עבודה זו נתמכה בחלקו על ידי הצבא האמריקאי במעבדת המחקר ומחקר צבא משרד מענק W911NF1110105 ארה&quot;ב והמענק NSF IOS-1147097to ג&#39;יי Hegdé. תמיכה גם מסופקת על ידי מענק טייס לג&#39;יי Hegdé מחזון מכון דיסקברי של ג&#39;ורג&#39;יה הבריאות באוניברסיטת המדעים. דניאל קרסטן נתמך על ידי מענקי ONR N00014-05-1-0124 וNIH R01 EY015261 ובחלקו על ידי תכנית WCU (World Class אוניברסיטה) ממומנת על ידי משרד חינוך, מדע והטכנולוגיה באמצעות קרן המחקר הלאומי של קוריאה (R31-10008 ). קארין Hauffen נתמך על ידי תכנית המחקר לתואר הראשונה חניכות (URAP) של צבא ארה&quot;ב.

<ol>
	<li>Palmeri, T. J., Gauthier, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+object+understanding.">Visual object understanding.</a> Nat. Rev. Neurosci. 5, 291-303 (2004).</li><li>Seger, C. A., Miller, E. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Category+learning+in+the+brain.">Category learning in the brain.</a> Annu. Rev. Neurosci. 33, 203-219 (2010).</li><li>Fahle, M., Poggio, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Perceptual Learning. , (2002).</li><li>Ashby, F. G., Maddox, W. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Human+category+learning.">Human category learning.</a> Annu. Rev. Psychol. 56, 149-178 (2005).</li><li>Gauthier, I., Tarr, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Becoming+a+"Greeble"+expert:+exploring+mechanisms+for+face+recognition.">Becoming a "Greeble" expert: exploring mechanisms for face recognition.</a> Vision Res. 37, 1673-1682 (1997).</li><li>Op de Beeck, H. P., Baker, C. I., DiCarlo, J. J., Kanwisher, N. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Discrimination+training+alters+object+representations+in+human+extrastriate+cortex.">Discrimination training alters object representations in human extrastriate cortex.</a> J. Neurosci. 26, 13025-13036 (2006).</li><li>Cui, M. L., Copsey, L., Green, A. A., Bangham, J. A., Coen, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+control+of+organ+shape+by+combinatorial+gene+activity.">Quantitative control of organ shape by combinatorial gene activity.</a> PLoS Biol. 8, e1000538 (2010).</li><li>Green, A. A., Kennaway, J. R., Hanna, A. I., Bangham, J. A., Coen, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genetic+control+of+organ+shape+and+tissue+polarity.">Genetic control of organ shape and tissue polarity.</a> PLoS Biol. 8, e1000537 (2010).</li><li>Hegd&#233;, J., Bart, E., Kersten, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fragment-based+learning+of+visual+object+categories.">Fragment-based learning of visual object categories.</a> Curr. Biol. 18, 597-601 (2008).</li><li>Bart, E., Hegd&#233;, J., Kersten, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fragment-based+learning+of+visual+categories.">Fragment-based learning of visual categories.</a> , 121-12 (2008).</li><li>Ball, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Nature's patterns : a tapestry in three parts. , (2009).</li><li>Vuong, Q. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+categorization:+when+categories+fall+to+pieces.">Visual categorization: when categories fall to pieces.</a> Curr. Biol. 18, 427-429 (2008).</li><li>Kromrey, S., Maestri, M., Hauffen, K., Bart, E., Hegde, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fragment-based+learning+of+visual+object+categories+in+non-human+primates.">Fragment-based learning of visual object categories in non-human primates.</a> PLoS One. 5, e15444 (2010).</li><li>Brady, M. J., Kersten, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bootstrapped+learning+of+novel+objects.">Bootstrapped learning of novel objects.</a> J. Vis. 3, 413-422 (2003).</li><li>Blanz, V., Vetter, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+morphable+model+for+the+synthesis+of+3D+faces.">A morphable model for the synthesis of 3D faces.</a> SIGGAPH. 26, 187-194 (1999).</li><li>Freedman, D. J., Riesenhuber, M., Poggio, T., Miller, E. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Categorical+representation+of+visual+stimuli+in+the+primate+prefrontal+cortex.">Categorical representation of visual stimuli in the primate prefrontal cortex.</a> Science. 291, 312-316 (2001).</li><li>Lerios, A., Garfinkle, C. D., Levoy, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feature-based+volume+metamorphosis.">Feature-based volume metamorphosis.</a> SIGGRAPH. , 449-456 (1995).</li><li>Bronstein, A. M., Bronstein, M. M., Kimmel, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Numerical geometry of non-rigid shapes. , (2008).</li><li>Lotka, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Natural+Selection+as+a+Physical+Principle.">Natural Selection as a Physical Principle.</a> Proc. Natl. Acad. Sci. U.S.A. 8, 151-154 (1922).</li><li>Duda, R. O., Hart, P. E., Stork, D. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern classification. , (2001).</li><li>Bishop, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern recognition and machine learning. , (2006).</li><li>Theodoridis, S., Koutroumbas, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern recognition. , (2006).</li><li>Sokal, R. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Biometry+:+The+principles+and+practice+of+statistics+in+biological+research.">Biometry : The principles and practice of statistics in biological research.</a> , (2011).</li><li>Tuffery, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Data mining and statistics for decision making. , (2011).</li><li>Crawley, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Statistical Computing: An Introduction to Data Analysis using S-Plus. , (2002).</li><li>Venables, W. N., Ripley, B. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Modern Applied Statistics with S. , (2003).</li><li>Beier, T., Neely, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feature-based+image+metamorphosis.">Feature-based image metamorphosis.</a> SIGGRAPH. 26, 35-42 (1992).</li><li>Kent, J. R., Carlson, W. E., Parent, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Shape+transformation+for+polyhedral+objects.">Shape transformation for polyhedral objects.</a> SIGGRAPH. 26, 47-54 (1992).</li><li>Gomes, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Warping and morphing of graphical objects. , (1999).</li><li>Ullman, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Object+recognition+and+segmentation+by+a+fragment-based+hierarchy.">Object recognition and segmentation by a fragment-based hierarchy.</a> Trends Cogn. Sci. 11, 58-64 (2007).</li><li>Kobatake, E., Tanaka, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neuronal+selectivities+to+complex+object+features+in+the+ventral+visual+pathway+of+the+macaque+cerebral+cortex.">Neuronal selectivities to complex object features in the ventral visual pathway of the macaque cerebral cortex.</a> J. Neurophysiol. 71, 856-867 (1994).</li><li>Serre, T., Wolf, L., Poggio, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Proceedings of 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR). , (2005).</li><li>Ullman, S., Vidal-Naquet, M., Sali, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+features+of+intermediate+complexity+and+their+use+in+classification.">Visual features of intermediate complexity and their use in classification.</a> Nat. Neurosci. 5, 682-687 (2002).</li><li>Davis, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Computer graphics. , (2011).</li><li>Lengyel, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Mathematics for 3D game programming and computer graphics, third edition. , (2011).</li><li>Gilbert, S. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Developmental biology. , (2010).</li><li>Gilbert, S. F., Epel, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Ecological developmental biology : integrating epigenetics, medicine, and evolution. , (2009).</li><li>Hegd&#233;, J., Thompson, S. K., Brady, M. J., Kersten, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Object+Recognition+in+Clutter:+Cortical+Responses+Depend+on+the+Type+of+Learning.">Object Recognition in Clutter: Cortical Responses Depend on the Type of Learning.</a> Frontiers in Human Neuroscience. 6, 170 (2012).</li><li>Mervis, C. B., Rosch, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Categorization+of+natural+objects.">Categorization of natural objects.</a> Annual Review of Psychology. 32, 89-115 (1981).</li><li>Futuyma, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Evolution. , (2009).</li></ol>

