Este trabalho foi financiado em parte pelo Exército dos EUA Laboratório de Pesquisa e os EUA Army Research Office concessão W911NF1110105 e concessão do NSF IOS-1147097to Jay Hegde. O suporte também foi fornecida por uma concessão piloto Jay Hegde do Discovery Visão Instituto de Ciências da Saúde da Geórgia University. Daniel Kersten foi suportado por concessões ONR N00014-05-1-0124 e NIH R01 EY015261 e em parte por WCU programa (World Class University), financiado pelo Ministério da Educação, Ciência e Tecnologia, através da Fundação Nacional de Pesquisa da Coreia (R31-10008 ). Karin Hauffen foi apoiado pelo Programa de Graduação de Pesquisa de Aprendizagem (URAP) do Exército dos EUA.

1. Criando naturalistas virtuais objetos 3-D usando VM <ol><li> Para criar embriões digital, utilize o Workshop Embrião Digital (DEW, ver Tabela 1). Cada execução gera um único embrião 14, a forma do que é único para um dado conjunto de configurações (ou &quot;genótipo&quot;) usado para a execução dada (Figura 1). As &quot;células&quot; do embrião são representados como triângulos 14. <ol><li> Executar o programa tantas vezes quantas necessárias para gerar o número desejado de embriões. </li><li> Se as formas mais complexas são desejados, aumentar o número de ciclos de crescimento, isto é, o número de vezes que as células do embrião dividem. Note-se que este também irá retardar o programa. Se é necessário criar objectos virtuais diferentes embriões digitais, utilizar comercialmente disponíveis ferramentas 3-D de modelagem ou obtenção de objectos virtuais a partir de fornecedores comerciais (Tabela 1). </li></ol></li><li> É aconselhável para salvar o objeto virtuals em um formato de arquivo normalmente utilizados, tais como OBJ, de modo que os objetos podem ser facilmente importado para um conjunto de ferramentas de modelação comercial 3-D. Para este fim, o orvalho escreve objetos em formato OBJ por padrão. </li><li> Estímulos visuais podem ser gerados usando um ou mais embriões digitais usando um modelo 3-D e do ambiente de processamento (Tabela 1). Utilizar operações padrão de gráficos tais como a variação da orientação, tamanho, textura da superfície de iluminação, e do fundo para criar o estímulo desejado (ver Figura 2). </li></ol> 2. Criando Categorias de objeto naturalistas usando VP <ol><li> Para gerar categorias de objeto, gerar descendentes (ou &quot;crianças&quot;) do ancestral dado (ou &quot;mãe&quot;) objeto usando uma combinação desejada dos processos em Passo 1.1 acima (Figura 3) 9,10,12,13. <ol><li> Alguns métodos descritos abaixo para criar variações de forma suave, como morphing ou componentes principais (ver Etapas 3 e 4), o trabalho better se todos os objectos de entrada têm o mesmo número de células e, se houver um-para-uma correspondência entre os vértices dos objectos. Para a criação de tais objectos, utilizar apenas os processos de VM que não vai mudar o número de células e irá preservar a correspondência de um-para-um dos vértices entre os objectos (ver, por exemplo, 2 a gerações G G 3 na Figura 3). Por exemplo, a divisão celular e morte celular programada alterar o número de células, e torná-lo muito mais difícil (apesar de não impossível 17,18) para determinar um-para-um entre os vértices de um dado par de objectos. Note-se que os processos que alteram o número de células em um dado objecto igualmente alterar a sua complexidade de forma. Em geral, quanto maior o número de células, a maior complexidade da forma do objecto e a sua superfície mais lisa. </li><li> Se necessário, os objectos virtuais diferentes embriões digitais podem ser utilizados como entradas para VP (Figura 4). </li></ol></li><li> Os objetos dentro de uma determinada categoria podem ser ainda seleccionados de modo a alcançar uma dada distribuição de características 19. Por exemplo, pode-se eliminar selectivamente médias objetos a partir de uma determinada categoria, a fim de gerar uma distribuição bimodal do tamanho do objecto. </li><li> Não há um método único que é universalmente óptima para a medição da informação da forma disponível para todas as categorias, nem há um único método que é o ideal para categorizar todos os objectos 20-22. Assim, o experimentor deve escolher os métodos com base nas categorias e objetivos computacionais na mão 20-22. Passo 4 descreve um método vulgarmente utilizado para a manipulação de vários aspectos da informação da forma disponível. </li><li> A semelhança entre um determinado par de categorias podem ser objetivamente medidos usando métodos filogenéticos disponíveis 23,24. Por exemplo, a distância (ou &#39;evolutivo&#39;) vertical entre um dado par de categorias, tal como medido por cl hierárquicaustering métodos da estatística R toolkit, é uma medida objetiva de similaridade categoria 25,26. </li></ol> 3. Métodos adicionais de Criação de variação da forma: Digital Morphing <ol><li> Dado qualquer par de objetos, de modo que cada vértice de um objeto