Name: Benzerlik Yargılarının Toplanması ve Analizi için Bir Psikofizik Paradigması (Video) | JoVE Journal
Uploaded: 2022-03-01T13:45:00.000+00:00
Duration: 8 min 12 s
Description: Öğrenin, benzerlik yargılarını toplamak ve çok boyutlu uzayda modellemek için bu psikofizik paradigmasını. PsychoPy ve YAML yapılandırmaları kullanarak algısal temsilleri esnek bir şekilde analiz edin.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Çalışma, Ulusal Sağlık Enstitüleri'nin (NIH) finansmanıyla destekleniyor, hibe EY07977. Yazarlar ayrıca yazılımı test etmedeki yardımı için Usman Ayyaz'a ve el yazması hakkındaki yorumları için Muhammed Naeem Ayyaz'a teşekkür eder.

<ol><li>Edelman, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Representation+is+representation+of+similarities%5BTitle%5D)+AND+%22TheBehavioral+and+Brain+Sciences%22%5BJournal%5D)">Representation is representation of similarities.</a> TheBehavioral and Brain Sciences. 21 (4), 449-498 (1998).</li>
<li>Hahn, U., Chater, N. Concepts and similarity. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHahn%2C+U+%22Knowledge%2C+Concepts+and+Categories%22">Knowledge, Concepts and Categories</a>. , The MIT Press. 43-84 (1997).</li>
<li>Kriegeskorte, N., Kievit, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Representational+geometry%3A+integrating+cognition%2C+computation%2C+and+the+brain%5BTitle%5D)+AND+%22Trends+in+Cognitive+Sciences%22%5BJournal%5D)">Representational geometry: integrating cognition, computation, and the brain.</a> Trends in Cognitive Sciences. 17 (8), 401-412 (2013).</li>
<li>Hebart, M. N., Zheng, C. Y., Pereira, F., Baker, C. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Revealing+the+multidimensional+mental+representations+of+natural+objects+underlying+human+similarity+judgements%5BTitle%5D)+AND+%22Nature+Human+Behaviour%22%5BJournal%5D)">Revealing the multidimensional mental representations of natural objects underlying human similarity judgements.</a> Nature Human Behaviour. 4 (11), 1173-1185 (2020).</li>
<li>Deng, W. S., Sloutsky, V. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+development+of+categorization%3A+Effects+of+classification+and+inference+training+on+category+representation%5BTitle%5D)+AND+%22Developmental+Psychology%22%5BJournal%5D)">The development of categorization: Effects of classification and inference training on category representation.</a> Developmental Psychology. 51 (3), 392-405 (2015).</li>
<li>Shepard, R. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stimulus+and+response+generalization%3A+tests+of+a+model+relating+generalization+to+distance+in+psychological+space%5BTitle%5D)+AND+%22Journal+of+Experimental+Psychology%22%5BJournal%5D)">Stimulus and response generalization: tests of a model relating generalization to distance in psychological space.</a> Journal of Experimental Psychology. 55 (6), 509-523 (1958).</li>
<li>Coombs, C. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+method+for+the+study+of+interstimulus+similarity%5BTitle%5D)+AND+%22Psychometrika%22%5BJournal%5D)">A method for the study of interstimulus similarity.</a> Psychometrika. 19 (3), 183-194 (1954).</li>
<li>Gärdenfors, P. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGa%CC%88rdenfors%2C+P+%22Conceptual+Spaces%3A+The+Geometry+of+Thought%22">Conceptual Spaces: The Geometry of Thought</a>. , The MIT Press. (2000).</li>
<li>Zaidi, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Perceptual+spaces%3A+mathematical+structures+to+neural+mechanisms%5BTitle%5D)+AND+%22The+Journal+of+Neuroscience+The+Official+Journal+of+the+Society+for+Neuroscience%22%5BJournal%5D)">Perceptual spaces: mathematical structures to neural mechanisms.</a> The Journal of Neuroscience The Official Journal of the Society for Neuroscience. 33 (45), 17597-17602 (2013).</li>
<li>Krishnaiah, P. R., Kanal, L. N. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKrishnaiah%2C+PR+%22Handbook+of+Statistics+2%22">Handbook of Statistics 2</a>. , Elsevier. (1982).</li>
