ZNAJOMYCH I
NIEZNAJOMYCH OSÓB
UMK, Toruń 14/03/2019
THE NEURAL REPRESENTATION OF PERSONALLY FAMILIAR AND
UNFAMILIAR FACES IN THE DISTRIBUTED SYSTEM FOR FACE
PERCEPTION
3. WAŻNE PYTANIA
▸ Czy znajome i nieznajome twarze są inaczej reprezentowane
w mózgu?
▸ Czy rozpoznanie, że widzimy znajomą osobę dzieje się
osobno od rozpoznania jej tożsamości?
▸ Czy można rozdzielić brzuszny i grzbietowy strumień
przetwarzania twarzy w systemie „korowym” („core system”)?
▸ Jaka jest rola dolnego zakrętu czołowego (IFG) w
przetwarzaniu twarzy w obu strumieniach?
4.
5. KROKI ANALIZY
▸ GLM - ogólny model liniowy został użyty do sprecyzowania
regionów zainteresowanie (ROI) (np. twarze znajome vs.
nieznajome)
▸ MVPC - analiza wielozmiennowa (multi-voxel pattern
classification) posłużyła do odróżnienia funkcji pełnionych przez
oba systemy (np. rozdzielenia rozpoznawania poziomu
znajomości vs. tożsamości)
▸ Skomplikowane metody RSA -> RDM -> MDS - pozwoliły
zwizualizować „funkcjonalną geometrię” zdefiniowanych ROI
▸ Wyniki zostały sprawdzone pod kątem poprawności poprzez
porównanie z filmem… „Indiana Jones”! (Serio ;)
9. GLM VS. MVPA FAMILIARITY DECODING
Comparison of cross-validation
schemes for the familiarity decoding
Comparison of the univariate
analysis of familiarity with the MVPA
familiarity decoding
11. INTO THE GUTS
RSA
▸ 30 regionów zainteresowania (ROIs) o zasięgu 10 mm wyznaczonych
przez analizę klasyfikacji posłużyło do dalszej analizy
▸ W każdym ROI wyznaczono macierz niezgodności (representational
dissimilarity matrix - RDM) o wymiarach 8x8
▸ Na podstawie odległości (euklidesowej) poszczególnych komórek
macierzy i samych macierzy od siebie obliczono
„podobieństwo” (similarity) pomiędzy parami ROI
▸ W ten sposób powstała RDM - representational dissimilarity matrix
▸ W celu zwizualizowania tej macierzy zastosowano metodę MDS, czyli
multi dimensional scaling
14. SANITY CHECK: RAIDERS
Early visual areas
Posterior Core System
Anterior Core System
Theory of Mind
Precuneus
15. MULTI DIMENTIONAL SCALING
FACE TASK MOVIE DATA
Early visual areas
Posterior Core System
Anterior Core System
Theory of Mind
Precuneus
16. Q&A
▸ Czy znajome i nieznajome
twarze są inaczej
reprezentowane w mózgu?
▸ Czy znajomość i tożsamość są
reprezentowane inaczej?
▸ Czy system „korowy” (core
system) można podzielić na
ścieżkę brzuszną i grzbietową?
▸ Co w przetwarzaniu twarzy robi
IFG?
Tak! Znajome twarze aktywują
szersze reprezentacje (czyli w
większym stopniu angażują
mózg).
Tak! Dopiero rozszerzony system
przetwarzania twarzy analizuje
znajomośc.
Tak, ale ich rola nie jest jeszcze
znana u człowieka.
Zakręt czołowy dolny
prawdopodobnie łączy
informacje z dwóch strumieni:
brzusznego i grzbietowego.
17. KONKLUZJE
▸ System „korowy” (core system) może zostać podzielony na
strumień brzuszny i grzbietowy
▸ IFG otrzymuje i łączy informacje z obu strumieni
▸ Tożsamość i poziom znajomości są przetwarzane osobno
przez „rozszerzony” system (extended system)