Análise integrada de dados para compreensão dos processos visuais no córtex

Autores

DOI:

https://doi.org/10.34024/rnc.2023.v31.15237

Palavras-chave:

percepção visual, córtex visual, séries temporais, curva ROC, Modelos de rede

Resumo

A compreensão dos mecanismos de processamento visual é essencial para o estudo da percepção visual. Neste artigo, foi discutido as áreas corticais envolvidas no processamento visual, como o córtex visual primário (área V1) e as áreas visual secundária e associativa. Essas áreas desempenham papéis distintos na análise de características visuais, como forma, cor e movimento. Além disso, foi destacado a importância de diferentes abordagens para analisar dados de atividade neural e resposta a estímulos visuais.  Conclui-se que a integração de diferentes técnicas de análise, como séries temporais, curva ROC e modelos de rede, pode ampliar o escopo de investigação dos processos de percepção visual. Essas abordagens fornecem insights valiosos sobre a organização e o funcionamento do córtex visual em diferentes níveis de processamento. A aplicação dessas técnicas em estudos de percepção visual pode contribuir para uma compreensão mais profunda dos mecanismos envolvidos na formação da experiência visual.

Métricas

Carregando Métricas ...

Downloads

Não há dados estatísticos.

Referências

Hubel DH, Wiesel TN. Brain mechanisms of vision. Sci Am 1979;241:150-63. https://doi.org/10.1038/scientificamerican0979-150

Kandel E, Schwartz J, Jessell T, Siegelbaum S, Hudspeth AJ. Princípios de neurociências-5. Porto Alegre: AMGH Editora; 2014; pp483-95.

Vortmann LM, Knychalla J, Annerer-Walcher S, Benedek M, Putze F. Imaging time series of eye tracking data to classify attentional states. Front Neurosci 2021;15:664490. https://doi.org/10.3389/fnins.2021.664490

Praetorius AK, McIntyre NA, Klassen RM. Reactivity effects in video-based classroom research: An investigation using teacher and student questionnaires as well as teacher eye-tracking. Zeitschrift für Erziehungswissenschaft 2017;20:49-74. https://doi.org/10.1007/s11618-017-0729-3

Stadnytska T. Time series research in psychology: Conceptual and methodological issues (Dissertação). Heidelberg: Heidelberg University, The Faculty of Behavioural and Cultural Studies, Institute of Psychology The Faculty of Behavioural and Cultural Studies > Institute of Psychology; 2006. https://doi.org/10.1027/1614-2241.4.3.113

Hajian-Tilaki K. Receiver operating characteristic (ROC) curve analysis for medical diagnostic test evaluation. Caspian J Internal Med 2013;4:627.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3755824/

Wu Q, Dey N, Shi F, Crespo RG, Sherratt RS. Emotion classification on eye-tracking and electroencephalograph fused signals employing deep gradient neural networks. App Soft Comp 2021;110:107752. https://doi.org/10.1016/j.asoc.2021.107752

Hardin JW, Hilbe JM. Generalized estimating equations. New York: Chapman and Hall/CRC press; 2012; pp721-9. https://doi.org/10.1201/b13880

Scharler UM, Borrett SR. Network construction, evaluation and documentation: A guideline. Environ Mod Software 2021;140:105020. https://doi.org/10.1016/j.envsoft.2021.105020

Melo MB, Daldegan-Bueno D, Menezes Oliveira MG, Souza AL. Beyond ANOVA and MANOVA for repeated measures: Advantages of generalized estimated equations and generalized linear mixed models and its use in neuroscience research. Eur J Neurosci 2022;56:6089-98. https://doi.org/10.1111/ejn.15858

Behera L, Kar I, Elitzur AC. A recurrent quantum neural network model to describe eye tracking of moving targets. Found Phys Lett 2005;18:357-70. https://doi.org/10.1007/s10702-005-7125-6

Cho SJ, Brown-Schmidt S, Boeck PD, Shen J. Modeling intensive polytomous time-series eye-tracking data: A dynamic tree-based item response model. Psychometrika 2020;85:154-84. https://doi.org/10.1007/s11336-020-09694-6

Godfroid A, Spino LA. Reconceptualizing reactivity of think‐alouds and eye tracking: Absence of evidence is not evidence of absence. Lang Learn 2015;65:896-928. https://doi.org/10.1111/lang.12136

Borsboom D, Deserno MK, Rhemtulla M, Epskamp S, Fried EI, McNally RJ, et al. Network analysis of multivariate data in psychological science. Nat Rev Meth Prim 2021;1:58. https://doi.org/10.1038/s43586-021-00055-w

Elbattah M, Guérin JL, Carette R, Cilia F, Dequen G. Generative Modeling of Synthetic Eye-tracking Data: NLP-based Approach with Recurrent Neural Networks. IJCCI 2020;vol:479-84. https://doi.org/10.5220/0010177204790484

Downloads

Publicado

2023-12-06

Como Citar

Lourenço Nascimento, N. (2023). Análise integrada de dados para compreensão dos processos visuais no córtex. Revista Neurociências, 31, 1–11. https://doi.org/10.34024/rnc.2023.v31.15237

Edição

Seção

Ensaio
Recebido: 2023-08-04
Aceito: 2023-12-05
Publicado: 2023-12-06

Artigos Semelhantes

<< < 12 13 14 15 16 17 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.