אין ניגודי האינטרסים הכריזו.

תועלת של VM וסמנכ&quot;ל מחקר במדעים קוגניטיביים כבר תארנו בעבר את התועלת של VM וסמנכ&quot;ל בפירוט L9 ,10,12-14. בקצרה, VM, במיוחד המתודולוגיה העובר הדיגיטלית, הוא שימושי משום שהיא מספקת שיטה עקרונית וגמישה ליצירת רומן, אבל אובייקטים נטורליסטי 3-D 14. בדומה לכך, הסמנכ&quot;ל מספק שיטה עקרונית של יצירת קטגוריות נטורליסטי 9,10,12,13. ראוי לציין כי קטגוריות אובייקט שנוצרו על ידי תכונות רבות לשתף עם סמנכ&quot;ל קטגוריות אובייקטים בטבע, כולל את העובדה שהקטגוריות נוטות להיות היררכי בטבע, ואת וריאציות התכונה בתוך ברחבי קטגוריות מתעוררות באופן עצמאי של הנסיין ואת האלגוריתמים לסיווג 39. מגבלות נוכחיות וכיוונים עתידיים שלוש מגבלות נוכחיות של הפרוטוקול שלנו ואת ההנחיות לעבודה בעתיד הם מציעותראוי לציון מיוחד: ראשית, שניהם VM וסמנכ&quot;ל לדמות תהליכים ביולוגיים. בעוד אנו מראים כי חפצים וירטואליים שאינם ביולוגיים יכולים לשמש כמצעים לתהליכים אלו, התהליכים הבסיסיים עדיין מונעים מבחינה ביולוגית. עם זאת, אובייקטים טבעיים - ביולוגיים ושאינם ביולוגיים כאחד - לעבור שינויי צורה בשל כוחות שאינם ביולוגיים. למשל, סלעים עשויים להשתנות בצורה עקב תהליכים גיאולוגיים כגון שחיקה או שקיעה. קטגוריות חדשות של רוק עשויות לנבוע מתהליכים גיאולוגיים אחרים כאלה. זה צריך להיות פשוט יחסית כדי לשלב את התהליכים האלה ברפרטואר של אלגוריתמים לשנות את הצורה זמינות. המגבלה העיקרית השנייה של הפרוטוקול שלנו היא שהרפרטואר הנוכחי של שינויי צורה דינמיות הוא מוגבל למדי. רצוי לשלב מגוון גדול יותר של שינויי צורה, כגון תנועה ביולוגית, או תנועה בשל כוחות חיצוניים, כגון רוח, מים או כוח הכביד. אנו מצפים שזה wilאני יהיה פשוט יחסית להביא לשאת את אלגוריתמי אנימצית המחשב הידוע ליישם שינויי צורה דינמיות כאלה. המגבלה העיקרית השלישית של הפרוטוקול שלנו היא VM שכרגע אינו כולל תהליכים רבים אחרים ידועים המוךפו&quot;גנטי כולל, בעיקר, gastrulation 36. זה גם לא מצליח לשלב כמה מגבלות ידועות, כגון עובדה שהמורפוגנזה בצמחים מתווכת כולו על ידי גידול, עם מעט או ללא תנועת תא אפשרית, בגלל קירות התא 36. בדומה לכך, הסמנכ&quot;ל אינו כולל תהליכי פילוגנטי ידועים אחרים כגון סחיפה גנטית 40. בהתייחסו המגבלות האלה תהיינה מאוד לעזור להקל על השימוש בפרוטוקול שלנו בסימולציות התפתחותיים, אקולוגיות והאבולוציוני.

