Unterstützt von National Institutes of Health (NIH) Zuschuss EY-10834.

HINWEIS: Das Protokoll dargestellt verwendet ein Programm, das man Bilder auswählen und dann passen sie Optionen von verschiedenen Dropdown-Menüs ausgewählt werden. 1. Wählen Sie das Bild anpassen <ol><li> Klicken Sie auf das Bild, und suchen Sie nach dem Dateinamen des Bildes mit zu arbeiten. Beachten Sie das Originalbild in der linken oberen Fensterbereich. </li></ol> 2. die Stimulus angeben und den Observer <ol><li> Klicken Sie auf das Menü „Format“ zu wählen, wie das Bild und dem Betrachter darzustellen. </li><li> Klicken Sie auf den „Normalbeobachter“ Option, um einen Standard oder durchschnittlichen Beobachter an eine bestimmte Farbverteilung Anpassung zu modellieren. In diesem Fall Standardgleichungen verwenden , den RGB - Wert des Bildes auf die Kegeln Empfindlichkeiten 32 zu konvertieren. </li><li> Klicken Sie auf „einzelne Beobachter“ Option, um die spektrale Empfindlichkeit eines bestimmten Beobachter zu modellieren. Da diese Empfindlichkeiten sind wellenlängenabhängig ist, das Programm converts den RGB-Wert des Bildes in gun Spektren durch die Standard oder gemessene Emissionsspektren für die Anzeige verwendet wird. </li><li> Klicken Sie auf „natürliche Spektren“ Option tatsächlichen Spektren in der Welt anzunähern. Diese Option wandelt die RGB - Werte zu Spektren, beispielsweise unter Verwendung von Standard - Basisfunktionen 33 oder Gaussian Spektren 34 das entsprechende Spektrum für die Bildfarbe anzunähern. </li></ol> 3. Wählen Sie die Anpassung Zustand <ol><li> Passen Sie entweder den gleichen Beobachter an unterschiedliche Umgebungen (zB in den Farben eines Waldes gegen Stadtlandschaft) oder verschiedene Beobachter zu der gleichen Umgebung (zB eine normale vs. Farbe defizienten Beobachter). <ol><li> Im ersteren Fall, verwenden Sie die Menüs, um die Umgebungen zu wählen. Im letzteren, Menüs, die Empfindlichkeit des Betrachters zu definieren. </li></ol></li><li> Um die Umgebungen zu setzen, wählen Sie die „Referenz“ und „test“ environments aus dem Dropdown-Menü. Diese steuern die beiden unterschiedlichen Zustände der Anpassung durch den Mechanismus Antworten für verschiedene Umgebungen geladen werden. <ol><li> Wählen Sie das „Referenz“ Menü der Startumgebung zu steuern. Dies ist die Umgebung, die vorbehaltlich angepasst ist, während das Originalbild angezeigt wird. HINWEIS: Die Auswahlmöglichkeiten sind für verschiedene Umgebungen gezeigt vorberechnet. Diese wurden aus Messungen der Farbumfänge abgeleitet für verschiedene Sammlungen von Bildern. Zum Beispiel untersuchte eine Anwendung wie die Farbwahrnehmung mit den Veränderungen in den Jahreszeit variieren könnte, durch kalibrierte Bilder von der gleichen Stelle zu unterschiedlichen Zeiten 27 genommen werden. Eine weitere Studie, zu untersuchen , wie die Anpassung könnte Farbe Perzepte an verschiedenen Standorten beeinflussen, vertreten die Positionen von Bildern verschiedener Szene Kategorien 29 abgetastet wird . </li><li> Wählen Sie die „benutzerdefiniert“ -Umgebung, die Werte für eine benutzerdefinierte Umgebung zu laden. ObsErve ein Fenster zu durchsuchen und eine bestimmte Datei auswählen. Um diese Dateien für unabhängige Bilder zu erstellen, zeigen Sie jedes Bild aufgenommen werden (wie in Schritt 1) ​​und dann auf die Schaltfläche „Bild speichern Antworten“. Hinweis: das wird ein Fenster angezeigt, in dem man in eine Excel-Datei erstellen oder anfügen können die Antworten auf jedes Bild zu speichern. Um eine neue Datei zu erstellen, geben Sie die Dateinamen ein, oder suchen Sie eine bestehende Datei. Für bestehende Dateien werden die Antworten auf das aktuelle Bild hinzugefügt und die Antworten auf alle Bilder automatisch gemittelt. Diese Mittelwerte sind Input für die Referenzumgebung, wenn die Datei mit dem „benutzerdefiniert“ Option ausgewählt ist. </li><li> Wählen Sie das Menü „Test“ für den Zugriff auf eine Liste von Umgebungen für das Bild eingestellt werden für. Wählen Sie die „aktuelles Bild“ Option den Mechanismus Antworten für das angezeigte Bild zu verwenden. HINWEIS: Diese Option setzt voraus, die Themen, um die Farben in dem Bild passen, die derzeit angezeigt wird. Ansonsten eine von t wählener vorberechnet Umgebungen oder die „benutzerdefiniert“ Option, um die Testumgebung zu laden. </li></ol></li></ol> 4. Wählen Sie die spektrale Empfindlichkeit des Observer HINWEIS: Für die Anpassung