corresponde a exatamente um vértice do outro objeto (. Isto é, objetos com um-para-um entre vértices), morphing é 17,18,27-29 simples: Neste caso, as variações suaves (ou &quot;morphs &#39;) entre os dois objectos são facilmente produzidos por interpolação entre os vértices correspondentes e normais (Figura 5). Dependendo do par de objectos seleccionados, morphing irá resultar em novas categorias ou crianças adicionais dentro de uma categoria. <ol><li> Os objectos apresentados na Figura 5 foram criados usando linear 27-29 morphing. Os objetos podem ser transformado (ou deformado) por uma vasta gama de outras técnicas de deformação disponíveis 17,18. </li&gt; </ol></li><li> Para criar uma distribuição desejada de formas morphed, escolher os pontos de interpolação de acordo. </li></ol> 4. Métodos adicionais de Criação de variação da forma: Componentes Principais <ol><li> A fim de utilizar os componentes principais para gerar variações de forma, é necessário em primeiro lugar determinar as componentes principais 15. Os componentes principais são específicas para um determinado conjunto de objectos utilizados para a determinação los 26. Para obter bons resultados, utilizar pelo menos 30 objetos com um-para-um entre os vértices 26. </li><li> Gerar um objeto média a partir de um conjunto de objetos de entrada desejado n, por separadamente média as coordenadas e normal de cada vértice em todos os objetos. Assim, a coordenada x de um dado vértice k deve ser a média das coordenadas x k de vértice de todos os objectos de n, e assim por diante. </li><li> Use o Matlab função PRINCOMPpara determinar os componentes principais dos objectos n. Isto gerará n-1 não-zero autovetores, juntamente com o correspondente n-1 eigenvalues ​​26. </li><li> Para gerar um novo objeto Um j de um componente principal dado P i, multiplicar P Eu pelo correspondente autovalor λ i e desejado um peso w j e adicione ao objeto média: A j = j + w λ i P i </li><li> Cada único w j irá gerar um objeto exclusivo. Por w varia suavemente, pode-se criar variantes de forma lisa ao longo de um dado componente principal. </li><li> Para criar variações forma ao longo de uma dimensão forma independente, repita o passo 4,4 usando um componente principal diferente. </li><li> Para criar uma distribuição desejada de formas ao longo de um dado componente principal, utilize a distribuição desejada de w. &lt;/ Li&gt; <li> Para criar uma rede multi-dimensional de formas, utilize um conjunto de pesos para cada um dos vários componentes principais: <img alt="Equação 2" fo:src="/files/ftp_upload/3358/3358eq2highres.jpg" src="/files/ftp_upload/3358/3358eq2.jpg" /></li></ol> 5. Criando versões Táteis de objetos 3-D <ol><li> &#39;Imprimir&#39; objetos 3-D usando um prototyper 3-D (ou 3-D &#39;impressora&#39;). Se necessário, ajuste o tamanho do objeto e alisar a superfície do objeto antes da impressão. </li></ol> 6. Uma Aplicação Exemplar: Inferência Bayesiana da categoria Imagem <ol><li> Uma tarefa importante no processamento visual é inferir a categoria para a qual um determinado objeto observado pertence. Embora o mecanismo exato desta inferência é desconhecida, há tanto evidências computacional e fisiológica 9,12,13,30-32 que envolve o uso das informações sobre as características conhecidas do objeto na imagem dada para inferir a categoria do objeto. Aqui, vamos Illustrate como este processo inferencial pode funcionar em um contexto Bayesiano, e como digital de embriões podem ser úteis para a investigação nesta área. </li><li> Para simplificar, vamos supor que a tarefa de categorização é binário e envolve K categoria distinta da categoria L (Figura 3). Seja C a variável categoria. Iremos inferir que C = K = L ou C de acordo com se a imagem observada I pertence à categoria K ou L. Uma abordagem típica de categorização envolve: <ol><li> Calcular a probabilidade de que a categoria é K, dada a informação na imagem, indicada p (C = K | I); </li><li> Calcular a probabilidade de que a categoria é L, dada a informação na imagem, indicada p (C = L | I); e </li><li> Escolher a categoria com o maior probabilidade. </li></ol></li><li> Em seguida, vamos assumir por simplicidadeque não é exatamente uma característica F binário. Esta característica pode ser quer presente na imagem (denominados F = 1) ou ausente da imagem (denominados F = 0). Este exemplo irá utilizar o &quot;fragmento informativo&quot; característica mostrada na Figura 8. Fragmentos informativos foram primeiramente descrita por Ullman e seus colegas 33. No presente caso, usaremos o modelo de imagem mostrado na Figura 8 como a característica, e um valor de limiar de 0,69. Para determinar se esse recurso está presente em uma determinada imagem (por exemplo, a imagem mais à direita na linha G3 na Figura 3), vamos usar os seguintes passos: <ol><li> Deslizar sobre este modelo de todas as localizações possíveis na imagem e calcular, em cada local, o valor absoluto de