<table border="1" style=";text-align:right;direction:rtl"><tbody><tr><td> שם ערכת כלים / ציוד </td><td> חברה / מחבר </td><td> קטלוג # </td><td> תגובות </td></tr><tr><td> סדנת עובר דיגיטלית (טל) </td><td> מארק ריידי ודן גו </td><td></td><td> כלי זה ידידותי למשתמש, תפריט מונחה ניתן להוריד ללא תשלום כ1 הורדה <a href="http://www.hegde.us/DigitalEmbryos" target="_blank">מhttp://www.hegde.us/DigitalEmbryos.</a> כרגע זמין רק עבור Windows. </td></tr><tr><td> כלים דיגיטליים עבור עובר Cygwin </td><td> ג&#39;יי Hegdé וHauffen קארין </td><td></td><td> זה אוסף רופף של תוכניות לא כל כך ידידותיות למשתמש. הם נועדו כדי להפעיל מממשק שורת פקודה של אמולטור Cygwin לינוקס עבור Windows. תוכניות אלה ניתנים להורדה כהורדה 2 מ <a href="http://www.hegde.us/DigitalEmbryos" target="_blank">http://ww</a>w.hegde.us / DigitalEmbryos. ממשק Cygwin עצמו ניתן להוריד ללא תשלום <a href="http://www.cygwin.com" target="_blank">מwww.cygwin.com.</a> </td></tr><tr><td> Autodesk 3ds Max, מונטריאול, קוויבק, קנדה </td><td> Autodesk מדיה ובידור </td><td> 3DS Max </td><td> זה דוגמנות 3-D, אנימציה וערכת כלי טיוח עם ארכיטקטורה גמישה ותוסף מובנה בשפת סקריפטים. זמין למרבית מערכות ההפעלה הנוכחיות. </td></tr><tr><td> MATLAB </td><td> Mathworks Inc, נאטיק, מסצ&#39;וסטס, ארה&quot;ב </td><td> MATLAB </td><td> זוהי סביבת מחשוב מספרית ושפת תכנות עם תכונות שימושיות רבות על תוספת. זמין למרבית מערכות ההפעלה הנוכחיות. </td></tr><tr><td> R הסטטיסטי ערכת כלים </td><td> ר פרויקט למחשוב סטטיסטי </td><td> R </td><td> ניתן להוריד בחינם מתשלום <a href="http://www.r-project.org/" target="_blank">http://www.rp</a>roject.org /. זמין למרבית מערכות ההפעלה הנוכחיות. </td></tr><tr><td> OpenGL </td><td> קבוצת Khronos </td><td> OpenGL </td><td> בשפת צלב ערכת כלים זו, חוצה פלטפורמה גרפית ניתן להוריד ללא תשלום <a href="http://www.opengl.org" target="_blank">מwww.opengl.org.</a> </td></tr><tr><td> V-Flash מדפסת אישית </td><td> 3D המערכות בע&quot;מ, הרוק היל, SC, ארצות הברית </td><td> V-Flash </td><td> זה טוב לכל יישומי הדפסת 3-D המתוארים בדוח זה. חומרי ההדפסה גם vended ידי מערכות 3D, Inc דגמים יקרים פחות זמינים בצורת קוד פתוחה מRepRap (rapmanusa.com) וMakerGear. דגמים יקרים יותר (&gt; 30 $ K) זמינים מגיאומטריות Objet, 3DS מערכות, Z-Corp, הדפסת ממד וכו &#39; </td></tr><tr><td> <a href="http://www.TurboSquid.com" target="_blank">TurboSquid.com</a> </td><td> TurboSquid בע&quot;מ, ניו יורק, לוס אנג&#39;לס </td><td> (חפצים שונים) </td><td> אובייקטי 3-D וירטואליים שונים ניתן להוריד מאתר זה ללא תשלום או בתשלום. </td></tr><tr><td></td><td></td><td></td><td> טבלת 1. טבלה של ערכות כלים וציוד ספציפיים. </td></tr></tbody></table>

creating objects and object categories for studying perception and perceptual learning

In order to quantitatively study object perception, be it perception by biological systems or by machines, one needs to create objects and object categories with precisely definable, preferably naturalistic, properties1. Furthermore, for studies on perceptual learning, it is useful to create novel objects and object categories (or object classes) with such properties2.
Many innovative and useful methods currently exist for creating novel objects and object categories3-6 (also see refs. 7,8). However, generally speaking, the existing methods have three broad types of shortcomings.
First, shape variations are generally imposed by the experimenter5,9,10, and may therefore be different from the variability in natural categories, and optimized for a particular recognition algorithm. It would be desirable to have the variations arise independently of the externally imposed constraints.
Second, the existing methods have difficulty capturing the shape complexity of natural objects11-13. If the goal is to study natural object perception, it is desirable for objects and object categories to be naturalistic, so as to avoid possible confounds and special cases.
Third, it is generally hard to quantitatively measure the available information in the stimuli created by conventional methods. It would be desirable to create objects and object categories where the available information can be precisely measured and, where necessary, systematically manipulated (or 'tuned'). This allows one to formulate the underlying object recognition tasks in quantitative terms.
Here we describe a set of algorithms, or methods, that meet all three of the above criteria. Virtual morphogenesis (VM) creates novel, naturalistic virtual 3-D objects called 'digital embryos' by simulating the biological process of embryogenesis14. Virtual phylogenesis (VP) creates novel, naturalistic object categories by simulating the evolutionary process of natural selection9,12,13. Objects and object categories created by these simulations can be further manipulated by various morphing methods to generate systematic variations of shape characteristics15,16. The VP and morphing methods can also be applied, in principle, to novel virtual objects other than digital embryos, or to virtual versions of real-world objects9,13. Virtual objects created in this fashion can be rendered as visual images using a conventional graphical toolkit, with desired manipulations of surface texture, illumination, size, viewpoint and background. The virtual objects can also be 'printed' as haptic objects using a conventional 3-D prototyper.
We also describe some implementations of these computational algorithms to help illustrate the potential utility of the algorithms. It is important to distinguish the algorithms from their implementations. The implementations are demonstrations offered solely as a 'proof of principle' of the underlying algorithms. It is important to note that, in general, an implementation of a computational algorithm often has limitations that the algorithm itself does not have.
Together, these methods represent a set of powerful and flexible tools for studying object recognition and perceptual learning by biological and computational systems alike. With appropriate extensions, these methods may also prove useful in the study of morphogenesis and phylogenesis.