Auswirkungen verschiedener Umgebungen, wird der Beobachter bleibt in der Regel konstant, und wird auf den Standard „Normalbeobachter“ mit durchschnittlicher spektraler Empfindlichkeit eingestellt. Es gibt 3 Menüs für eine individuelle spektrale Empfindlichkeitseinstellung, die die Menge der Screenings Pigments oder die spektralen Empfindlichkeiten des Beobachters steuern. <ol><li> Klicken Sie auf die „Linse“ Menü, um die Dichte der Linse Pigment auszuwählen. Die verschiedenen Optionen ermöglichen, die Dichte charakteristisch unterschiedlichen Alters zu wählen. </li><li> Klicken Sie auf dem „Makula“ -Menü auf ähnliche Weise die Dichte des Makulapigments wählen. Beachten Sie diese Optionen in Bezug auf die Spitzendichte des Pigments. </li><li> Klicken Sie auf den „Kegel“ Menü wählen zwischen Beobachtern keinermal trichromacy oder verschiedene Arten von anomalen trichromacy. HINWEIS: Auf der Grundlage der Auswahl des Programms der Kegel spektralen Empfindlichkeiten des Beobachters, und einen Satz von 26 postreceptoral Kanäle definiert, die linear die cone Signale auf etwa gleichmäßig Probe unterschiedliche Farbe und Luminanz Kombinationen zusammenfassen. </li></ol> 5. Passen Sie das Bild <ol><li> Klicken Sie auf die „anpassen“ -Taste. HINWEIS: Dieser führt den Code für die Antworten des Kegels Berechnung und Post-receptoral Mechanismen zu jedem Pixel im Bild. Die Antwort ist so skaliert, dass die mittlere Reaktion auf die Anpassung der Farbverteilung der mittleren Antworten auf die Referenzverteilung entspricht, oder so, dass die durchschnittliche Antwort das gleiche für eine Person oder Referenz Beobachter ist. Die Skalierung ist multiplikative von Kries Anpassung 35 zu simulieren. Das neue Bild wird dann gemacht, indem der Mechanismus Antworten Summieren und zurück in RGB-Werte für die Anzeige umzuwandeln. Details des algorithm ist in 26, 27, 28, 29 gegeben. </li><li> Beachten Sie drei neue Bilder auf dem Bildschirm. Diese sind gekennzeichnet als 1) „unangepassten“ - wie das Testbild mit jemandem voll auf die Referenzumgebung angepasst erscheinen soll; 2) „cone Adaptation“ - dieser zeigt das Bild, angepasst nur für die Anpassung in den Rezeptoren; und 3) „vollständige Anpassung“ - das zeigt das Bild durch eine vollständige Anpassung an die Veränderung der Umgebung oder den Beobachter vorhergesagt. </li><li> Klicken Sie auf „Speichern von Bildern“, um die drei berechneten-Bilder zu speichern. Beachten Sie ein neues Fenster auf dem Bildschirm für den Ordner zu durchsuchen und die Dateinamen auswählen. </li></ol> 6. Bewerten Sie die Folgen der Anpassung HINWEIS: Die ursprüngliche Referenz und angepasst Bilder simulieren, wie das gleiche Bild unter den beiden Staaten modellierter adapta erscheinen solltion, und wichtiger ist, unterscheiden sich nur wegen der Anpassung Zustand. Die Unterschiede in den Bildern so Einblick in die Folgen der Anpassung bieten. <ol><li> aussehen visuell auf die Unterschiede zwischen den Bildern. HINWEIS: Einfache Inspektion der Bilder kann zeigen helfen, wie viel Farbe Vision kann variieren, wenn sie in verschiedenen Farb Umgebungen leben, oder wie viel Anpassung könnte für eine Empfindlichkeitsänderung im Beobachter zu kompensieren. </li><li> Quantifizierung dieser Anpassungseffekte durch Analysen oder Verhaltensmessungen mit den Bildern , um empirisch zu bewerten die Folgen der Anpassung 29 verwendet wird . <ol><li> Messen Sie, wie Farbe Aussehen ändert. Man vergleiche beispielsweise die Farben in den beiden Bildern, wie Farbkategorien oder Wahrnehmungs salience Verschiebung in verschiedenen Umgebungen oder Beobachter zu messen. Zum Beispiel analysiert Verwendung der Veränderungen in der Farbe mit Anpassung , wie sehr die einzigartigen Farben (zB reinen gelb oder blau) könnte theoretisch zu berechnen vary aufgrund von Schwankungen in der Farbumgebung des Betrachters 29. </li><li> Fragen Sie, wie die Anpassung der visuellen Empfindlichkeit oder die Leistung auswirkt. Verwenden Sie zum Beispiel der angepassten Bilder zu vergleichen, ob visuelle Suche nach einer neuen Farbe schneller als Beobachter zuerst zu den Farben des Hintergrunds angepasst ist. Leitet das Experiment auf den Bildern eine Reihe von Zielen , die durch Überlagerung und unterschiedlich gefärbte Distraktoren , die zusammen mit den Bildern angepasst wurden, wobei die Reaktionszeiten gemessen für das ungeradzahligen Ziel 29 zu lokalisieren. </li></ol></li></ol>