<li>Tsogo, L., Masson, M. H., Bardot, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multidimensional+Scaling+Methods+for+Many-Object+Sets%3A+A+Review%5BTitle%5D)+AND+%22Multivariate+Behavioral+Research%22%5BJournal%5D)">Multidimensional Scaling Methods for Many-Object Sets: A Review.</a> Multivariate Behavioral Research. 35 (3), 307-319 (2000).</li>
<li>Kriegeskorte, N., Mur, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Inverse+MDS%3A+Inferring+dissimilarity+structure+from+multiple+item+arrangements%5BTitle%5D)+AND+%22Frontiers+in+Psychology%22%5BJournal%5D)">Inverse MDS: Inferring dissimilarity structure from multiple item arrangements.</a> Frontiers in Psychology. 3, 245(2012).</li>
<li>Rao, V. R., Katz, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Alternative+Multidimensional+Scaling+Methods+for+Large+Stimulus+Sets%5BTitle%5D)+AND+%22Journal+of+Marketing+Research%22%5BJournal%5D)">Alternative Multidimensional Scaling Methods for Large Stimulus Sets.</a> Journal of Marketing Research. 8 (4), 488-494 (1971).</li>
<li>Hoffman, J. I. E. Hypergeometric Distribution. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHoffman%2C+JIE+%22Biostatistics+for+Medical+and+Biomedical+Practitioners%22">Biostatistics for Medical and Biomedical Practitioners</a>. , Academic Press. 179-182 (2015).</li>
<li>Victor, J. D., Rizvi, S. M., Conte, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Two+representations+of+a+high-dimensional+perceptual+space%5BTitle%5D)+AND+%22Vision+Research%22%5BJournal%5D)">Two representations of a high-dimensional perceptual space.</a> Vision Research. 137, 1-23 (2017).</li>
<li>Knoblauch, K., Maloney, L. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Estimating+classification+images+with+generalized+linear+and+additive+models%5BTitle%5D)+AND+%22Journal+of+Vision%22%5BJournal%5D)">Estimating classification images with generalized linear and additive models.</a> Journal of Vision. 8 (16), 1-19 (2008).</li>
<li>Maloney, L. T., Yang, J. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Maximum+likelihood+difference+scaling%5BTitle%5D)+AND+%22Journal+of+Vision%22%5BJournal%5D)">Maximum likelihood difference scaling.</a> Journal of Vision. 3 (8), 573-585 (2003).</li>
<li>Logvinenko, A. D., Maloney, L. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+proximity+structure+of+achromatic+surface+colors+and+the+impossibility+of+asymmetric+lightness+matching%5BTitle%5D)+AND+%22Perception+%26+Psychophysics%22%5BJournal%5D)">The proximity structure of achromatic surface colors and the impossibility of asymmetric lightness matching.</a> Perception & Psychophysics. 68 (1), 76-83 (2006).</li>
<li>Zhou, Y., Smith, B. H., Sharpee, T. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hyperbolic+geometry+of+the+olfactory+space%5BTitle%5D)+AND+%22Science+Advances%22%5BJournal%5D)">Hyperbolic geometry of the olfactory space.</a> Science Advances. 4 (8), (2018).</li>
<li>Goldstone, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+efficient+method+for+obtaining+similarity+data%5BTitle%5D)+AND+%22Behavior+Research+Methods%2C+Instruments%2C+%26+Computers%22%5BJournal%5D)">An efficient method for obtaining similarity data.</a> Behavior Research Methods, Instruments, & Computers. 26 (4), 381-386 (1994).</li>
<li>Townsend, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Theoretical+analysis+of+an+alphabetic+confusion+matrix%5BTitle%5D)+AND+%22Perception+%26+Psychophysics%22%5BJournal%5D)">Theoretical analysis of an alphabetic confusion matrix.</a> Perception & Psychophysics. 9, 40-50 (1971).</li>
</ol>

Yazarların açıklayacak hiçbir şeyleri yoktur.

Burada özetlenen protokol, görsel olarak sunulabilecek uyaranlar için benzerlik yargılarının elde edilmesi ve analiz edilmesinde etkilidir. Deneysel paradigma, analiz ve olası uzantılar, daha sonra yöntemin avantaj ve dezavantajları tartışılmaktadır.
Deneysel paradigma: Önerilen yöntem, 37 hayvan adından oluşan bir etki alanı kullanılarak gösterilmiştir ve 5. adımdaki analizi takip edebilmeniz ve Şekil 3-6'nın böl...