correlação cruzada normalizado entre o modelo e a imagem de sub-base. </li><li> Seleccionar a localização da imagem com o valor mais elevado (0,60, no caso presente). </li><li> Se este valor for superior ao limiar, concluirque o recurso está presente, caso contrário, concluir que ele está ausente. No nosso caso, uma vez que a maior correlação 0,60 é inferior ao limiar de 0,69, nós concluímos que o recurso está ausente nessa imagem. </li><li> A lógica de utilização de tais recursos, e os mecanismos de seleção dos recursos e determinar os seus limites estão além do escopo deste relatório, mas são descritos em detalhes no refs. 33, 30. </li></ol></li><li> No âmbito do recurso com base em inferência, assumimos que todas as informações dos extratos observador da imagem está contida no valor deste recurso, i. e, que p (C | I). = p (C | F). Portanto, torna-se a tarefa de determinar que o valor de F na imagem determinada (presente ou ausente), a computação p (C = K | F) e p (C = L | F) para que o valor F, e seleccionando a categoria com quanto maior probabilidade. </li><li> No âmbito Bayesiana, </li></ol><img alt="Equação 3" fo:src="/files/ftp_upload/3358/3358eq3highres.jpg" src="/files/ftp_upload/3358/3358eq3.jpg" /> Portanto, <img alt="equação 4" fo:src="/files/ftp_upload/3358/3358eq4highres.jpg" src="/files/ftp_upload/3358/3358eq4.jpg" /> e <img alt="Equação 5" fo:src="/files/ftp_upload/3358/3358eq5highres.jpg" src="/files/ftp_upload/3358/3358eq5.jpg" /> Note-se que o denominador nas duas equações é o mesmo. Por conseguinte, para comparar p (C = K | F) e p (C = L | F), não é necessário calcular o denominador, em vez disso, é suficiente para calcular as quantidades p (C = K | F) α p (C = K) p (F | C = K) e p (C = L | F) α p (C = L) p (F | C L =) These são às vezes chamados de &quot;probabilidades unnormalized. O termo p (C) é chamado de &#39;antes&#39; eo termo p (F | C) é chamado de &#39;probabilidade&#39;. <ol start="6"><li> Para simplificar, vamos assumir um &#39;flat&#39; antes: p (C = K) = p (C = L) = 0,5. </li><li> A tarefa é agora de calcular p (F | C), a probabilidade de um valor de função de constantes de uma imagem de uma dada categoria C. <ol><li> Usaremos os seis imagens da categoria L (Figura 3), como um exemplo para calcular p (F = 1 | C = L), a probabilidade de que a funcionalidade presente em uma imagem de L categoria. </li><li> Para calcular p (F = 1 | C = L), primeiro exame de todas as imagens de formação que pertencem a L. Mais uma vez, estes são mostrados na Figura 3. </li><li> Para cada imagem, determinar se o valor recurso é 1 (presente) Ou 0 (ausente), como descrito em (6.3.1) - (6.3.3). No nosso caso, as seis imagens na Figura 3, os valores são os seguintes: [0, 0, 1, 0, 1, 0]. </li><li> Calcular a fracção de imagens em que a característica é o valor 1. No nosso caso, é de 2/6 = 0,33. </li><li> Assim, p (F = 1 | C = L) = 0,33. Note-se que a precisão da estimativa, deve-se usar pelo menos 30 imagens por classe. </li><li> De uma maneira semelhante, pode-se calcular que p (F = 0 | C = L) = 0,67, p (F = 1 | C = K) = 0,83, p (F = 0 | C = K) = 0,17. </li></ol></li><li> Tendo em conta estes valores, inferência pode ser realizada. Assuma que nos é dado uma nova imagem (Figura 9), e trata-se de determinar a sua etiqueta categoria. Isto é realizado como se segue: <ol><li> Nós determinamos se a F característica está presente na imagem, como descrito em (6.3.1) - (6.3.3). No nosso caso, a featura está presente, de forma F = 1. </li><li> Utilizando as equações (1) e (2), e os valores calculados em (6.7.5) - (6.7.6), pode-se calcular que p (C = K | F = 1) = 0,42 e p (C = L | F = 1) = 0,17. </li><li> Perante esta informação, é racional concluir que a imagem é de categoria K, com confiança relativamente baixo. </li></ol></li><li> Pode ser interessante e útil para testar uma tal abordagem num sistema biológico (por exemplo, psicofisicamente). Neste caso, as previsões de comportamento pode ser feita, e comparados com os resultados computacionais, tais como as obtidas em (6.8.2). Para fazer previsões precisas, boas estimativas de p (F | C) são necessários. Tais estimativas, no entanto, pode ser difícil para a obtenção de objectos familiares. A razão é que a estimativa de um sujeito de p (F | C) não é observável directamente, e é extremamente difícil de calcular que uma vez que o sujeitoExposição prévia &#39;s para imagens naturais é incontrolável e desconhecido. Em contraste, se os embriões digitais são utilizadas para as experiências e, em seguida, é possível controlar com precisão quais os embriões e categorias de embrião de o sujeito é exposto a. Isto torna mais fácil de calcular as quantidades de interesse a partir de exactamente os mesmos dados o sujeito foi exposto. O fato de que a aparência embriões &quot;é naturalista é útil, já que torna mais provável que o assunto está usando a estratégia de categorização mesmo que com categorias naturais. </li></ol>