Die Autoren haben nichts zu offenbaren.

Das dargestellte Protokoll zeigt, wie die Auswirkungen der Anpassung an eine Veränderung in der Umwelt oder der Betrachter kann in Bildern dargestellt werden. Die Form dieser Darstellung auf den Annahmen, hängt für das Modell gemacht nimmt - zum Beispiel, wie Farbe codiert ist, und wie die Verschlüsselungsmechanismen reagieren und sich anzupassen. Somit ist der wichtigste Schritt auf dem Modell für das Farbsehen ist zu entscheiden - zum Beispiel, was die Eigenschaften der Hypothese Kanäle sind, und wie sie davon a...

Was könnte die Welt aussehen zu anderen oder uns selbst, wie wir ändern? Antworten auf diese Fragen sind von grundlegender Bedeutung für das Verständnis der Natur und Mechanismen der Wahrnehmung und die Folgen von sowohl normalen als auch klinischen Variationen in sensorischer Kodierung. Eine große Vielfalt von Techniken und Ansätzen entwickelt wurde, um zu simulieren, wie Bilder auf Personen mit unterschiedlichen visuellen Empfindlichkeiten erscheinen. Zum Beispiel umfasst diese Simulationen der Farben , die 1 durch verschiedene Arten von Farbmangel unterschieden werden kann, 2, 3, 4, die räumlichen und chromatische Abweichungen , die 5 von Kleinkindern oder älteren Beobachtern aufgelöst werden können, 6, 7, 8, 9 , wie Bilder erscheinen in peripherem Sehen <s<html> up class = &quot;Xref&quot;&gt; 10, und die Folgen von optischen Fehlern oder Krankheit 11, 12, 13, 14. Sie haben auch die Diskriminierung zu visualisieren angewandt worden ist, die möglich sind für andere Arten 15, 16, 17. Typischerweise verwenden solche Simulationen Messungen der Empfindlichkeitsverluste in verschiedenen Populationen, ein Bild zu filtern und somit zu reduzieren oder um die Struktur zu sehen, haben sie Schwierigkeiten entfernen. Zum Beispiel üblichsten Formen der Farbenblindheit reflektieren einen Verlust von einem der beiden Fotorezeptoren empfindlich auf mittlere oder lange Wellenlängen, und die Bilder gefiltert , um ihre Signale zu entfernen erscheinen typischerweise frei von „rötlich-grünlich“ Farbtöne 1. In ähnlicher Weise haben Kinder schlechtere Schärfen und damit die Bilder für ihre reduzierte räumliche Empfindlichkeit verarbeitet verschwommen erscheinen<html> f . &quot;&gt; 5 Diese Techniken bieten wertvolle Darstellungen dessen , was eine Person sieht , dass ein anderer kann nicht jedoch sie es nicht tun -. und oft sind nicht dazu gedacht - porträtieren die eigentliche Wahrnehmungserfahrung des Betrachters, und in einigen Fällen kann das falsch darstellen Menge und Art der Informationen für den Betrachter zur Verfügung. Dieser Artikel beschreibt eine neue Technik zu simulieren Unterschiede in der visuellen Erfahrung entwickelt , die eine grundlegende Eigenschaft der visuellen Codierung beinhaltet - Anpassung 18, 19. Alle sensorischen und motorischen Systeme anpassen kontinuierlich auf den Kontext, denen sie ausgesetzt sind. Ein stechender Geruch in einem Raum schnell verblasst, während Vision nimmt zu, wie hell oder dimmen das Zimmer ist. Wichtig ist , treten diese Anpassung für fast jeden Reiz Attribut, einschließlich „High-Level“ Wahrnehmungen wie die Merkmale von jemandes Gesicht 20,class = „Xref“&gt; 21 oder ihre Stimme 22, 23, sowie die Kalibrierung der Motorbefehle aus , wenn die Augen zu bewegen oder für ein Objekt 24 zu erreichen, 25. In