VM יכול לשמש כדי ליצור היצע כמעט בלתי מוגבל של צורות רומן 3-D. כמה עוברים דיגיטלי מופת שנוצרו באמצעות אלגוריתם VM מוצגים בפנל התחתון של האיור 1. כל 16 העוברים האלה נוצרו באמצעות התכנית &#39;growEmbryos.exe&#39; בכלים הדיגיטליים עבור עובר Cygwin (ראה טבלה 1) עבור 40 צמיחה מחזורים. כל פרמטרי צמיחה האחרות נקבעו באופן פנימי על ידי התכנית. רוב הפרמטרים האלה היו קבועים (כלומר, זהים מעובר אחד למשנו). כמה פרמטרים כגון מיקום ועוצמת מקורות morphogen, היו פרמטרים אקראיים שנקבעו פנימי על ידי התכנית באופן עצמאי לכל סיבוב. וריאציות הצורה בקרב 16 עוברים אלה נבעו אך ורק כתוצאה מהשינויים בפרמטרים האקראיים האלה. כמה דוגמאות של משטח טקסטורות 34,35 בעזרת כמה מרקמים נבחרו באופן שרירותי מוצגות באיור 2 א. סצנות חזותיות שלמורכבות rbitrary ניתן ליצור באמצעות מודלים זמינים מסחרי 3-D וסביבת טיוח, כפי שמוצגים באיור 2 ב. &quot;עץ המשפחה&quot; נציג שנוצר על ידי שימוש בעוברי סמנכ&quot;ל דיגיטליים מוצג באיור 3. עצים דומים גם ניתן לבנות באמצעות אובייקטים אחרים מעוברים דיגיטליים, כפי שמוצגים באיור 4. שים לב כי בכל מקרה, את החפצים שחולקים אב קדמון משותף ישיר מהווים קטגוריה, למרות שהניסוי יכול גם לבחור להגדיר את קטגוריה כמו כל סדרה אחרת של אובייקטים. ראוי לציין מאיור 4 שהיישום הנוכחי שלנו של אלגוריתמי הסמנכ&quot;ל VM ונוטה לייצר משטחים חלקים יחסית, מעוגלים, בניגוד לאובייקטים משוננים או שטוחים. כמו כן ראוי לציין שזה כנראה ההגבלה של היישום של האלגוריתמים האלה שלנו ולא את האלגוריתמים עצמם, שכן תהליכי biolological יכול לייצר objecTS עם משטחים שטוחים וקווי מתאר משוננים (למשל., עלה ורד). איורי 5 ו 6 מציג את התוצאות האופייניות של שתי שיטות שיכולות לשמש בנוסף, או במקום, סמנכ&quot;ל ליצירת וריאציות עקרוניות בצורת אובייקט ואובייקט קטגוריות. הפנל העליון של איור 7 ממחיש הדמיות חזותיות של שני עוברים דיגיטליים, והפנל התחתון של איור 7 ממחיש את התדפיסים המקבילים שנוצרו על ידי prototyper הזמין מסחרי 3-D. איורים 8 ו 9 להמחיש את ההליכים המתוארים בסעיף 6 לשימוש שבברי תמונות כדי לסווג את אובייקט חזותי נתון. <img alt="איור 1" fo:content-width="4in" fo:src="/files/ftp_upload/3358/3358fig1highres.jpg" src="/files/ftp_upload/3358/3358fig1.jpg" /> איור 1. המורפוגנזה וירטואלית. </חזק&gt; הלוח התחתון ממחיש סוג של רומן אובייקטים, נטורליסטי, וירטואליים 3-D הנקראים &quot;עוברים דיגיטליים&quot; 14. עוברים דיגיטליים יכולים להיות שנוצרו על ידי הדמיה אחד או יותר מחלק מהתהליכים ביולוגית המרכזיים של התפתחות עוברת: חלוקת morphogen בתיווך תא, גדילת תאים, תנועת תאים ומות תאים מתוכן 7,8,36,37. כל ריצה מתחילה באיקוסהדרון (שמוצג בפנל העליון), ומייצרת עובר ייחודי, בהתאם להגדרות פרמטר VM (או &#39;גנוטיפ&#39;) של העובר. לפיכך, 16 העוברים בפנל התחתון יש צורות שונות, כי לכולם יש גנוטיפים שונים. שים לב שצורות פשוטות או מורכבות יותר יכולות להיוצר במידת צורך (למשל, בצורה אופטימלית כדי לעורר נוירונים ברמת נתונה של ההיררכיה החזותית) על ידי המניפולציה של הגנוטיפ של העובר. כל התהליכים הנ&quot;ל embryogenetic מלבד מות תאים מתוכן היו מדומים ביצירת העוברים הראו. מות תאים מתוכן מדומה הוא בעיקרשימושי ליצירת חריצים ממוקדים (לא מוצג). <img alt="איור 2" fo:content-width="3.6in" fo:src="/files/ftp_upload/3358/3358fig2highres.jpg" src="/files/ftp_upload/3358/3358fig2.jpg" /> איור 2. יצירת גירויים חזותיים לשימוש בעוברים דיגיטליים. כמו כל אובייקט 3-D וירטואלי, עוברים דיגיטליים ניתן לטפל גרפי כדי ליצור סצנות חזותיות מורכבים שרירותי באמצעות כל ערכת כלים גרפית 3-D סטנדרטית. נתון זה ממחיש כמה מניפולציות נפוצות. () אותו העובר הדיגיטלי הוא מרקם שימוש במרקמים שונים ורבים, ומואר ממקור אור בלתי נראה בפינה שמאלית עליונה. (ב) מקום מוסווה נוצר על ידי שינוי גודל ומחדש orienting-העובר הדיגיטלי ו דיגיטלי הצבתו כנגד אותו הרקע שהיה עם מרקם. העובר הדיגיטלי ניתן למצוא ב&#39;גלוי לעין &#39;ברבע הימני התחתונה. לדוגמאות נוספות של גירויים החזותיים created שימוש בעוברים דיגיטליים, ראה שופטים. 9,10,12-14,38. <img alt="איור 3" fo:content-width="5in" fo:src="/files/ftp_upload/3358/3358fig3highres.jpg" src="/files/ftp_upload/3358/3358fig3.jpg" /> איור 3. יצירת קטגוריות עובר דיגיטליות באמצעות סמנכ&quot;ל. אלגוריתם הסמנכ&quot;ל מחק אבולוציה ביולוגית, בכך שבשני המקרים, אובייקטים חדשים וקטגוריות אובייקט להתגלות כתורשתי וריאציות לצבור באופן סלקטיבי. בכל דור והדור G i, עוברים נבחרו להתרבות, מה שמוביל לדור G i +1. הצאצאים יורשים את מאפייני הצורה של הוריהם, אך יצברו וריאציות צורה משלהם (כפי שנקבע על ידי שינויים קטנים בגנוטיפ שלהם) שהם מפתחים. נתון זה מראה &quot;עץ משפחה&quot; של שלושה דורות של צאצאים החל מאב קדמון משותף אחד, עשרימון. שים לב, במקרה זה, את העליות ממורכבות צורת עשרימון לgeneratיון G 1, אבל לא מואילך G 1. הסיבה לכך היא עלייה במספר תאים (כלומר., חלוקת תא) הותרה מעשרימון לדור G 1, אבל לא מואילך G 1. באופן כללי, חלוקת תא נוטה להגדיל מורכבות צורה, ואילו תהליכים המוךפו&quot;גנטי אחרים כגון תנועת תא ומשנה את צורת גדילת תא מבלי לשנות את המורכבות הכוללות של הצורה. <img alt="איור 4" fo:content-width="6in" fo:src="/files/ftp_upload/3358/3358fig4highres.jpg" src="/files/ftp_upload/3358/3358fig4.jpg" /> איור 4. סמנכ&quot;ל באמצעות אובייקטים וירטואליים אחרים מאשר עוברים דיגיטליים. נתון זה עוזר להמחיש את העיקרון הכללי שאובייקטים וירטואליים אחרים מאשר עוברים דיגיטליים יכולים לשמש כקלט לסמנכ&quot;ל. אלגוריתם הסמנכ&quot;ל במתכונתו הנוכחית יכול לפעול על כל אובייקט 3 D-וירטואלי משטח שמורכב אך ורק של משולשים. דור G 1 comprisעורך של (משמאל לימין) דלעת, יהלומים, מסיכת פנים, תפוח, רוק, וקקטוס. שים לב שהעצמים בG 1 דור בנתון זה אין לי אב קדמון משותף, כי הסמנכ&quot;ל לא דורש את זה. אובייקטים בG 2 ו 3 G מייצגים צאצאים של הסלע בG 1. אין חלוקות הורשו בכל דור ודור, כך שכל וריאציות הצורה התעוררו רק מתנועה ו / או צמיחה של &#39;התאים&#39; הבודדים של האובייקט הנתון. <img alt="איור 5" fo:content-width="6.5in" fo:src="/files/ftp_upload/3358/3358fig5highres.jpg" src="/files/ftp_upload/3358/3358fig5.jpg" /> איור 5. באמצעות morphing ליצור וריאציות חלקות בצורה. Morphing כרוך לוקח שני אובייקטי נתונים (שמאל קיצוני וימין קיצוני עובר בנתון זה) וחישוב אובייקטי ביניים (להתערב עוברים) על ידי ביון בין הקודקודים המקבילים של 2 המיועדיםאובייקטי ד. במקרה שמוצג, כל הקודקודים היו אינטרפולציה באמצעות אותו גורם סקלרי, וכתוצאה מmorphing ליניארי. עם זאת, ניתן גם morph את האובייקטים שאינם ליניארי (לא מוצג). Morphing הוא מחשוב ישיר כאשר יש התאמה של אחד לאחד מדויקת בין הקודקודים של שני אובייקטים, כמו במקרה שמוצג. עם זאת זה אפשרי, בעיקרון, למורף בין כל שני חפצים וירטואליים הניתנים ללא קשר האם קודקודיהם המתאימים בדיוק, אם כי אין שיטה ייחודית עקרונית לכך 17,18. <img alt="איור 6" fo:content-width="6in" fo:src="/files/ftp_upload/3358/3358fig6highres.jpg" src="/files/ftp_upload/3358/3358fig6.jpg" /> איור 6. שימוש ברכיבים עיקריים ליצירת וריאציות חלקות בצורה. () עובר ממוצע. עובר זה מייצג את ממוצע אריתמטי של 400 עוברים (200 כל אחת מהקטגוריות K ו-L באיור 3). רכיבים עיקריים חושבו כמתואר בשלב 4.3. שים לב שהמרכיבים עיקריים לייצג ממדים הדדיים עצמאיים, מופשטים צורה של 400 עוברים (לא מוצג) 25,26. 400 עוברים להניב 399 רכיבים שאינם אפס עיקרי 25,26, אשר ביחד חשבון עבור כל השונות, או מידע הצורה, זמין באופן קולקטיבי בעוברים. על פי מוסכמה, רכיבים עיקריים מסודרים לפי סדר היורד של הערכים העצמיים שלהם, או חלק מהשונות הכלליות הם מסבירים 25,26. במקרה זה, שני המרכיבים העיקריים 1 בהתאמה היוו 73% ו 19% מהמידע הזמין בצורה של 400 עוברים. (ב &#39;) לעוברים המייצגים את משקלים שונים (או לייתר דיוק, ערכים עצמיים משוקללים) של רכיב עיקרי 1. את המשקולות משתנות מ+2 (שמאל הקיצוני) ל-2 (ימין קיצוני) בצעדים שווים של -0.2. (C) עוברים שמייצגים משקולות שונות של compon הראשיאף אוזן גרון 2. את המשקולות מגוונות גם מ+2 (שמאל הקיצוני) ל-2 (ימין קיצוני) בצעדים שווים של -0.2. שים לב שמניפולציה של מרכיבים עיקריים אינו בלעדית לשלוט בכל חלק מסוים של גוף נתון של העובר (למשל., הכנפיים של העובר במקרה שמוצגות). עם זאת, במידת צורך, חלקי גופות וירטואליות 3-D אובייקטים יכולים להשפיע בכל צורה שרירותית משתמש מוגדר באמצעות רוב סביבות 3-D מודלים הזמינות מסחרי (לא מוצג). <img alt="איור 7" fo:content-width="4in" fo:src="/files/ftp_upload/3358/3358fig7highres.jpg" src="/files/ftp_upload/3358/3358fig7.jpg" /> איור 7. יצירת אובייקטי Haptic. 3-D Virtual אובייקטים יכולים להיות &#39;מודפסים&#39; כאובייקטי haptic באמצעות סטנדרטי, זמינים מסחרי 3-D &quot;המדפסת&quot; או prototyper. נתון זה מראה עוברים דיגיטליים שניתנו כאובייקטים חזותיים (שורה העליונה) או כאובייקטי haptic המתאימים (שורה התחתונה). ה-S אובייקטי haptichown בנתון זה הודפס להיות רחב כ 6 סנטימטר (סרגל קנה מידה = 1 סנטימטר), למרות שניתן להדפיס את האובייקטים בגדלים קטנים יותר או גדולים יותר. <img alt="איור 8" src="/files/ftp_upload/3358/3358fig8.jpg" /> איור 8. תבנית לבר אינפורמטיבי דוגמה. בדוגמה זו, את התבנית יש סף של 0.69 המשויכים אליו. <img alt="איור 9" fo:content-width="2.5in" fo:src="/files/ftp_upload/3358/3358fig9highres.jpg" src="/files/ftp_upload/3358/3358fig9.jpg" /> איור 9. תמונה חדשה שעבור קטגורית האובייקט אינה ידועה וצריך להיות נחושה.