<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>

Não há conflitos de interesse declarados.

Utilidade da VM e VP de Pesquisa em Ciência Cognitiva Nós já descreveu a utilidade de VM e VP em detalhes l9 ,10,12-14. Resumidamente, VM, especialmente a metodologia embrião digital, é útil porque proporciona um método de princípios e flexível para a criação de novo, mas naturalistas objectos 3-D 14. Da mesma forma, VP fornece um método de princípio de criação de categorias naturalistas 9,10,12,13. Vale a pena notar que as categorias de objetos gerados por características partes VP muitos com categorias de objetos na natureza, incluindo o fato de que as categorias tendem a ser de natureza hierárquica, e as variações de recursos dentro e através de categorias surgir independentemente do experimentador e os algoritmos de classificação los 39. Limitações atuais e perspectivas futuras Três limitações atuais do nosso protocolo e as direções para trabalhos futuros sugeremsão particularmente notáveis: Primeiro, tanto VM e VP simular processos biológicos. Enquanto que mostram que não biológicos objectos virtuais podem ser utilizados como substratos para estes processos, os processos subjacentes são ainda biologicamente motivados. No entanto, os objetos naturais - biológicos e não biológicos parecidos - sofrer alterações de forma, devido à não-biológicos forças. Por exemplo, as pedras podem ser alterados na forma devido a processos geológicos, tais como a erosão ou sedimentação. Novas categorias de rocha pode surgir de outros tais processos geológicos. Ele deve ser relativamente simples de incorporar esses processos no repertório de algoritmos de alteração disponíveis de forma. A segunda limitação importante do nosso protocolo é que seu repertório atual de mudanças de forma dinâmica é bastante limitada. É desejável a incorporação de uma maior variedade de alterações de forma, tais como movimento biológico, ou movimento devido a forças externas como o vento, a água, ou a gravidade. Esperamos que will ser relativamente simples de trazer para os algoritmos de animação conhecidos de computador para implementar tais mudanças de forma dinâmica. A terceira limitação importante do nosso protocolo é que VM atualmente não inclui muitos outros processos morfogenéticos conhecidos, incluindo, principalmente, a gastrulação 36. Também não incorporar algumas limitações conhecidas, tais como o facto de que a morfogénese em plantas é mediada exclusivamente por crescimento, com o movimento de células pouco ou nenhum possível, em virtude das paredes das células 36. Da mesma forma, VP não inclui outros processos filogenéticos conhecidos, tais como a deriva genética 40. Enfrentar essas limitações ajudaria facilitar muito o uso do nosso protocolo em desenvolvimento, simulações ecológicos e evolutivos.