der Tat ist die Anpassung wahrscheinlich eine wesentliche Eigenschaft von fast allen neuronalen Verarbeitung. Dieses Papier zeigt , wie diese Anpassungseffekte in Simulationen der Darstellung von Bildern zu übernehmen, indem im Grunde „ die Anpassung des Bildes“ vorherzusagen , wie es zu einem bestimmten Beobachter unter einem bestimmten Zustand der Anpassung 26, 27, 28, 29 erscheinen würde. Viele Faktoren können die Empfindlichkeit eines Betrachters verändern, aber Anpassung kann für wichtige Aspekte dieser Veränderungen oft kompensieren, so dass die Empfindlichkeitsverluste weniger auffällig sind, als dies ohne die Annahme vorhergesagt werden, dass das System anpasst. Im Gegensatz dazu daAnpassung passt Empfindlichkeit entsprechend dem aktuellen Stimulus Kontext sind diese Anpassungen auch wichtig für die Vorhersage zu übernehmen, wie viel Wahrnehmung kann variieren, wenn die Umgebung ändert. Das folgende Protokoll zeigt die Technik, die von dem Farbgehalt der Bilder anzupassen. Farbe Vision hat den Vorteil , dass die anfänglichen neuronalen Stufen der Farbcodierung relativ gut verstanden werden, wie die Anpassungsmuster 30. Die tatsächlichen Mechanismen und Anpassungen sind komplex und vielfältig, aber die wichtigsten Folgen der Anpassung kann unter Verwendung eines einfachen und herkömmlichen zweistufigen Modell (Abbildung 1a) eingefangen werden. In der ersten Stufe werden Farbsignale werden zunächst von drei Arten von Zapfenrezeptoren kodiert wird, die maximal empfindlich sind, um kurze, mittlere oder lange Wellenlängen (S, M, L und Kegel). In der zweiten Stufe werden die Signale von verschiedenen Kegeln innerhalb post-receptoral Zellen kombiniert „color-Gegner“ cha zu bildennnels die antagonistischen Eingaben von den verschiedenen Kegeln erhalten, und „nicht-Gegner“ -Kanäle (und damit „Farbe“ Informationen vermitteln), die die Eingänge cone summiert zusammen (also coding „Helligkeit“ Information). Die Anpassung erfolgt in beiden Phasen, und stellt sich auf zwei verschiedene Aspekte der Farbe - der Mittelwert (in den Kegeln) und die Varianz (in post-receptoral Kanäle) 30, 31. Das Ziel der Simulationen ist es, diese Anpassungen der Modell Mechanismen anzuwenden und dann das Bild von ihren angepasst Ausgänge machen. Der Prozess der Anpassung der Bilder umfasst sechs Hauptkomponenten. Diese sind 1) die Auswahl der Bilder; 2) das Format für die Bildspektren der Wahl; 3), der die Änderung in der Farbe der Umwelt; 4), die die Änderung der Empfindlichkeit des Betrachters; 5) das Programm mit den angepasst Bilder zu erzeugen; und 6) unter Verwendung der Bilder, die Folgen der Anpassung zu bewerten. Ter folgende Auffassung, jeden dieser Schritte im Detail. Das Grundmodell und den Mechanismus Antworten sind in Abbildung 1 dargestellt, während die Figuren 2 bis 5 zeigen Beispiele von Bildern mit dem Modell gerendert.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Computer</td>
		</tr>
		<tr>
			<td>Images to adapt</td>
		</tr>
		<tr>
			<td>Programming language (e.g. Visual Basic or Matlab)</td>
		</tr>
		<tr>
			<td>Program for processing the images</td>
		</tr>
		<tr>
			<td>Observer spectral sensitivities (for applications involving observer-specific adaptation)</td>
		</tr>
		<tr>
			<td>Device emmission spectra (for device-dependent applications)</td>
		</tr>
	</tbody>
</table>