Watch this Scientific Journal Video about Creating Objects and Object Categories for Studying Perception and Perceptual Learning at JoVE.com

Creating Objects and Object Categories for Studying Perception and Perceptual Learning

אנו מתארים מתודולוגיה חדשנית ליצירת אובייקטים 3-D נטורליסטי וקטגוריות אובייקט עם וריאציות תכונה הוגדרו במדויק. אנו משתמשים בסימולציות של התהליכים הביולוגיים של המורפוגנזה ותולדות גזע ליצירת אובייקטים חדשים, נטורליסטי וירטואליים 3-D וקטגוריות אובייקט כי אז יכול להיות שניתנו כדימויים חזותיים או אובייקטי Haptic.

יצירת אובייקטים וקטגוריות אובייקט ללימוד תפיסה ולמידת תפיסתית

In order to quantitatively study object perception, be it perception by biological systems or by machines, one needs to create objects and object ...

creating-objects-object-categories-for-studying-perception-perceptual

Research

JoVE Journal

Neuroscience

11.7K Views.  Georgia Health Sciences University. אנו מתארים מתודולוגיה חדשנית ליצירת אובייקטים 3-D נטורליסטי וקטגוריות אובייקט עם וריאציות תכונה הוגדרו במדויק. אנו משתמשים בסימולציות של התהליכים הביולוגיים של המורפוגנזה ותולדות גזע ליצירת אובייקטים חדשים, נטורליסטי וירטואליים 3-D וקטגוריות אובייקט כי אז יכו?...