İnsanlar, nesne tanıma, navigasyon, çevre hakkında çıkarımlarda bulunma ve diğerleri gibi çok çeşitli görevleri yerine getirmek için gelen duyusal bilgileri zihinsel olarak işler ve temsil eder. Benzerlik yargıları, bu zihinsel temsilleri araştırmak için yaygın olarak kullanılır1. Zihinsel temsillerin yapısını anlamak, kavramsal bilginin organizasyonu hakkında fikir verebilir2. Benzerlik yargılarını beyin aktivasyon kalıplarıyla ilişkilendirerek sinirsel hesaplamalar hakkında fikir edinmek de mümkündür3. Ek olarak, benzerlik yargıları algıda göze çarpan özellikleri ortaya koymaktadır4. Zihinsel temsillerin gelişim sırasında nasıl değiştiğini incelemek, nasıl öğrenildiklerine ışık tutabilir5. Bu nedenle, benzerlik yargıları beyindeki bilgi işleme konusunda değerli bilgiler sağlar.
Benzerlikleri kullanan zihinsel temsillerin ortak bir modeli, geometrik bir uzay modelidir6,7,8. Duyusal alanlara uygulanan bu tür bir model genellikle algısal alan olarak adlandırılır9. Uzaydaki noktalar uyaranları temsil eder ve noktalar arasındaki mesafeler, aralarındaki algılanan farklılığa karşılık gelir. Benzerlik yargılarından, benzerliklerin nicel tahminleri elde edilebilir. Bu ikili farklılıklar (veya algısal mesafeler) daha sonra çok boyutlu ölçeklendirme yoluyla algısal uzayı modellemek için kullanılabilir10.
Her biri avantajları ve dezavantajları olan benzerlik yargılarını toplamak için birçok yöntem vardır. Niceliksel farklılık ölçümleri elde etmenin en basit yolu, deneklerden her bir uyaran çifti arasındaki farklılığın derecesini bir ölçekte derecelendirmelerini istemektir. Bu nispeten hızlı olsa da, denekler önceki yargılara geri dönemedikleri ve varsa bağlam etkileri tespit edilemediği için tahminler uzun oturumlarda kararsız olma eğilimindedir. (Burada, bir bağlam etkisi, karşılaştırılmayan diğer uyaranların varlığına dayanarak, iki uyaran arasındaki değerlendirilen benzerlikteki bir değişiklik olarak tanımlanır.) Alternatif olarak, deneklerden tüm uyaran çiftlerini diğer tüm uyaran çiftleriyle karşılaştırmaları istenebilir. Bu, farklılıkların daha güvenilir bir sıralama sıralaması sağlarken, karşılaştırmaların sayısı, uyaran sayısının dördüncü gücü ile ölçeklendirilmesini gerektirdi ve bu da onu yalnızca küçük uyaran kümeleri için uygun hale getirdi. Önceden tanımlanmış sayıda kümeye11 sıralama veya serbest sıralama gibi daha hızlı alternatiflerin kendi sınırlamaları vardır. Serbest sıralama (herhangi bir sayıda yığın halinde) sezgiseldir, ancak uyaranlar kendilerini kolayca kategorize etmese bile, özneyi uyaranları kategorize etmeye zorlar. Daha yeni çoklu düzenleme yöntemi olan ters MDS, bu sınırlamaların çoğunu aşar ve çok verimlidir12. Bununla birlikte, bu yöntem, deneklerin zihinsel temsillerini bir 2B Öklid düzlemine yansıtmalarını ve benzerlikleri belirli bir geometrik şekilde göz önünde bulundurmalarını gerektirir ve benzerlik yapısının bir düzlemdeki Öklid mesafelerinden kurtarılabileceği varsayımını yapar. Bu nedenle, yargıların altında yatan geometri hakkında varsayımlarda bulunmadan, büyük miktarda benzerlik yargısı toplamak için etkili bir yönteme ihtiyaç vardır.
Burada açıklanan, hem makul derecede verimli hem de yukarıdaki potansiyel tuzaklardan kaçınan bir yöntemdir. Deneklerden uyaranları her denemede merkezi bir referansa benzerlik sırasına göre sıralamaları istenerek13, göreceli benzerlik, deneklerin yanıtlarının geometrik yapısı hakkında hiçbir şey varsaymadan doğrudan incelenebilir. Paradigma, hem özdeş hem de farklı bağlamlarla karşılaştırmaların bir alt kümesini tekrarlayarak, bağlam etkilerinin doğrudan değerlendirilmesine ve seçim olasılıkları açısından derecelendirilmiş yanıtların elde edilmesine olanak tanır. Analiz prosedürü, bu rütbe yargılarını çoklu çift karşılaştırmalara ayrıştırır ve bunları, yargıları açıklayan algısal alanların Öklid modellerini oluşturmak ve aramak için kullanır. Yöntem, orta büyüklükteki uyaran kümelerinin temsilini ayrıntılı olarak tanımlamak için uygundur (örneğin, 19 ila 49).
Yaklaşımın fizibilitesini göstermek için, uyaran olarak 37 hayvandan oluşan bir set kullanılarak bir deney yapıldı. Veriler 10 adet bir saatlik seans boyunca toplandı ve daha sonra her bir denek için ayrı ayrı analiz edildi. Analiz, denekler arasında tutarlılık ve ihmal edilebilir bağlam etkileri ortaya koydu. Ayrıca, uyaranlar ile algısal alanlarının Öklid modelleri arasındaki algılanan farklılıkların tutarlılığını değerlendirdi. Bu makalede özetlenen paradigma ve analiz prosedürleri esnektir ve bir dizi algısal uzayın geometrik özelliklerini karakterize etmek isteyen araştırmacılar için yararlı olması beklenmektedir.