visualizing visual adaptation

Viele Techniken wurden zur Visualisierung entwickelt , wie ein Bild an eine natürliche Person mit einer anderen Sichtempfindlichkeit erscheinen würde: zB aufgrund von optischen oder Altersunterschiede, oder einen Farbmangel oder Krankheit. Dieses Protokoll beschreibt eine Technik für die sensorische Anpassung in den Simulationen enthält. Das Protokoll wird mit dem Beispiel des Farbensehens dargestellt, sondern ist auf jede Form der visuellen Anpassung allgemein anwendbar. Das Protokoll verwendet ein einfaches Modell des menschlichen Farbsehens auf Basis von Standard und plausible Annahmen über die Netzhaut- und kortikale Mechanismen Kodierung Farbe und wie diese passen ihre Empfindlichkeit sowohl für die durchschnittliche Farbe und Farbbereich in dem vorherrschenden Reiz. Die Verstärkungen der Mechanismen angepasst werden, so dass ihre mittlere Antwort unter einem Kontext für einen anderen Kontext gleichgesetzt wird. Die Simulationen helfen, die theoretischen Grenzen der Anpassung zeigen und erzeugen „angepasst Bilder“, die einem bestimmten Enviro optimal aufeinander abgestimmt sind,nment oder Beobachter. Sie bieten auch eine gemeinsame Metrik die Auswirkungen der Anpassung innerhalb verschiedenen Beobachter oder unterschiedlicher Umgebungen zu erkunden. Charakterisieren visuelle Wahrnehmung und Leistung mit diesen Bildern stellt ein neues Werkzeug für die Untersuchung der Funktionen und Folgen der langfristigen Anpassung des Sehvermögens oder andere Sinnessysteme.

<html> Die Figuren 2 bis 4 die Anpassung Simulationen für Veränderungen des Betrachters oder die Umwelt darstellen. 2 vergleicht die vorhergesagte Auftreten von Cézannes Stillleben mit Äpfeln für einen jüngeren und älteren Beobachter, der nur in der Dichte der Linse Pigment 28 unterscheiden. Das Originalbild , wie durch das jüngere Auge (Abbildung 2a) gesehen erscheint vielen yellower und Dimmer du...

Watch this Scientific Journal Video about Visualizing Visual Adaptation at JoVE.com

Visuelle Anpassung visualisieren | Verhalten | Video

Visualizing Visual Adaptation

Dieser Artikel beschreibt ein neues Verfahren zur Simulation und Anpassung im visuellen System zu studieren.

Visualisierung Visuelle Adaptation

Many techniques have been developed to visualize how an image would appear to an individual with a different visual sensitivity: e.g., because of optical ...

Research

Education

JoVE Journal

JoVE Core

Biology

Behavior

Human Biology

Sensory Systems

SCIENTISTS IN ACTION

8.8K Aufrufe.  University of Nevada, Reno.  Dieser Artikel beschreibt ein neues Verfahren zur Simulation und Anpassung im visuellen System zu studieren. 

Serie: Visualizing Visual Adaptation

Methods to Explore the Influence of Top-down Visual Processes on Motor Behavior

Kinesthetic awareness is important to successfully navigate the environment. When we interact with our daily surroundings, some aspects of movement are deliberately planned, while others spontaneously occur below conscious awareness. The deliberate component of this dichotomy has been studied extensively in several contexts, while the spontaneous component remains largely under-explored. Moreover, how perceptual processes modulate these movement classes is still unclear. In particular, a currently debated issue is whether the visuomotor system is governed by the spatial percept produced by a visual illusion or whether it is not affected by the illusion and is governed instead by the veridical percept. Bistable percepts such as 3D depth inversion illusions (DIIs) provide an excellent context to study such interactions and balance, particularly when used in combination with reach-to-grasp movements. In this study, a methodology is developed that uses a DII to clarify the role of top-down processes on motor action, particularly exploring how reaches toward a target on a DII are affected in both deliberate and spontaneous movement domains.

It is unclear how top-down signals from the ventral visual stream affect movement. We developed a paradigm to test motor behavior towards a target on a 3D depth inversion illusion. Significant differences are reported in both deliberate, goal-directed movements and automatic actions under illusory and veridical viewing conditions.

Methoden, um den Einfluss von Top-down-Prozesse auf Visuelle Motor Verhalten erkunden

Kinesthetic awareness is important to successfully navigate the environment. When we interact with our daily surroundings, some aspects of movement are ...