Video: Creating Objects and Object Categories for Studying Perception and Perceptual Learning

C. elegans Positive Butanone Learning, Short-term, and Long-term Associative Memory Assays

The memory of experiences and learned information is critical for organisms to make choices that aid their survival. C. elegans navigates its environment through neuron-specific detection of food and chemical odors1, 2, and can associate nutritive states with chemical odors3, temperature4, and the pathogenicity of a food source5.
Here, we describe assays of C. elegans associative learning and short- and long-term associative memory. We modified an aversive olfactory learning paradigm6 to instead produce a positive response; the assay involves starving ~400 worms, then feeding the worms in the presence of the AWC neuron-sensed volatile chemoattractant butanone at a concentration that elicits a low chemotactic index (similar to Toroyama et al.7). A standard population chemotaxis assay1 tests the worms' attraction to the odorant immediately or minutes to hours after conditioning.
After conditioning, wild-type animals' chemotaxis to butanone increases ~0.6 Chemotaxis Index units, its "Learning Index". Associative learning is dependent on the presence of both food and butanone during training. Pairing food and butanone for a single conditioning period ("massed training") produces short-term associative memory that lasts ~2 hours. Multiple conditioning periods with rest periods between ("spaced training") yields long-term associative memory (&lt;40 hours), and is dependent on the cAMP Response Element Binding protein (CREB),6 a transcription factor required for long-term memory across species.8
Our protocol also includes image analysis methods for quick and accurate determination of chemotaxis indices. High-contrast images of animals on chemotaxis assay plates are captured and analyzed by worm counting software in MatLab. The software corrects for uneven background using a morphological tophat transformation.9 Otsu's method is then used to determine a threshold to separate worms from the background.10 Very small particles are removed automatically and larger non-worm regions (plate edges or agar punches) are removed by manual selection. The software then estimates the size of single worm by ignoring regions that are above a specified maximum size and taking the median size of the remaining regions. The number of worms is then estimated by dividing the total area identified as occupied by worms by the estimated size of a single worm.
We have found that learning and short- and long-term memory can be distinguished, and that these processes share similar key molecules with higher organisms.6,8 Our assays can quickly test novel candidate genes or molecules that affect learning and short- or long-term memory in C. elegans that are relevant across species.

C. elegans Positive Butanone Learning, Short-term, and Long-term Associative Memory Assays

Here we describe methods to test C. elegans associative learning and short- and long-term associative memory. These population assays employ the worms abilities to chemotax toward volatile odorants, and form positive associations upon pairing food with the chemoattractant butanone. Increasing the number of conditioning periods induces long-term memory.

סי אלגנס למידה חיובית Butanone, לטווח קצר, לטווח ארוך מבחני זיכרון אסוציאטיבי

The memory of experiences and learned information is critical for organisms to make choices that aid their survival. C. elegans navigates its environment ...

Using Affordable LED Arrays for Photo-Stimulation of Neurons

Standard slice electrophysiology has allowed researchers to probe individual components of neural circuitry by recording electrical responses of single cells in response to electrical or pharmacological manipulations1,2. With the invention of methods to optically control genetically targeted neurons (optogenetics), researchers now have an unprecedented level of control over specific groups of neurons in the standard slice preparation. In particular, photosensitive channelrhodopsin-2 (ChR2) allows researchers to activate neurons with light3,4. By combining careful calibration of LED-based photostimulation of ChR2 with standard slice electrophysiology, we are able to probe with greater detail the role of adult-born interneurons in the olfactory bulb, the first central relay of the olfactory system. Using viral expression of ChR2-YFP specifically in adult-born neurons, we can selectively control young adult-born neurons in a milieu of older and mature neurons. Our optical control uses a simple and inexpensive LED system, and we show how this system can be calibrated to understand how much light is needed to evoke spiking activity in single neurons. Hence, brief flashes of blue light can remotely control the firing pattern of ChR2-transduced newborn cells.

Adult-born neurons expressing ChR2 can be manipulated in slice electrophysiological preparations in order to examine their contribution towards the function of olfactory neural circuits.

באמצעות מערכי LED משתלמת עבור גירוי-תמונה של נוירונים

Standard slice electrophysiology has allowed researchers to probe individual components of neural circuitry by recording electrical responses of single ...

Selective Viral Transduction of Adult-born Olfactory Neurons for Chronic in vivo Optogenetic Stimulation

Local interneurons are continuously regenerated in the olfactory bulb of adult rodents1-3. In this process, called adult neurogenesis, neural stem cells in the walls of the lateral ventricle give rise to neuroblasts that migrate for several millimeters along the rostral migratory stream (RMS) to reach and incorporate into the olfactory bulb. To study the different steps and the impact of adult-born neuron integration into preexisting olfactory circuits, it is necessary to selectively label and manipulate the activity of this specific population of neurons. The recent development of optogenetic technologies offers the opportunity to use light to precisely activate this specific cohort of neurons without affecting surrounding neurons4,5. Here, we present a series of procedures to virally express Channelrhodopsin2(ChR2)-YFP in a temporally restricted cohort of neuroblasts in the RMS before they reach the olfactory bulb and become adult-born neurons. In addition, we show how to implant and calibrate a miniature LED for chronic in vivo stimulation of ChR2-expressing neurons.

Selective Viral Transduction of Adult-born Olfactory Neurons for Chronic in vivo Optogenetic Stimulation

Adult-born neurons of the olfactory bulb can be optogenetically controlled using Channelrhodopsin2-expressing lentiviral injection in the rostral migratory stream and chronic photostimulation with an implanted miniature LED.

התמרה ויראלי סלקטיבי של נוירונים בוגרים יליד חוש הריח של כרוני In vivo Optogenetic גירוי

Local interneurons are continuously regenerated in the olfactory bulb of adult rodents1-3. In this process, called adult neurogenesis, neural stem cells ...

MPI CyberMotion Simulator: Implementation of a Novel Motion Simulator to Investigate Multisensory Path Integration in Three Dimensions