<table><tbody><tr><td>Bilgisayar İş İstasyonu</td><td>N/A</td><td>N/A</td><td>işletim sistemi: Windows/ MacOS 10 veya üstü/ Linux; 3.1 GHz Çift Çekirdekli Intel Core i5 veya benzeri; 8 GB veya daha fazla bellek; Dosyaları yazmak ve yürütmek için kullanıcı izinleri</td></tr><tr><td>conda</td><td></td><td>Sürüm 4.11</td><td>İşletim Sistemi: Windows/ MacOS 10 veya üstü/ Linux</td></tr><tr><td>Microsoft Excel</td><td>Microsoft</td><td>Herhangi Deneme</td><td>koşulları dosyalarında satırları ve sütunları açmak ve karıştırmak için.</td></tr><tr><td>PsychoPy</td><td>N/A</td><td>Sürüm 2021.2</td><td>Psikofiziksel çalışmaları yürütmek için çerçeve</td></tr><tr><td>Python 3</td><td>Python Yazılım Vakfı</td><td>Python Sürüm 3.8</td><td>Python3 ve ilişkili yerleşik kitaplıklar</td></tr><tr><td>Gerekli Python Kitaplıkları</td><td>N/A Numpy</td><td>sürümü: 1.17.2 veya üstü; matplotlib sürüm 3.4.3 veya üstü; Scipy sürüm 1.3.1 veya üstü; Pandas sürüm 0.25.3 veya üstü; Seaborn sürüm 0.9.0 veya üstü; scikit_learn sürümü 0.23.1 veya üstü; YAML sürüm 6.0 veya üstü&nbsp;</td><td>Numpy, Scipy ve scikit_learn, optimizasyon ve vektör işlemleri için yerleşik işlevlere sahip bilgi işlem modülleridir. Matplotlib ve Seaborn kütüphaneleri çiziyor. Pandas, CSV dosyalarındaki verileri okumak ve düzenlemek için kullanılır.</td></tr></tbody></table>

