1 / 23

Struktúra é s funkció a vizuotaktilis kéregben

Struktúra é s funkció a vizuotaktilis kéregben. Négyessy László Bazsó Fülöp Kocsis László Nepusz Tamás. MTA-SE, Neurobiológiai Kut. Cs. MTA KFKI RMKI, Biofizikai Osztály. Percepció-Akció.

liang
Download Presentation

Struktúra é s funkció a vizuotaktilis kéregben

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Struktúra és funkció a vizuotaktilis kéregben Négyessy LászlóBazsó Fülöp Kocsis László Nepusz Tamás MTA-SE, Neurobiológiai Kut. Cs. MTA KFKI RMKI, Biofizikai Osztály

  2. Percepció-Akció • The Bayesian framework can be used to construct ‘ideal observer’models as a standard for comparison with human performance. Bayes’Rule says that the posterior probability is proportional to theproduct of the likelihood function and prior probabilitydistribution. All the work in the modellingis in specifying the likelihood functions and priors.

  3. Multiszenzoros integráció Információ maximalizálása Variancia csökkentése

  4. Szenzoros dominancia

  5. Multiszenzoros integráció az agykéregben

  6. Az agykéreg tagolódása a makákóban ~73 área ~834 kapcsolat

  7. Összekötettések vizsgálata az agykéregben

  8. A kérgi áreák hálózatának tulajdonságai - Hierarchia A vizuális kéreg hierarchikus felépítése Nem-determinált hierarhia

  9. Kisvilág hálózat: klaszterezettség és rövid távolság

  10. A vizuo-taktilis kéreg

  11. A hálózatok alaptulajdonságai

  12. Az áreák osztályozása - Státusz Status isthe sum of afferents and efferents of a given area, relative to the number of all other areas in the network.

  13. Centralitás B-L centrality is proportional to the length-, thebetweennes centrality is to the numberof the shortest pathways connecting the different areas

  14. Integrátorok és Kontrollerek The determination degree of a node is the difference between its reception and its emission degrees, relative to the number of nodes in the network

  15. Kulcspozíciót betöltő áreák a vizuo-taktilis hálózatban • a heteromodális kapcsolatokat létesítő vizuális kérgi áreák, különösen a VIP, 46 és LIP • míg a parietális régió inkább integrátor, a prefrontális áreák kontrollerként azonosíthatók

  16. Kapcsolatok osztályozása - Betweenness Connections marked with the star (*) present also in the visuo-tactile network. Arrowheads indicate heteromodal connections. The incidence of a given edge passed while looking up all the distances (i.e. the shortest paths between any two areas) in the network defines edge betweenness.

  17. Konvergencia, divergencia Connections marked with the star (*) present also in the visuo-tactile network. Bold border: more than a std. below or above average. Arrows: connecting large input and target fields characterized by numerous areas. Arrowheads indicate heteromodal connections. Edge-betweenness determination:

  18. Kitüntetett kapcsolatok • a heteromodális kapcsolatokat létesítő áreák, különösen a 7b, 46, VIP kapcsolatai • limbikus, asszociációs kérgi áreák kapcsolatai • a primer szenzoros áreák kapcsolatai erősen konvergálók/divergálók, míg az asszociációs kérgi struktúrák prominens kapcsolatai nagyszámú áreát kötnek össze • ez utóbbi a vizuo-taktilis integrációban játszott „top down” szerepre utal

  19. Legrövidebb utak

  20. Kompartmentalizáció - Klikkek, Motívumok A clique of a directed graph is its directed maximal complete subgraph.

  21. Klaszterek similarity indexes define the fraction of common inbound and outbound connections of vertices i and j by edge betweenness using Markov Clustering algorithms

  22. Heteromodális kapcsolatok a hieararchia szintek között 35, 36 46, TH, TF 6, SMA VIP, LIP, MSTdp

  23. Konklúzió • A rendelkezésre álló adatok alapján elmondható, hogy a vizuotaktilis kéreg fontos része az un. „action network”-nek • A kompartmentalizáció alapján értelmezhető a szenzoros fúzió jelensége • A kereszt-modális plaszticitásra vonatkozóan kísérletesen tesztelhető predikciókat tettünk

More Related