Path integration is a process in which self-motion is integrated over time to obtain an estimate of one's current position relative to a starting point 1. Humans can do path integration based exclusively on visual 2-3, auditory 4, or inertial cues 5. However, with multiple cues present, inertial cues - particularly kinaesthetic - seem to dominate 6-7. In the absence of vision, humans tend to overestimate short distances (&lt;5 m) and turning angles (&lt;30&deg;), but underestimate longer ones 5. Movement through physical space therefore does not seem to be accurately represented by the brain.
Extensive work has been done on evaluating path integration in the horizontal plane, but little is known about vertical movement (see 3 for virtual movement from vision alone). One reason for this is that traditional motion simulators have a small range of motion restricted mainly to the horizontal plane. Here we take advantage of a motion simulator 8-9 with a large range of motion to assess whether path integration is similar between horizontal and vertical planes. The relative contributions of inertial and visual cues for path navigation were also assessed.
16 observers sat upright in a seat mounted to the flange of a modified KUKA anthropomorphic robot arm. Sensory information was manipulated by providing visual (optic flow, limited lifetime star field), vestibular-kinaesthetic (passive self motion with eyes closed), or visual and vestibular-kinaesthetic motion cues. Movement trajectories in the horizontal, sagittal and frontal planes consisted of two segment lengths (1st: 0.4 m, 2nd: 1 m; &plusmn;0.24 m/s2 peak acceleration). The angle of the two segments was either 45&deg; or 90&deg;. Observers pointed back to their origin by moving an arrow that was superimposed on an avatar presented on the screen.
Observers were more likely to underestimate angle size for movement in the horizontal plane compared to the vertical planes. In the frontal plane observers were more likely to overestimate angle size while there was no such bias in the sagittal plane. Finally, observers responded slower when answering based on vestibular-kinaesthetic information alone. Human path integration based on vestibular-kinaesthetic information alone thus takes longer than when visual information is present. That pointing is consistent with underestimating and overestimating the angle one has moved through in the horizontal and vertical planes respectively, suggests that the neural representation of self-motion through space is non-symmetrical which may relate to the fact that humans experience movement mostly within the horizontal plane.

An efficient way to gain insight into how humans navigate themselves in three dimensions is described. The method takes advantage of a motion simulator capable of moving observers in ways unattainable by traditional simulators. Results confirm that movement in the horizontal plane is underestimated, while vertical movement is overestimated.

MPI Simulator CyberMotion: יישום Simulator תנועה חדשנית לחקר האינטגרציה נתיב רב חושיים בשלושה ממדים

Path integration is a process in which self-motion is integrated over time to obtain an estimate of one's current position relative to a starting point 1. ...

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

Functional MRI (fMRI) is a widely used tool for non-invasively measuring correlates of human brain activity. However, its use has mostly been focused upon measuring activity on the surface of cerebral cortex rather than in subcortical regions such as midbrain and brainstem. Subcortical fMRI must overcome two challenges: spatial resolution and physiological noise. Here we describe an optimized set of techniques developed to perform high-resolution fMRI in human SC, a structure on the dorsal surface of the midbrain; the methods can also be used to image other brainstem and subcortical structures.
High-resolution (1.2 mm voxels) fMRI of the SC requires a non-conventional approach. The desired spatial sampling is obtained using a multi-shot (interleaved) spiral acquisition1. Since, T2* of SC tissue is longer than in cortex, a correspondingly longer echo time (TE ~ 40 msec) is used to maximize functional contrast. To cover the full extent of the SC, 8-10 slices are obtained. For each session a structural anatomy with the same slice prescription as the fMRI is also obtained, which is used to align the functional data to a high-resolution reference volume.
In a separate session, for each subject, we create a high-resolution (0.7 mm sampling) reference volume using a T1-weighted sequence that gives good tissue contrast. In the reference volume, the midbrain region is segmented using the ITK-SNAP software application2. This segmentation is used to create a 3D surface representation of the midbrain that is both smooth and accurate3. The surface vertices and normals are used to create a map of depth from the midbrain surface within the tissue4.
Functional data is transformed into the coordinate system of the segmented reference volume. Depth associations of the voxels enable the averaging of fMRI time series data within specified depth ranges to improve signal quality. Data is rendered on the 3D surface for visualization.
In our lab we use this technique for measuring topographic maps of visual stimulation and covert and overt visual attention within the SC1. As an example, we demonstrate the topographic representation of polar angle to visual stimulation in SC.

This article describes techniques to perform high-resolution functional magnetic resonance imaging with 1.2 mm sampling in human midbrain and subcortical structures using a 3T scanner. Use of these techniques to resolve topographic maps of visual stimulation in the human superior colliculus (SC) is given as an example.

ברזולוציה גבוהה תהודה מגנטית פונקציונלית שיטות המוח התיכון האדם

Functional MRI (fMRI) is a widely used tool for non-invasively measuring correlates of human brain activity. However, its use has mostly been focused upon ...

Optical Recording of Suprathreshold Neural Activity with Single-cell and Single-spike Resolution

Signaling of information in the vertebrate central nervous system is often carried by populations of neurons rather than individual neurons. Also propagation of suprathreshold spiking activity involves populations of neurons. Empirical studies addressing cortical function directly thus require recordings from populations of neurons with high resolution. Here we describe an optical method and a deconvolution algorithm to record neural activity from up to 100 neurons with single-cell and single-spike resolution. This method relies on detection of the transient increases in intracellular somatic calcium concentration associated with suprathreshold electrical spikes (action potentials) in cortical neurons. High temporal resolution of the optical recordings is achieved by a fast random-access scanning technique using acousto-optical deflectors (AODs)1. Two-photon excitation of the calcium-sensitive dye results in high spatial resolution in opaque brain tissue2. Reconstruction of spikes from the fluorescence calcium recordings is achieved by a maximum-likelihood method. Simultaneous electrophysiological and optical recordings indicate that our method reliably detects spikes (&gt;97% spike detection efficiency), has a low rate of false positive spike detection (&lt; 0.003 spikes/sec), and a high temporal precision (about 3 msec) 3. This optical method of spike detection can be used to record neural activity in vitro and in anesthetized animals in vivo3,4.

Understanding the function of the vertebrate central nervous system requires recordings from many neurons because cortical function arises on the level of populations of neurons. Here we describe an optical method to record suprathreshold neural activity with single-cell and single-spike resolution, dithered random-access scanning. This method records somatic fluorescence calcium signals from up to 100 neurons with high temporal resolution. A maximum-likelihood algorithm deconvolves the underlying suprathreshold neural activity from the somatic fluorescence calcium signals. This method reliably detects spikes with high detection efficiency and a low rate of false positives and can be used to study neural populations in vitro and in vivo.

הקלטה אופטית של פעילות עצבית suprathreshold עם רזולוצית תא בודד ויחיד ספייק

Signaling of information in the vertebrate central nervous system is often carried by populations of neurons rather than individual neurons. Also ...