benzerlik yargılarının toplanması ve analizi için bir psikofizik paradigması

A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments

Benzerlik yargıları, zihinsel temsilleri ve bunların nöral korelasyonlarını incelemek için yaygın olarak kullanılır. Bu yaklaşım, birçok alandaki algısal alanları karakterize etmek için kullanılmıştır: renkler, nesneler, görüntüler, kelimeler ve sesler. İdeal olarak, tüm uyaran çiftleri arasında algılanan benzerlik tahminlerini karşılaştırmak istenebilir, ancak bu genellikle pratik değildir. Örneğin, bir deneğe iki öğenin benzerliğini diğer iki öğenin benzerliğiyle karşılaştırmasını isterse, karşılaştırmaların sayısı uyaran kümesi boyutunun dördüncü gücüyle artar. Alternatif bir strateji, bir deneğe izole edilmiş çiftlerin benzerliklerini derecelendirmesini istemektir, örneğin bir Likert ölçeğinde. Bu çok daha verimlidir (derecelendirme sayısı çeyrek olarak değil, ayarlanan boyutla dörtlü olarak artar), ancak bu derecelendirmeler kararsız olma eğilimindedir ve sınırlı çözünürlüğe sahiptir ve yaklaşım ayrıca bağlam etkisinin olmadığını varsayar.
Burada, benzerlik yargılarının verimli bir şekilde toplanması için yeni bir sıralama paradigması ve Öklid mesafe modellerinin verileri hesaba katıp katmadığını test eden bir analiz boru hattı (yazılım sağlanmıştır) sunulmaktadır. Tipik denemeler, merkezi bir referans uyaranı etrafında sekiz uyarandan oluşur: özne, uyaranları referansa benzerliklerine göre sıralar. Her denemede kullanılan uyaran kombinasyonlarının makul seçimiyle, yaklaşımın tutarlılık ve bağlam etkileri için iç kontrolleri vardır. Yaklaşım, beş boyuta kadar olan Öklid uzaylarından alınan uyaranlar için doğrulandı. 
Yaklaşım, 37 kelime arasındaki benzerlikleri ölçen bir deneyle gösterilmiştir. Her deneme, "A, referansa, B'nin referansa olduğundan daha mı benzerdi?" formunun 28 çift karşılaştırmasının sonuçlarını verir. Tüm uyaran çiftlerinin doğrudan karşılaştırılması 221445 denemeleri gerektirmiş olsa da, bu tasarım, 222 denemeden elde edilen 5994 karşılaştırmadan algısal uzayın yeniden yapılandırılmasını sağlar.

Şekil 1A, deneme sözcüğü için adım 3.3'te komut dosyası tarafından oluşturulan bir koşul dosyasının bir bölümünü gösterir. Her satır bir deneme sürümüne karşılık gelir. Ref sütunundaki uyaran ekranın ortasında görünür. Stim1'den stim8'e kadar olan sütun adları, merkezi referansın sağındaki konumdan başlayarak saat yönünün tersine çalışan bir daire boyunca sekiz konuma karşılık gelir. Kelime deneyinden örnek bir deneme Şekil 1B'de gösterilmiştir....

Protokol, büyük miktarlarda benzerlik yargıları elde etmek için deneysel bir psikofizik paradigması ve buna eşlik eden bir analiz iş akışı sunar. Paradigma, bağlam etkilerini araştırır ve benzerlik verilerinin en az beş boyutlu Öklid uzayları açısından modellenmesini sağlar.

Benzerlik Yargılarının Toplanması ve Analizi için Bir Psikofizik Paradigması

Similarity judgments are commonly used to study mental representations and their neural correlates. This approach has been used to characterize perceptual ...

Bu, benzerlik yargılarını toplamak ve analiz etmek için etkili bir yöntemdir ve zihinsel temsillerin altında yatan konuların geometrik özellikleri hakkında hiçbir şey varsaymaz. Yöntemin temel avantajları, esnekliği ve algısal temsilin doğası hakkındaki varsayımların en aza indirilmesidir. Uyaran türleri ve denemelerin karmaşıklığı değişebilir ve verilere çok çeşitli geometrik modeller sığdırılabilir.Bu yöntem, görsel uyaranların düşük ve üst düzey yönlerinin zihinsel temsillerini karakterize etmekle ilgilenen araştırmacılar için yararlı olabilir. Çalıştırılacak bir deneme seçin. Benzerlikler'i, ardından denemeler'i, ardından word_exp'i tıklayarak kelime denemesine veya benzerlikleri, ardından denemeler'i ve ardından image_exp'yi tıklayarak resim denemesine gidin.Deneysel uyaranları sonlandırın. Deneme sözcüğü çalıştırılıyorsa bir sözcük listesi hazırlayın. Görüntü deneyi için yeni bir dizin oluşturun ve tüm uyaran görüntülerini içine yerleştirin.Denemeler dizininde, config adlı yapılandırma dosyasını bulun. benzerliklere, ardından denemelere ve ardından config.yaml'a tıklayarak yaml. Dosyayı bir kaynak kodu düzenleyicisinde açın ve dosya değişkeninin değerini, uyaran kümesini içer

a-psychophysics-paradigm-for-collection-analysis-similarity

Research

JoVE Journal

Neuroscience

Sinirbilim

İnsan Likeness en Uncanny Vadisi Hipotez &#39;Boyut algısal ve Kategori İşleme: Bazı Metodolojik Sorunlar

Biz objektif bir ölçü yaygın olarak kullanılan lastik el yanılsama paradigma istihdam nasıl göstermektedir. Bu tedbir köklü crossmodal uyumu görev değiştirerek elde edilir. Bu görev, lastik el yanılsama olduğu gibi vücut temsilleri modülasyon için kritik olan multisensory süreçlerin incelenmesi sağlar.