Forschung

Verhalten

Topographical Estimation of Visual Population Receptive Fields by fMRI

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic resonance imaging allows us to estimate voxel-based population receptive fields (pRF), i.e., the part of the visual field that activates the cells within each voxel. Prior, direct, pRF estimation methods1 suffer from certain limitations: 1) the pRF model is chosen a-priori and may not fully capture the actual pRF shape, and 2) pRF centers are prone to mislocalization near the border of the stimulus space. Here a new topographical pRF estimation method2 is proposed that largely circumvents these limitations. A linear model is used to predict the Blood Oxygen Level-Dependent (BOLD) signal by convolving the linear response of the pRF to the visual stimulus with the canonical hemodynamic response function. PRF topography is represented as a weight vector whose components represent the strength of the aggregate response of voxel neurons to stimuli presented at different visual field locations. The resulting linear equations can be solved for the pRF weight vector using ridge regression3, yielding the pRF topography. A pRF model that is matched to the estimated topography can then be chosen post-hoc, thereby improving the estimates of pRF parameters such as pRF-center location, pRF orientation, size, etc. Having the pRF topography available also allows the visual verification of pRF parameter estimates allowing the extraction of various pRF properties without having to make a-priori assumptions about the pRF structure. This approach promises to be particularly useful for investigating the pRF organization of patients with disorders of the visual system.

It is important to obtain unbiased estimates of visual population receptive fields (pRFs) by functional magnetic resonance imaging. We use mild regularization constraints to estimate pRF topography without a-priori assumptions about pRF shape, allowing us to choose specific pRF models post-hoc. This is particularly advantageous in subjects with visual-pathway lesions.

Topographische Schätzung von Visual Bevölkerung rezeptiven Felder von fMRI

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic ...

Methods to Test Visual Attention Online

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative data samples than can typically be collected on college campuses. However, before such methods can be widely adopted, a number of technological challenges must be overcome &#8211; in particular in experiments where tight control over stimulus properties is necessary. Here we present methods for collecting performance data on two tests of visual attention. Both tests require control over the visual angle of the stimuli (which in turn requires knowledge of the viewing distance, monitor size, screen resolution, etc.) and the timing of the stimuli (as the tests involve either briefly flashed stimuli or stimuli that move at specific rates). Data collected on these tests from over 1,700 online participants were consistent with data collected in laboratory-based versions of the exact same tests. These results suggest that with proper care, timing/stimulus size dependent tasks can be deployed in web-based settings.

To replicate laboratory settings, online data collection methods for visual tasks require tight control over stimulus presentation. We outline methods for the use of a web application to collect performance data on two tests of visual attention.

Methoden zur Visuelle Aufmerksamkeit Online Testen

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative ...

A Method to Quantify Visual Information Processing in Children Using Eye Tracking

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational methods, it is difficult to make a quantitative assessment of a child's visual problems. This limits accurate diagnostics in children under the age of 4 years and in children with intellectual disabilities. Here we describe a quantitative method that overcomes these problems. The method uses a remote eye tracker and a four choice preferential looking paradigm to measure eye movement responses to different visual stimuli. The child sits without head support in front of a monitor with integrated infrared cameras. In one of four monitor quadrants a visual stimulus is presented. Each stimulus has a specific visual modality with respect to the background, e.g., form, motion, contrast or color. From the reflexive eye movement responses to these specific visual modalities, output parameters such as reaction times, fixation accuracy and fixation duration are calculated to quantify a child's viewing behavior. With this approach, the quality of visual information processing can be assessed without the use of communication. By comparing results with reference values obtained in typically developing children from 0-12 years, the method provides a characterization of visual information processing in visually impaired children. The quantitative information provided by this method can be advantageous for the field of clinical visual assessment and rehabilitation in multiple ways. The parameter values provide a good basis to: (i) characterize early visual capacities and consequently to enable early interventions; (ii) compare risk groups and follow visual development over time; and (iii), construct an individual visual profile for each child.

A method is described to quantify the quality of visual information processing based on reflexive eye movements in response to specific visual modalities. Reaction times and fixation output parameters are used to characterize visual performance in children with and without visual impairments from 6 months of age.

Eine Methode zur Quantifizierung von Visual Information Processing bei Kindern Eye-Tracking

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational ...

Visualizing Motion Patterns in Acupuncture Manipulation

Acupuncture manipulation varies widely among practitioners in clinical settings, and it is difficult to teach novice students how to perform acupuncture manipulation techniques skillfully. The Acupuncture Manipulation Education System (AMES) is an open source software system designed to enhance acupuncture manipulation skills using visual feedback. Using a phantom acupoint and motion sensor, our method for acupuncture manipulation training provides visual feedback regarding the actual movement of the student's acupuncture manipulation in addition to the optimal or intended movement, regardless of whether the manipulation skill is lifting, thrusting, or rotating. Our results show that students could enhance their manipulation skills by training using this method. This video shows the process of manufacturing phantom acupoints and discusses several issues that may require the attention of individuals interested in creating phantom acupoints or operating this system.