<table border="1"><tbody><tr><td> Nome do conjunto de ferramentas / equipamentos </td><td> Empresa / Autor </td><td> Catálogo # </td><td> Comentários </td></tr><tr><td> Oficina de embriões Digital (DEW) </td><td> Mark Brady e Dan Gu </td><td></td><td> Este user-friendly, ferramenta baseada em menus podem ser baixados de graça, como um download de <a href="http://www.hegde.us/DigitalEmbryos" target="_blank">http://www.hegde.us/DigitalEmbryos</a> . Atualmente disponível apenas para Windows. </td></tr><tr><td> Ferramentas digitais de embrião para Cygwin </td><td> Jay Hegde e Karin Hauffen </td><td></td><td> Este é um conjunto disperso de não tão amigáveis ​​programas. Eles são projetados para ser executado a partir da interface de linha de comando do Linux emulador Cygwin para Windows. Estes programas podem ser baixados como Download 2 de <a href="http://www.hegde.us/DigitalEmbryos" target="_blank">http://ww</a>w.hegde.us / DigitalEmbryos. A interface Cygwin em si pode ser baixado gratuitamente a partir de <a href="http://www.cygwin.com" target="_blank">www.cygwin.com</a> . </td></tr><tr><td> Autodesk 3ds Max, Montreal, Quebec, Canadá </td><td> Autodesk Media and Entertainment </td><td> 3DS Max </td><td> Esta é uma modelagem 3-D, animação e kit de ferramentas de renderização com uma arquitetura de plugins flexível e um built-in linguagem de script. Disponível para a maioria dos sistemas operacionais atuais. </td></tr><tr><td> MATLAB </td><td> Mathworks Inc., Natick, MA, EUA </td><td> MATLAB </td><td> Este é um ambiente de computação numérica e linguagem de programação com muitas útil add-on características. Disponível para a maioria dos sistemas operacionais atuais. </td></tr><tr><td> R estatística kit de ferramentas </td><td> R projeto para computação estatística </td><td> R </td><td> Pode ser baixado cargo de livre de <a href="http://www.r-project.org/" target="_blank">http://www.rp</a>roject.org /. Disponível para a maioria dos sistemas operacionais atuais. </td></tr><tr><td> OpenGL </td><td> Khronos Group </td><td> OpenGL </td><td> Esta cruz-linguagem, conjunto de ferramentas multi-plataforma gráfica pode ser baixado gratuitamente a partir de <a href="http://www.opengl.org" target="_blank">www.opengl.org</a> . </td></tr><tr><td> V-Flash impressora pessoal </td><td> 3D Systems Inc., Rock Hill, SC, EUA </td><td> V-Flash </td><td> Este é um bom valor para todas as aplicações em 3-D de impressão descritos neste relatório. Os materiais de impressão também são vended pela 3D Systems, Inc. modelos mais baratos estão disponíveis na forma de código aberto da RepRap (rapmanusa.com) e MakerGear. Modelos mais caros (&gt; $ 30 K) estão disponíveis a partir de Geometrias Objet, Sistemas de 3DS, Z-Corp, impressão, etc Dimensão </td></tr><tr><td> <a href="http://www.TurboSquid.com" target="_blank">TurboSquid.com</a> </td><td> TurboSquid Inc., New York, LA </td><td> (Vários objetos) </td><td> Vários virtuais objetos 3-D pode ser baixado do site gratuitamente ou por uma taxa. </td></tr><tr><td></td><td></td><td></td><td> Tabela 1. Tabela de kits de ferramentas e equipamentos específicos. </td></tr></tbody></table>

creating objects and object categories for studying perception and perceptual learning

A fim de estudar quantitativamente a percepção do objeto, seja pela percepção de sistemas biológicos ou por máquinas, é preciso criar objetos e categorias de objetos com precisão definível, de preferência naturalista, propriedades 1. Além disso, para estudos sobre o aprendizado perceptual, é útil para criar novos objetos e categorias de objetos (ou classes de objetos) com tais propriedades 2. Muitos métodos inovadores e úteis existem atualmente para a criação de novos objetos e categorias objeto 3-6 (ver também refs. 7,8). No entanto, de modo geral, os métodos existentes têm três tipos de deficiências. Em primeiro lugar, as variações de forma são geralmente imposta pelo experimentador 5,9,10, e podem, portanto, ser diferente da variabilidade categorias naturais, e optimizado para um algoritmo de reconhecimento particular. Seria desejável ter as variações surgem independentemente do externally impôs restrições. Em segundo lugar, os métodos existentes têm dificuldade em captar a complexidade forma dos objectos naturais 11-13. Se o objetivo é estudar a percepção do objeto natural, é desejável que os objetos e categorias objeto a ser naturalista, de modo a evitar possíveis confunde e casos especiais. Em terceiro lugar, é geralmente difícil de medir quantitativamente a informação disponível nos estímulos criados através de métodos convencionais. Seria desejável para criar objectos e categorias de objectos em que a informação disponível pode ser medido com precisão e, se necessário, sistematicamente manipulada (ou &quot;afinado&quot;). Isto permite que se formulam as tarefas de reconhecimento de objectos subjacentes, em termos quantitativos. Aqui nós descrevemos um conjunto de algoritmos ou métodos que atendam todos os três critérios acima. Morfogênese virtual (VM) cria novos, naturalistas virtuais objetos 3-D chamados &quot;embriões digitais&quot; porsimulando o processo biológico de embriogénese 14. Virtual filogênese (VP), cria novas categorias de objeto, naturalistas, simulando o processo evolutivo da seleção natural 9,12,13. Objetos e categorias de objetos criados por essas simulações podem ser ainda manipulados por vários métodos de morphing para gerar variações sistemáticas de características de forma 15,16. O vice-presidente e morphing métodos também podem ser aplicadas, em princípio, a novela objetos virtuais que não sejam embriões digitais, ou a versões virtuais de objetos do mundo real 9,13. Objetos virtuais criados desta forma pode ser processado como imagens visuais usando uma ferramenta gráfica convencional, com manipulações desejados de superfície, textura, iluminação, tamanho ponto de vista, e do fundo. Os objetos virtuais também pode ser &#39;impresso&#39; como objetos táteis usando um convencional 3-D prototyper. Descrevemos também algumas implementações destes algoritmos computacionais para ajudar ilustratrar a utilidade potencial dos algoritmos. É importante distinguir os algoritmos de suas implementações. As implementações são demonstrações oferecidos apenas como uma &quot;prova de princípio&quot; dos algoritmos subjacentes. É importante notar que, em geral, uma implementação de um algoritmo computacional frequentemente tem limitações que o próprio algoritmo não tem. Juntos, estes métodos representam um conjunto de ferramentas poderosas e flexíveis para estudar o reconhecimento de objetos e aprendizado perceptual por sistemas biológicos e computacionais semelhantes. Com as extensões apropriadas, estes métodos podem também ser úteis no estudo da morfogénese e filogênese.