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Magneto- and electroencephalography (MEG/EEG) are neuroimaging techniques that provide a high temporal resolution particularly suitable to investigate the cortical networks involved in dynamical perceptual and cognitive tasks, such as attending to different sounds in a cocktail party. Many past studies have employed data recorded at the sensor level only, i.e., the magnetic fields or the electric potentials recorded outside and on the scalp, and have usually focused on activity that is time-locked to the stimulus presentation. This type of event-related field / potential analysis is particularly useful when there are only a small number of distinct dipolar patterns that can be isolated and identified in space and time. Alternatively, by utilizing anatomical information, these distinct field patterns can be localized as current sources on the cortex. However, for a more sustained response that may not be time-locked to a specific stimulus (e.g., in preparation for listening to one of the two simultaneously presented spoken digits based on the cued auditory feature) or may be distributed across multiple spatial locations unknown a priori, the recruitment of a distributed cortical network may not be adequately captured by using a limited number of focal sources.
Here, we describe a procedure that employs individual anatomical MRI data to establish a relationship between the sensor information and the dipole activation on the cortex through the use of minimum-norm estimates (MNE). This inverse imaging approach provides us a tool for distributed source analysis. For illustrative purposes, we will describe all procedures using FreeSurfer and MNE software, both freely available. We will summarize the MRI sequences and analysis steps required to produce a forward model that enables us to relate the expected field pattern caused by the dipoles distributed on the cortex onto the M/EEG sensors. Next, we will step through the necessary processes that facilitate us in denoising the sensor data from environmental and physiological contaminants. We will then outline the procedure for combining and mapping MEG/EEG sensor data onto the cortical space, thereby producing a family of time-series of cortical dipole activation on the brain surface (or "brain movies") related to each experimental condition. Finally, we will highlight a few statistical techniques that enable us to make scientific inference across a subject population (i.e., perform group-level analysis) based on a common cortical coordinate space.

We use magneto- and electroencephalography (MEG/EEG), combined with anatomical information captured by magnetic resonance imaging (MRI), to map the dynamics of the cortical network associated with auditory attention.

Dynamics מיפוי קליפתיים באמצעות MEG סימולטאני / אומדני EEG ומוגבלים מבחינה אנטומית, מינימום-נורמה: דוגמא קשב שמיעתי

Magneto- and electroencephalography (MEG/EEG) are neuroimaging techniques that provide a high temporal resolution particularly suitable to investigate the ...

Drosophila Adult Olfactory Shock Learning

Drosophila have been used in classical conditioning experiments for over 40 years, thus greatly facilitating our understanding of memory, including the elucidation of the molecular mechanisms involved in cognitive diseases1-7. Learning and memory can be assayed in larvae to study the effect of neurodevelopmental genes8-10 and in flies to measure the contribution of adult plasticity genes1-7. Furthermore, the short lifespan of Drosophila facilitates the analysis of genes mediating age-related memory impairment5,11-13. The availability of many inducible promoters that subdivide the Drosophila nervous system makes it possible to determine when and where a gene of interest is required for normal memory as well as relay of different aspects of the reinforcement signal3,4,14,16.
Studying memory in adult Drosophila allows for a detailed analysis of the behavior and circuitry involved and a measurement of long-term memory15-17. The length of the adult stage accommodates longer-term genetic, behavioral, dietary and pharmacological manipulations of memory, in addition to determining the effect of aging and neurodegenerative disease on memory3-6,11-13,15-21.
Classical conditioning is induced by the simultaneous presentation of a neutral odor cue (conditioned stimulus, CS+) and a reinforcement stimulus, e.g., an electric shock or sucrose, (unconditioned stimulus, US), that become associated with one another by the animal1,16. A second conditioned stimulus (CS-) is subsequently presented without the US. During the testing phase, Drosophila are simultaneously presented with CS+ and CS- odors. After the Drosophila are provided time to choose between the odors, the distribution of the animals is recorded. This procedure allows associative aversive or appetitive conditioning to be reliably measured without a bias introduced by the innate preference for either of the conditioned stimuli. Various control experiments are also performed to test whether all genotypes respond normally to odor and reinforcement alone.

Drosophila Adult Olfactory Shock Learning

The method to measure adult Drosophila associative memory is described. The assay is based on the ability of the fly to associate an odor presented with a negative reinforcer (electric shock) and then recall this information at a later time, allowing memory to be measured.

דרוזופילה מבוגרים חוש הריח הלם למידה

Drosophila have been used in classical conditioning experiments for over 40 years, thus greatly facilitating our understanding of memory, including the ...

Whole Mount Immunolabeling of Olfactory Receptor Neurons in the Drosophila Antenna

Odorant molecules bind to their target receptors in a precise and coordinated manner. Each receptor recognizes a specific signal and relays this information to the brain. As such, determining how olfactory information is transferred to the brain, modifying both perception and behavior, merits investigation. Interestingly, there is emerging evidence that cellular transduction and transcriptional factors are involved in the diversification of olfactory receptor neuron. Here we provide a robust whole mount immunological labeling method to assay in vivo olfactory receptor neuron organization. Using this method, we identified all olfactory receptor neurons with anti-ELAV antibody, a known pan-neural marker and Or49a-mCD8::GFP, an olfactory receptor neuron specifically expressed in Nba neuron using anti-GFP antibody.

Whole Mount Immunolabeling of Olfactory Receptor Neurons in the Drosophila Antenna

Herein we describe the process of whole mount immunostaining of Drosophila antennae, which enables us to better understand the molecular mechanisms involved in the diversification of olfactory receptor neurons (ORN)s.

הר immunolabeling השלם של חוש הריח קולטן נוירונים<em&gt; דרוזופילה</em&gt; אנטנה

Odorant molecules bind to their target receptors in a precise and coordinated manner. Each receptor recognizes a specific signal and relays this ...

Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo

Voltage responses of insect photoreceptors and visual interneurons can be accurately recorded with conventional sharp microelectrodes. The method described here enables the investigator to measure long-lasting (from minutes to hours) high-quality intracellular responses from single Drosophila R1-R6 photoreceptors and Large Monopolar Cells (LMCs) to light stimuli. Because the recording system has low noise, it can be used to study variability among individual cells in the fly eye, and how their outputs reflect the physical properties of the visual environment. We outline all key steps in performing this technique. The basic steps in constructing an appropriate electrophysiology set-up for recording, such as design and selection of the experimental equipment are described. We also explain how to prepare for recording by making appropriate (sharp) recording and (blunt) reference electrodes. Details are given on how to fix an intact fly in a bespoke fly-holder, prepare a small window in its eye and insert a recording electrode through this hole with minimal damage. We explain how to localize the center of a cell's receptive field, dark- or light-adapt the studied cell, and to record its voltage responses to dynamic light stimuli. Finally, we describe the criteria for stable normal recordings, show characteristic high-quality voltage responses of individual cells to different light stimuli, and briefly define how to quantify their signaling performance. Many aspects of the method are technically challenging and require practice and patience to master. But once learned and optimized for the investigator's experimental objectives, it grants outstanding in vivo neurophysiological data.

Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo

Sharp microelectrodes enable accurate electrophysiological characterization of photoreceptor and visual interneuron output in living Drosophila. Here we show how to use this method to record high-quality voltage responses of individual cells to controlled light stimulation. This method is ideal for studying neural information processing in insect compound eyes.