Here, we present a protocol for using the Acupuncture Manipulation Education System (AMES) in the training of acupuncture manipulation skills using phantom acupoints.

Visualizing Bewegungsmuster in Akupunktur Manipulation

Acupuncture manipulation varies widely among practitioners in clinical settings, and it is difficult to teach novice students how to perform acupuncture ...

Using a Split-belt Treadmill to Evaluate Generalization of Human Locomotor Adaptation

Understanding the mechanisms underlying locomotor learning helps researchers and clinicians optimize gait retraining as part of motor rehabilitation. However, studying human locomotor learning can be challenging. During infancy and childhood, the neuromuscular system is quite immature, and it is unlikely that locomotor learning during early stages of development is governed by the same mechanisms as in adulthood. By the time humans reach maturity, they are so proficient at walking that it is difficult to come up with a sufficiently novel task to study de novo locomotor learning. The split-belt treadmill, which has two belts that can drive each leg at a different speed, enables the study of both short- (i.e., immediate) and long-term (i.e., over minutes-days; a form of motor learning) gait modifications in response to a novel change in the walking environment. Individuals can easily be screened for previous exposure to the split-belt treadmill, thus ensuring that all experimental participants have no (or equivalent) prior experience. This paper describes a typical split-belt treadmill adaptation protocol that incorporates testing methods to quantify locomotor learning and generalization of this learning to other walking contexts. A discussion of important considerations for designing split-belt treadmill experiments follows, including factors like treadmill belt speeds, rest breaks, and distractors. Additionally, potential but understudied confounding variables (e.g., arm movements, prior experience) are considered in the discussion.

We describe a protocol for investigating human locomotor adaptation using the split-belt treadmill, which has two belts that can drive each leg at a different speed. We specifically focus on a paradigm designed to test the generalization of adapted locomotor patterns to different walking contexts (e.g., gait speeds, walking environments).

Verwenden eine Split-Gürtel-Laufband zum Verallgemeinerung des menschlichen Bewegungsapparates Anpassung auswerten

Understanding the mechanisms underlying locomotor learning helps researchers and clinicians optimize gait retraining as part of motor rehabilitation. ...

A Method to Study Adaptation to Left-Right Reversed Audition

An unusual sensory space is one of the effective tools to uncover the mechanism of adaptability of humans to a novel environment. Although most of the previous studies have used special spectacles with prisms to achieve unusual spaces in the visual domain, a methodology for studying the adaptation to unusual auditory spaces has yet to be fully established. This study proposes a new protocol to set-up, validate, and use a left-right reversed stereophonic system using only wearable devices, and to study the adaptation to left-right reversed audition with the help of neuroimaging. Although individual acoustic characteristics are not yet implemented, and slight spillover of unreversed sounds is relatively uncontrollable, the constructed apparatus shows high performance in a 360&#176; sound source localization coupled with hearing characteristics with little delay. Moreover, it looks like a mobile music player and enables a participant to focus on daily life without arousing curiosity or drawing attention of other individuals. Since the effects of adaptation were successfully detected at the perceptual, behavioral, and neural levels, it is concluded that this protocol provides a promising methodology for studying adaptation to left-right reversed audition, and is an effective tool for uncovering the adaptability of humans to a novel environments in the auditory domain.

The present study proposes a protocol to investigate the adaptation to left-right reversed audition achieved only by wearable devices, using neuroimaging, which can be an effective tool for uncovering the adaptability of humans to a novel environment in the auditory domain.

Eine Methode zur Anpassung an den links-rechts studieren umgekehrt Audition

An unusual sensory space is one of the effective tools to uncover the mechanism of adaptability of humans to a novel environment. Although most of the ...

Visual Classical Conditioning in Wood Ants

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, studies implementing classical conditioning paradigms with harnessed insects have been important for investigating the exact cues that individuals learn and the neural mechanisms underlying learning and memory formation. Here we present a protocol for evoking visual associative learning in wood ants through classical conditioning. In this paradigm, ants are harnessed and presented with a visual cue (a blue cardboard), the conditional stimulus (CS), paired with an appetitive sugar reward, the unconditional stimulus (US). Ants perform a Maxilla-Labium Extension Reflex (MaLER), the unconditional response (UR), which can be used as a readout for learning. Training consists of 10 trials, separated by a 5-minute intertrial interval (ITI). Ants are also tested for memory retention 10 minutes or 1 hour after training. This protocol has the potential to allow researchers to analyze, in a precise and controlled manner, the details of visual memory formation and the neural basis of learning and memory formation in wood ants.