VM pode ser usado para gerar uma fonte virtualmente ilimitada de formas novas 3-D. Alguns embriões exemplares digitais gerados usando o algoritmo de VM são mostrados no painel inferior da Figura 1. Cada um destes 16 embriões foram gerados usando o programa &quot;growEmbryos.exe &#39;nas ferramentas de embrião digitais para Cygwin (ver Tabela 1) durante 40 crescimento ciclos. Todos os outros parâmetros de crescimento foram definidos internamente pelo programa. A maioria destes parâmetros foram constantes (isto é, idêntico a partir de um embrião para o outro). Alguns parâmetros como a localização ea força de fontes de morfogénios, foram estabelecidos parâmetros aleatórios internamente pelo programa de forma independente para cada execução. As variações de formas entre estes 16 embriões surgiram apenas como resultado das variações nestes parâmetros aleatórios. Alguns exemplos de texturização de superfície 34,35 usando algumas texturas arbitrariamente escolhidos, são mostrados na Figura 2A. Cenas visuais de umcomplexidade rbitrary podem ser criadas usando um disponível comercialmente modelagem 3-D e do ambiente de processamento, como mostrado na Figura 2B. &quot;Árvore de família&quot; Um representante gerado por VP digitais usando embriões é mostrada na Figura 3. Árvores comparáveis ​​podem também ser construídas utilizando objectos que não sejam os embriões digitais, como se mostra na Figura 4. Note-se que em ambos os casos, os objectos que partilham um ancestral comum diretamente constituem uma categoria, embora o experimentador pode também escolher definir uma categoria que qualquer outro conjunto de objectos. Vale a pena notar a partir da Figura 4, que a nossa implementação atual da VM e algoritmos VP tende a produzir relativamente suave, superfícies curvas, em vez de objetos pontiagudos ou apartamento. É importante notar também que este é provavelmente a limitação de nossa implementação destes algoritmos e não os algoritmos em si, já que os processos biolological pode produzir objectivosts com superfícies planas e contornos irregulares (por ex., rosa folha). As Figuras 5 e 6 ilustram os resultados dos dois métodos típicos que podem ser utilizados em adição a, ou em vez de, de VP para criar variações em forma de princípio objecto e categorias de objectos. O painel superior da Figura 7 ilustra representações visuais dos dois embriões digitais, e o painel inferior da Figura 7 ilustra as impressões correspondentes gerados por um comercialmente disponível prototyper 3-D. Figuras 8 e 9 ilustram os procedimentos descritos na seção 6 para usar fragmentos de imagem para classificar um determinado objeto visual. <img alt="Figura 1" fo:content-width="4in" fo:src="/files/ftp_upload/3358/3358fig1highres.jpg" src="/files/ftp_upload/3358/3358fig1.jpg" /> Figura 1. Morfogênese virtual. </strong&gt; O painel inferior ilustra um tipo de romance, naturalistas, virtuais 3-D objetos chamados &quot;embriões digitais&quot; 14. Embriões digitais podem ser gerados através da simulação de um ou mais de alguns dos principais processos de embriogénese biológico: morfogénio mediada por divisão celular, crescimento celular, movimento celular e morte celular programada 7,8,36,37. Cada corrida começa com um icosaedro (mostrado no painel superior), e gera um único embrião, dependendo das definições de parâmetros de VM (ou o &quot;genótipo&quot;) de que o embrião. Assim, os 16 embriões no painel de fundo de diferentes formas, porque todos eles têm diferentes genótipos. Note-se que mais simples ou mais formas complexas podem ser gerados quando necessário (por exemplo, para estimular os neurónios optimamente com um dado nível da hierarquia visual) através da manipulação do genótipo do embrião. Todos os processos acima referidos, com excepção embryogenetic morte celular programada foi simulado em gerar os embriões mostrado. Morte celular programada simulado é especialmenteútil para criar entalhes alvo (não mostrado). <img alt="Figura 2" fo:content-width="3.6in" fo:src="/files/ftp_upload/3358/3358fig2highres.jpg" src="/files/ftp_upload/3358/3358fig2.jpg" /> Figura 2. Criar estímulos visuais usando embriões digitais. Como qualquer objeto virtual 3-D, os embriões digitais podem ser graficamente manipulado para criar cenas visuais de complexidade arbitrária usando qualquer conjunto de ferramentas 3-D padrão gráfico. Esta figura ilustra algumas manipulações comuns. (A) O mesmo embrião digital é texturizada utilizando muitas texturas diferentes, e iluminado por uma fonte de luz invisível no canto superior esquerdo. (B) Uma cena camuflada é criado através do redimensionamento e re-orientar o embrião digital e digitalmente colocando-o contra o mesmo fundo foi texturizado com. O embrião digital pode ser encontrado em &#39;vista de todos &quot;, no quadrante inferior direito. Para exemplos adicionais de estímulos visuais CREated uso de embriões digitais, ver refs. 9,10,12-14,38. <img alt="Figura 3" fo:content-width="5in" fo:src="/files/ftp_upload/3358/3358fig3highres.jpg" src="/files/ftp_upload/3358/3358fig3.jpg" /> Figura 3. Criação de categorias de embrião digitais usando VP. VP O algoritmo simula a evolução biológica, em que em ambos os casos, objetos novos e categorias de objetos surgem como variações hereditárias acumular seletivamente. A cada geração G i, os embriões selecionados procriar, levando a geração G i +1. A progênie herdam as características da forma de seu pai, mas acumulam variações forma própria (como determinado por pequenas variações em seu genótipo) como elas se desenvolvem. Esta figura mostra uma &quot;árvore