bundesen-den-visuelle-hjerne.pdf
bundesen-den-visuelle-hjerne.pdf
bundesen-den-visuelle-hjerne.pdf
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Visuel opmærksomhed:<br />
Formler, der bygger bro mellem<br />
kognition og neurofysiologi<br />
Claus Bundesen<br />
Københavns Universitet
• NTVA = Neural “Theory of Visual Attention”
Referencer<br />
Claus Bundesen: ”A theory of visual attention.”<br />
Psychological Review, 1990, 97, 523-547.<br />
Claus Bundesen, Thomas Habekost, & Søren<br />
Kyllingsbæk: ”A neural theory of visual attention:<br />
Bridging cognition and neurophysiology.”<br />
Psychological Review, 2005, 112, 291-328.
• Filtrering = selektion af genstande<br />
• Kategoriel indordning = selektion af<br />
• Kategoriel indordning = selektion af<br />
egenskaber eller kategorier
• Vigtige genstande bliver repræsenteret i<br />
mange celler, mindre vigtige i færre celler
www.psy.ku.dk/cvc<br />
Filtrering (antal celler)<br />
Kategoriel indordning<br />
(fyringsrate)
Disposition<br />
• Formel “Theory of Visual Attention” (TVA)<br />
• Neural fortolkning af TVA (NTVA)<br />
• Eksempler på anvendelse af NTVA
Formel “Theory of Visual Attention” (TVA)<br />
• Basale antagelser<br />
• Selektionsmekanismer<br />
• Anvendelser
Visuel processering som et kapløb<br />
Stimuli Stimuli<br />
A<br />
Z<br />
L<br />
Visuel LTM Kapløb<br />
L<br />
Visuel STM
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
Vægtligning (ligning 2)<br />
w x = Σ jєR η(x, j) π j<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
η(x, j) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører j<br />
π j = pertinens af kategori j
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
• Pertinensværdier (π) bestemmer, hvilke<br />
genstande der selekteres (filtrering)<br />
• Biasværdier (β) bestemmer, hvordan de<br />
• Biasværdier (β) bestemmer, hvordan de<br />
udvalgte genstande kategoriseres<br />
(kategoriel indordning)
Vægtligning (ligning 2)<br />
w x = Σ jєR η(x, j) π j<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
η(x, j) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører j<br />
π j = pertinens af kategori j
Formel “Theory of Visual Attention” (TVA)<br />
• Basale antagelser<br />
• Selektionsmekanismer<br />
• Anvendelser:<br />
– Genkendelse af enkeltvist præsenterede genstande<br />
– Selektion fra billeder med mange genstande<br />
– Opmærksomhedssvækkelse efter <strong>hjerne</strong>skade
• For genkendelse af enkeltvist præsenterede<br />
genstande implicerer TVA Luces (1963)<br />
klassiske “biased-choice model”<br />
• For selektion fra billeder med mange genstande<br />
• For selektion fra billeder med mange genstande<br />
implicerer TVA Shibuya & Bundesens (1988)<br />
“fixed-capacity indepen<strong>den</strong>t race model” (FIRM)
• For genkendelse af enkeltvist præsenterede<br />
genstande implicerer TVA Luce’s (1963)<br />
klassiske “biased-choice model”<br />
• For selektion fra billeder med mange genstande<br />
• For selektion fra billeder med mange genstande<br />
implicerer TVA Shibuya & Bundesens (1988)<br />
“fixed-capacity indepen<strong>den</strong>t race model” (FIRM)
• Duncan, J., Bundesen, C., Olson, A.,<br />
Humphreys, G., Chavda, S., & Shibuya, H.<br />
(1999). Systematic analysis of deficits in<br />
visual attention. Journal of Experimental<br />
Psychology: General, 128, 450-478.
TVA-baseret testning<br />
• simultanagnosi (Duncan et al., 2003)<br />
• Huntingtons sygdom (Finke et al., 2006)<br />
• Alzheimers sygdom (Bublak et al., 2006)<br />
• aleksi (Habekost & Starrfelt, 2006)<br />
• subkliniske opmærksomhedssvækkelser<br />
(Habekost & Bundesen, 2003)
Disposition<br />
• Formel “Theory of Visual Attention” (TVA)<br />
• Neural fortolkning af TVA (NTVA)<br />
• Eksempler på anvendelse af NTVA
• Aktivering = tilvækst i fyringsrate i forhold<br />
til spontanaktiviteten
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
Rateligning (ligning 1)<br />
v(x, i) = η(x, i) β i w x/Σ zєSw z<br />
v(x, i) = processeringsrate for kategoriseringen ”x tilhører i”<br />
η(x, i) = styrke af sensorisk evi<strong>den</strong>s for, at x tilhører i<br />
β i = bias i retning af at henføre genstande til kategorien i<br />
w x = opmærksomhedsvægt af genstan<strong>den</strong> x<br />
Σ zєS w z = summen af vægte af foreliggende genstande
Neural TVA<br />
1<br />
TRN<br />
5 v<br />
w<br />
3<br />
2<br />
η∗β<br />
4<br />
6 η∗π η<br />
Pul<br />
LGN<br />
Cortical<br />
visual<br />
areas
Disposition<br />
• Formel “Theory of Visual Attention” (TVA)<br />
• Neural fortolkning af TVA (NTVA)<br />
• Eksempler på anvendelse af NTVA
Anvendelser på enkeltcellestudier<br />
• Filtrering (Moran & Desimone, 1985; Reynolds et al.,<br />
1999)<br />
• Kategoriel indordning (Treue & Martinez-Trujillo, 1999;<br />
Martinez-Trujillo & Treue, 2004)<br />
• Kombineret filtrering og kategoriel indordning (McAdams<br />
& Maunsell, 1999)
Neural filtrering:<br />
Dynamisk ændring af receptive felter<br />
(Moran & Desimone, 1985; Reynolds et al., 1999)<br />
Sensorisk<br />
præference:<br />
Ændring af<br />
receptive felter som<br />
følge af<br />
opmærksomhed:<br />
”god” stimulus ”dårlig” stimulus<br />
…<strong>den</strong> irrelevante stimulus<br />
”filtreres bort” fra det<br />
receptive felt
www.psy.ku.dk/cvc<br />
Filtrering (antal celler)<br />
Kategoriel indordning<br />
(fyringsrate)
Kategoriel indordning:<br />
Selektion af egenskaber påvirker alle genstande<br />
(Treue & Martinez-Trujillo, 1999; Martinez-Trujillo & Treue, 2004)
Multiplikativ skalering af fyringsrater<br />
(McAdams & Maunsell, 1999)<br />
Normalized Response<br />
A<br />
1.0<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
0.0<br />
n = 262<br />
-90 -60 -30 0 30 60 90<br />
Relative Orientation (deg)<br />
B<br />
Attended Response<br />
1.0<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
0.0<br />
0.0 0.2 0.4 0.6 0.8 1.0<br />
Unattended Response
Slut
Neural TVA<br />
1<br />
TRN<br />
5 v<br />
w<br />
3<br />
2<br />
η∗β<br />
4<br />
6 η∗π η<br />
Pul<br />
LGN<br />
Cortical<br />
visual<br />
areas
Attention is a two-stage process<br />
(Chelazzi et al., 1998, 2001)