We present a protocol for the classical conditioning of harnessed ants that permits researchers to study visual learning and memory formation at a level of analysis not possible with freely moving individuals.

Visuelle Klassische Konditionierung in Waldameisen

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, ...

Investigating the Deployment of Visual Attention Before Accurate and Averaging Saccades via Eye Tracking and Assessment of Visual Sensitivity

This experimental protocol was designed to investigate whether visual attention is obligatorily deployed at the endpoint of saccades. To this end, we recorded the eye position of human participants engaged in a saccade task via eye tracking and assessed visual orientation discrimination performance at various locations during saccade preparation. Importantly, instead of using a single saccade target paradigm for which the saccade endpoint typically coincides roughly with the target, this protocol comprised the presentation of two nearby saccade targets, leading to a distinct spatial dissociation between target locations and saccade endpoint on a substantial number of trials. The paradigm allowed us to compare presaccadic visual discrimination performance at the endpoint of accurate saccades (landing at one of the saccade targets) and of averaging saccades (landing at an intermediate location in between the two targets). We observed a selective enhancement of visual sensitivity at the endpoint of accurate saccades but not at the endpoint of averaging saccades. Rather, before the execution of averaging saccades, visual sensitivity was equally enhanced at both targets, suggesting that saccade averaging follows from unresolved attentional selection among the saccade targets. These results argue against a mandatory coupling between visual attention and saccade programming based on a direct measure of presaccadic visual sensitivity rather than saccadic reaction times, which have been used in other protocols to draw similar conclusions. While our protocol provides a useful framework to investigate the relationship between visual attention and saccadic eye movements at the behavioral level, it can also be combined with electrophysiological measures to extend insights at the neuronal level.

This experimental protocol combined eye tracking and the assessment of presaccadic visual sensitivity in a dual task paradigm, consisting of a free choice saccade task and a visual discrimination task, to investigate the deployment of visual spatial attention before both, accurate and averaging saccades.

Die Bereitstellung der visuellen Aufmerksamkeit vor genau und durchschnittlich Sakkaden über Eye-Tracking und Bewertung der visuelle Empfindlichkeit zu untersuchen

This experimental protocol was designed to investigate whether visual attention is obligatorily deployed at the endpoint of saccades. To this end, we ...

Integrating Visual Psychophysical Assays within a Y-Maze to Isolate the Role that Visual Features Play in Navigational Decisions

Collective animal behavior arises from individual motivations and social interactions that are critical for individual fitness. Fish have long inspired investigations into collective motion, specifically, their ability to integrate environmental and social information across ecological contexts. This demonstration illustrates techniques used for quantifying behavioral responses of fish, in this case, Golden Shiner (Notemigonus crysoleucas), to visual stimuli using computer visualization and digital image analysis. Recent advancements in computer visualization allow for empirical testing in the lab where visual features can be controlled and finely manipulated to isolate the mechanisms of social interactions. The purpose of this method is to isolate visual features that can influence the directional decisions of the individual, whether solitary or with groups. This protocol provides specifics on the physical Y-maze domain, recording equipment, settings and calibrations of the projector and animation, experimental steps and data analyses. These techniques demonstrate that computer animation can elicit biologically-meaningful responses. Moreover, the techniques are easily adaptable to test alternative hypotheses, domains, and species for a broad range of experimental applications. The use of virtual stimuli allows for the reduction and replacement of the number of live animals required, and consequently reduces laboratory overhead.
This demonstration tests the hypothesis that small relative differences in the movement speeds (2 body lengths per second) of virtual conspecifics will improve the speed and accuracy with which shiners follow the directional cues provided by the virtual silhouettes. Results show that shiners directional decisions are significantly affected by increases in the speed of the visual cues, even in the presence of background noise (67% image coherency). In the absence of any motion cues, subjects chose their directions at random. The relationship between decision speed and cue speed was variable and increases in cue speed had a modestly disproportionate influence on directional accuracy.

Here, we present a protocol to demonstrate a behavioral assay that quantifies how alternative visual features, such as motion cues, influence directional decisions in fish. Representative data are presented on the speed and accuracy where Golden Shiner (Notemigonus crysoleucas) follow virtual fish movements.

Integration visueller psychophysischer Assays in ein Y-Maze, um die Rolle zu isolieren, die visuelle Features bei Navigationsentscheidungen spielen

Collective animal behavior arises from individual motivations and social interactions that are critical for individual fitness. Fish have long inspired ...