Kauçuk El Illusion Paradigma bir Amaç Davranış Tedbir Alınması Aracı Olarak Crossmodal Congruency Görev

Bu deneysel paradigma gerçek suç bir görgü tanığı bellekten suçlu bütünsel yüz kompozit oluşturmak ve sonra suçlu ya o ya da o olduğu birini içeren video line-up suçlu tespit deneyebilir hangi koşullar çoğaltır uygulanan mevcut değil.

Bütünsel Yüz Kompozit yaratılması ve Müteakip video onbirler Görgü Kimlik Paradigma

Zamansal mertebeden yargılar, işlem hızı parametrelerini ve dikkat ağırlıklarını tahmin etmek ve böylece dikkat işleme mekanizmalarını çıkarmak için kullanılabilir. Bu metodoloji çok çeşitli görsel uyaranlara uygulanabilir ve birçok dikkat manipülasyonu ile çalışır.

Geçici sipariş Hüküm Model tabanlı Analizi ile Dikkat ve Görsel İşleme Hızı Ölçme

Böyle QUEST tahmin prosedür olarak psikofiziksel yöntemler verimli stimülasyon yoğunluğu acı hisler içine de ağrısız duyumları geçiş sağlam tahminler verebilir. eşik yoğunlukta defalarca uyararak, derecelendirme yanıtlarda değişkenlik doğrudan bir sonraki analizlerde algısal sınıflandırmalara isnat edilebilir.

Lateralizasyon Titreşim Prestimulus Faaliyet Ağrı ile ilgili okuyan psychophysically-demirlemiş, Sağlam Eşikleme

Psikofizik algı olayları duyusal bilgiler sayesinde eğitim için esastır. Burada nerede katılımcılar bakliyat aperiodic tren görsel, işitsel veya görsel-işitsel aralıklarla süre tahmin insan psikofizik önceki raporda uygulandığı gibi bir iki-Interval zorunlu seçmeli görevi gerçekleştirmek için bir iletişim kuralı mevcut.

Multisensory karşılaştırma için bir iki aralığı zorunlu seçmeli görev

Biz, fonksiyonel manyetik rezonans görüntüleme kullanarak biliş duygu zararlı etkisi aracılık eden nöral mekanizmaların araştırılması sağlayan bir protokol mevcut. Bu protokol, hem sağlıklı ve hem de klinik katılımcı ile kullanılabilir.

Biliş üzerine Duygu bozarak Etkisi Beyin Görüntüleme İncelenmesi

Bu yöntem, Organotipik serebellar kültürlerin üretimi ve farklı serebellar hücre tiplerinin canlılığı belli apoptotik uyaranların etkisi açıklanmıştır.

Organotipik Serebellar Kültürler: Apoptotik Zorluklar ve Tayin

Bu yazıda fare siyatik sinir ezmek için bir metodu tanımlar. Bu yöntem, hazır hemostatik forseps kullanır ve kolay ve tekrarlanabilir tam siyatik sinir üretir. Buna ek olarak, siyatik sinir sonra rejenerasyon analizi için uygun kas bütün bağlar hazırlamak için bir yöntem açıklanmaktadır.

Tüm Dağı Muscle Analizi ile tekrarlanabilir Fare Siyatik Sinir Ezilme ve Rejenerasyon daha sonraki Değerlendirme

Biz manyetik rezonans görüntüleme (MRG) ile beyin yapısı ve işlevleri aynı anda analizi için yeni bir yaklaşım açıklanmaktadır. Biz yüksek çözünürlüklü difüzyon ağırlıklı görüntüleme ve beyaz madde lif traktografi beyin yapısının değerlendirilmesi. Standart yapısal MRG aksine, bu teknikler bize doğrudan beyin ağlarının fonksiyonel özelliklerini anatomik bağlantı ilgili izin verir.

FMRI ve difüzyon ağırlıklı görüntüleme ile Beyin Yapısı ve Fonksiyonu Co-analizi

Öğrenin, benzerlik yargılarını toplamak ve çok boyutlu uzayda modellemek için bu psikofizik paradigmasını. PsychoPy ve YAML yapılandırmaları kullanarak algısal temsilleri esnek bir şekilde analiz edin.

Benzerlik Yargılarının Toplanması ve Analizi için Bir Psikofizik Paradigması

Daha fazla video keşfet