genealógica&quot; de três gerações de descendentes a partir de um único ancestral comum, um icosaedro. Note-se que, neste caso, o aumento da complexidade da forma do icosaedro para gerion G 1, mas não a partir de G a frente 1. Isto é porque no aumento do número de células (isto é., A divisão celular) foi deixada a partir do icosaedro a geração G 1, mas não a partir de G a frente 1. Em geral, a divisão das células tende a aumentar a complexidade de forma, ao passo que outros processos morfogenéticos tais como o movimento das células e forma da célula, sem alterar a mudança do crescimento da complexidade global da forma. <img alt="Figura 4" fo:content-width="6in" fo:src="/files/ftp_upload/3358/3358fig4highres.jpg" src="/files/ftp_upload/3358/3358fig4.jpg" /> Figura 4. VP usando objetos virtuais que não sejam embriões digitais. Este valor ajuda a ilustrar o princípio geral de que os objetos virtuais que não sejam embriões digitais podem ser usados ​​como entrada para VP. O algoritmo VP em sua forma atual pode operar em qualquer objeto virtual em 3-D, cuja superfície consiste unicamente de triângulos. Geração G 1 comprised de (da esquerda para a direita) uma cabaça, diamante, máscara facial, maçã, rock, e um cacto. Note-se que os objetos em uma G geração nesta figura não têm um ancestral comum, porque VP não o exigir. Objetos em G 2 e G 3 representam os descendentes do rock em G 1. Não há divisões celulares foram autorizados em qualquer geração, de modo que todas as variações da forma surgiu apenas a partir do movimento e / ou crescimento do indivíduo &quot;células&quot; de um dado objeto. <img alt="Figura 5" fo:content-width="6.5in" fo:src="/files/ftp_upload/3358/3358fig5highres.jpg" src="/files/ftp_upload/3358/3358fig5.jpg" /> Figura 5. Usando morphing para criar variações suaves em forma. Morphing envolve tomar dois objetos dados (extrema esquerda e extrema direita embrião nesta figura) e calculando os objetos intermediários (intervindo embriões) por interpolação entre os vértices correspondentes do designar doisobjetos d. No caso mostrado, todos os vértices foram interpolados utilizando o factor escalar mesma, resultando num morphing linear. No entanto, é igualmente possível transformar os objectos de forma não linear (não mostrado). Morphing é computacionalmente simples quando existe uma correspondência de um-para-um entre os vértices exacto de dois objectos, como no caso mostrado. No entanto, é possível, em princípio, de se transformar entre quaisquer dois determinados objectos virtuais, independentemente de seus vértices correspondem exactamente, embora não exista um método único de princípio para isso 17,18. <img alt="Figura 6" fo:content-width="6in" fo:src="/files/ftp_upload/3358/3358fig6highres.jpg" src="/files/ftp_upload/3358/3358fig6.jpg" /> Figura 6. A utilização de componentes principais para criar variações suaves na forma. (A) Média embrião. Este embrião representa a média aritmética de 400 embriões (200 cada de categorias K e L emFigura 3). Os componentes principais foram calculados como descrito no passo 4.3. Observe que os componentes principais representam mutuamente independentes, dimensões forma abstrata dos 400 embriões (não mostrado) 25,26. 400 embriões produzir 399 não-zero componentes principais 25,26, que juntos respondem por toda a variância, ou a informação de forma, disponível coletivamente nos embriões. Por convenção, os principais componentes são arranjados na ordem decrescente dos seus valores próprios, ou a proporção da variância total que explicam 25,26. Neste caso, os dois primeiros componentes principais, respectivamente, responsável por 73% e 19% da informação de forma disponível nos 400 embriões. (B) Os embriões que representam pesos diferentes (ou mais precisamente, eigenvalues ​​ponderadas) de Componente Principal 1. Os pesos variaram de 2 (extrema esquerda) a -2 (extrema-direita) em passos iguais de -0,2. (C) Os embriões que representam diferentes pesos de COMPON principalent 2. Os pesos também variou de 2 (extrema esquerda) a -2 (extrema-direita) em passos iguais de -0,2. Note-se que a manipulação de componentes principais não exclusivamente manipular qualquer parte do corpo, específica do embrião (p. ex., As asas do embrião no caso mostrado). No entanto, se for necessário, partes do corpo de virtuais objectos 3-D podem ser manipulados de qualquer forma arbitrária definida pelo utilizador utilizando a maior parte dos comercialmente disponíveis 3-D ambientes de modelagem (não mostrada). <img alt="Figura 7" fo:content-width="4in" fo:src="/files/ftp_upload/3358/3358fig7highres.jpg" src="/files/ftp_upload/3358/3358fig7.jpg" /> Figura 7. Criação de objetos táteis. Virtual objetos 3-D pode ser &#39;impresso&#39; como objetos táteis usando um padrão, disponível comercialmente em 3-D &#39;impressora&#39; ou prototyper. Esta figura mostra embriões digitais prestados como objetos visuais (fila de cima) ou como os objetos táteis correspondentes (linha de fundo). Os objetos táteis shown nesta figura foram impressas em cerca de 6 cm de largura (barra de escala = 1 cm), embora os objetos podem ser impressas em tamanhos muito menores ou maiores. <img alt="Figura 8" src="/files/ftp_upload/3358/3358fig8.jpg" /> Figura 8. Um modelo para um fragmento de exemplo informativo. Neste exemplo, o molde tem um limite de 0,69 a ela associados. <img alt="Figura 9" fo:content-width="2.5in" fo:src="/files/ftp_upload/3358/3358fig9highres.jpg" src="/files/ftp_upload/3358/3358fig9.jpg" /> Figura 9. Uma nova imagem para o qual a categoria de objecto não é conhecido e tem de ser determinado.

