Visuel opmærksomhed: Formler, der bygger bro mellem kognition og neurofysiologi. Claus Bundesen Københavns Universitet

Transkript

1 Visuel opmærksomhed: Formler, der bygger bro mellem kognition og neurofysiologi Claus Bundesen Københavns Universitet

2 NTVA = Neural Theory of Visual Attention

3 Referencer Claus Bundesen: A theory of visual attention. Psychological Review, 1990, 97, Claus Bundesen, Thomas Habekost, & Søren Kyllingsbæk: A neural theory of visual attention: Bridging cognition and neurophysiology. Psychological Review, 2005, 112,

4 Filtrering = selektion af genstande Kategoriel indordning = selektion af Kategoriel indordning = selektion af egenskaber eller kategorier

5 Vigtige genstande bliver repræsenteret i mange celler, mindre vigtige i færre celler

6 Filtrering (antal celler) Kategoriel indordning (fyringsrate)

7 Disposition Formel Theory of Visual Attention (TVA) Neural fortolkning af TVA (NTVA) Eksempler på anvendelse af NTVA

8 Formel Theory of Visual Attention (TVA) Basale antagelser Selektionsmekanismer Anvendelser

9 Visuel processering som et kapløb Stimuli A Z L L Visuel LTM Kapløb Visuel STM

10 Rateligning (ligning 1) v(x, i) = η(x, i) β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

11 Rateligning (ligning 1) v(x, i) = η(x, i)β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

12 Rateligning (ligning 1) v(x, i) = η(x, i)β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

13 Rateligning (ligning 1) v(x, i) = η(x, i)β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

14 Vægtligning (ligning 2) w x = Σ jєr η(x, j) π j w x = opmærksomhedsvægt af genstanden x η(x, j) = styrke af sensorisk evidens for, at x tilhører j π j = pertinens af kategori j

15 Rateligning (ligning 1) v(x, i) = η(x, i)β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

16 Pertinensværdier (π) bestemmer, hvilke genstande der selekteres (filtrering) Biasværdier (β) bestemmer, hvordan de Biasværdier (β) bestemmer, hvordan de udvalgte genstande kategoriseres (kategoriel indordning)

17 Vægtligning (ligning 2) w x = Σ jєr η(x, j) π j w x = opmærksomhedsvægt af genstanden x η(x, j) = styrke af sensorisk evidens for, at x tilhører j π j = pertinens af kategori j

18 Formel Theory of Visual Attention (TVA) Basale antagelser Selektionsmekanismer Anvendelser: Genkendelse af enkeltvist præsenterede genstande Selektion fra billeder med mange genstande Opmærksomhedssvækkelse efter hjerneskade

19 For genkendelse af enkeltvist præsenterede genstande implicerer TVA Luces (1963) klassiske biased-choice model For selektion fra billeder med mange genstande For selektion fra billeder med mange genstande implicerer TVA Shibuya & Bundesens (1988) fixed-capacity independent race model (FIRM)

20 For genkendelse af enkeltvist præsenterede genstande implicerer TVA Luce s (1963) klassiske biased-choice model For selektion fra billeder med mange genstande For selektion fra billeder med mange genstande implicerer TVA Shibuya & Bundesens (1988) fixed-capacity independent race model (FIRM)

21

22 Duncan, J., Bundesen, C., Olson, A., Humphreys, G., Chavda, S., & Shibuya, H. (1999). Systematic analysis of deficits in visual attention. Journal of Experimental Psychology: General, 128,

23 TVA-baseret testning simultanagnosi (Duncan et al., 2003) Huntingtons sygdom (Finke et al., 2006) Alzheimers sygdom (Bublak et al., 2006) aleksi (Habekost & Starrfelt, 2006) subkliniske opmærksomhedssvækkelser (Habekost & Bundesen, 2003)

24 Disposition Formel Theory of Visual Attention (TVA) Neural fortolkning af TVA (NTVA) Eksempler på anvendelse af NTVA

25 Aktivering = tilvækst i fyringsrate i forhold til spontanaktiviteten

26 Rateligning (ligning 1) v(x, i) = η(x, i) β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

27 Rateligning (ligning 1) v(x, i) = η(x, i)β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

28 Rateligning (ligning 1) v(x, i) = η(x, i)β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

29 Rateligning (ligning 1) v(x, i) = η(x, i)β i w x /Σ zєs w z v(x, i) = processeringsrate for kategoriseringen x tilhører i η(x, i) = styrke af sensorisk evidens for, at x tilhører i β i = bias i retning af at henføre genstande til kategorien i w x = opmærksomhedsvægt af genstanden x Σ zєs w z = summen af vægte af foreliggende genstande

30 Neural TVA 3 η β 5 v w TRN 4 6 η π η Pul Cortical visual areas LGN 2 1

31 Disposition Formel Theory of Visual Attention (TVA) Neural fortolkning af TVA (NTVA) Eksempler på anvendelse af NTVA

32 Anvendelser på enkeltcellestudier Filtrering (Moran & Desimone, 1985; Reynolds et al., 1999) Kategoriel indordning (Treue & Martinez-Trujillo, 1999; Martinez-Trujillo & Treue, 2004) Kombineret filtrering og kategoriel indordning (McAdams & Maunsell, 1999)

33 Neural filtrering: Dynamisk ændring af receptive felter (Moran & Desimone, 1985; Reynolds et al., 1999) god stimulus dårlig stimulus Sensorisk præference: Ændring af receptive felter som følge af opmærksomhed: den irrelevante stimulus filtreres bort fra det receptive felt

34 Filtrering (antal celler) Kategoriel indordning (fyringsrate)

35 Kategoriel indordning: Selektion af egenskaber påvirker alle genstande (Treue & Martinez-Trujillo, 1999; Martinez-Trujillo & Treue, 2004)

36 Multiplikativ skalering af fyringsrater (McAdams & Maunsell, 1999) B A 1.0 Normalized Response n = 262 Attended Response Relative Orientation (deg) Unattended Response

37 Slut

38 Neural TVA 3 η β 5 v w TRN 4 6 η π η Pul Cortical visual areas LGN 2 1

39 Attention is a two-stage process (Chelazzi et al., 1998, 2001)