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

Nós descrevemos uma nova metodologia para a criação de naturalistas objetos 3-D e categorias de objetos com variações característica precisamente definidos. Nós usamos simulações dos processos biológicos de morfogênese e filogênese para criar novos, naturalistas virtuais objetos 3-D e categorias de objetos que podem ser processados ​​como imagens visuais ou objetos táteis.

Criação de Objetos e categorias de objetos para o Estudo Percepção e Aprendizagem Perceptual

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 visualizações.  Georgia Health Sciences University. Nós descrevemos uma nova metodologia para a criação de naturalistas objetos 3-D e categorias de objetos com variações característica precisamente definidos. Nós usamos simulações dos processos biológicos de morfogênese e filogênese para criar novos, naturalistas virtuais objetos 3-D e categorias de objetos que podem ser processados ​​como imagens visuais ou objetos táteis.

Vídeo: 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.

C. elegans Aprender Butanona Positivo, de curto prazo e de longo prazo Ensaios Memória Associativa

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

Neurociência

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.

Acessível usando Arrays LED para Foto Estimulação de Neurônios

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.

Transdução Viral seletiva de Adultos-nascido neurônios olfativos de crônica In vivo Estímulo Optogenetic

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: Implementação de um simulador de movimento Novela Caminho para Investigar Integração multisensorial em Três Dimensões

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.

De alta resolução funcionais Métodos ressonância magnética para Midbrain Humanos

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.

A gravação ótica da atividade neural supraliminares com resolução de uma única célula e um único pico

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.

Mapeamento Dynamics cortical MEG simultâneas / EEG e anatomicamente constrangido mínima norma-Estimativas: um exemplo Atenção Auditiva

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.

Drosophila Adulto Olfativo Choque Aprendizagem

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.

Monte todo imunomarcação de Neurônios Receptores Olfatórios no<em&gt; Drosophila</em&gt; Antena

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.

Método eletrofisiológico para respostas gravação intracelular de tensão<em&gt; Drosophila</em&gt; Fotorreceptores e Interneurônios à luz Estímulos<em&gt; In Vivo</em