Name: a psychophysics paradigm for the collection and analysis of similarity judgments
Uploaded: 2022-03-01T13:45:00
Description: Watch this Scientific Journal Video about A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments at JoVE.com

העבודה נתמכת במימון המכונים הלאומיים לבריאות (NIH), מענק EY07977. המחברים מבקשים גם להודות לאוסמן עיאז על עזרתו בבדיקת התוכנה, ולמוחמד נעים עיאז על דבריו על כתב היד.

לפני תחילת הניסויים, כל הנבדקים מספקים הסכמה מדעת בהתאם להנחיות המוסדיות והצהרת הלסינקי. במקרה של מחקר זה, הפרוטוקול אושר על ידי ועדת הביקורת המוסדית של המכללה הרפואית וייל קורנל.
1. התקנה והגדרה
<ol><li>הורד את הקוד ממאגר GitHub, קווי דמיון (https://github.com/jvlab/similarities). בשורת ה?...

<ol>
	<li>Edelman, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Representation+is+representation+of+similarities.">Representation is representation of similarities.</a> TheBehavioral and Brain Sciences. 21 (4), 449-498 (1998).</li><li>Hahn, U., Chater, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Concepts+and+similarity.">Concepts and similarity.</a> Knowledge, Concepts and Categories. , 43-84 (1997).</li><li>Kriegeskorte, N., Kievit, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Representational+geometry:+integrating+cognition,+computation,+and+the+brain.">Representational geometry: integrating cognition, computation, and the brain.</a> Trends in Cognitive Sciences. 17 (8), 401-412 (2013).</li><li>Hebart, M. N., Zheng, C. Y., Pereira, F., Baker, C. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Revealing+the+multidimensional+mental+representations+of+natural+objects+underlying+human+similarity+judgements.">Revealing the multidimensional mental representations of natural objects underlying human similarity judgements.</a> Nature Human Behaviour. 4 (11), 1173-1185 (2020).</li><li>Deng, W. S., Sloutsky, V. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+development+of+categorization:+Effects+of+classification+and+inference+training+on+category+representation.">The development of categorization: Effects of classification and inference training on category representation.</a> Developmental Psychology. 51 (3), 392-405 (2015).</li><li>Shepard, R. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stimulus+and+response+generalization:+tests+of+a+model+relating+generalization+to+distance+in+psychological+space.">Stimulus and response generalization: tests of a model relating generalization to distance in psychological space.</a> Journal of Experimental Psychology. 55 (6), 509-523 (1958).</li><li>Coombs, C. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+method+for+the+study+of+interstimulus+similarity.">A method for the study of interstimulus similarity.</a> Psychometrika. 19 (3), 183-194 (1954).</li><li>Ga&#776;rdenfors, 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> Conceptual Spaces: The Geometry of Thought. , (2000).</li><li>Zaidi, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Perceptual+spaces:+mathematical+structures+to+neural+mechanisms.">Perceptual spaces: mathematical structures to neural mechanisms.</a> The Journal of Neuroscience The Official Journal of the Society for Neuroscience. 33 (45), 17597-17602 (2013).</li><li>Krishnaiah, P. R., Kanal, L. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Handbook of Statistics 2. , (1982).</li><li>Tsogo, L., Masson, M. H., Bardot, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multidimensional+Scaling+Methods+for+Many-Object+Sets:+A+Review.">Multidimensional Scaling Methods for Many-Object Sets: A Review.</a> Multivariate Behavioral Research. 35 (3), 307-319 (2000).</li><li>Kriegeskorte, N., Mur, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Inverse+MDS:+Inferring+dissimilarity+structure+from+multiple+item+arrangements.">Inverse MDS: Inferring dissimilarity structure from multiple item arrangements.</a> Frontiers in Psychology. 3, 245 (2012).</li><li>Rao, V. R., Katz, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Alternative+Multidimensional+Scaling+Methods+for+Large+Stimulus+Sets.">Alternative Multidimensional Scaling Methods for Large Stimulus Sets.</a> Journal of Marketing Research. 8 (4), 488-494 (1971).</li><li>Hoffman, J. I. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hypergeometric+Distribution.">Hypergeometric Distribution.</a> Biostatistics for Medical and Biomedical Practitioners. , 179-182 (2015).</li><li>Victor, J. D., Rizvi, S. M., Conte, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Two+representations+of+a+high-dimensional+perceptual+space.">Two representations of a high-dimensional perceptual space.</a> Vision Research. 137, 1-23 (2017).</li><li>Knoblauch, K., Maloney, L. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimating+classification+images+with+generalized+linear+and+additive+models.">Estimating classification images with generalized linear and additive models.</a> Journal of Vision. 8 (16), 1-19 (2008).</li><li>Maloney, L. T., Yang, J. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Maximum+likelihood+difference+scaling.">Maximum likelihood difference scaling.</a> Journal of Vision. 3 (8), 573-585 (2003).</li><li>Logvinenko, A. D., Maloney, L. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+proximity+structure+of+achromatic+surface+colors+and+the+impossibility+of+asymmetric+lightness+matching.">The proximity structure of achromatic surface colors and the impossibility of asymmetric lightness matching.</a> Perception &amp; Psychophysics. 68 (1), 76-83 (2006).</li><li>Zhou, Y., Smith, B. H., Sharpee, T. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hyperbolic+geometry+of+the+olfactory+space.">Hyperbolic geometry of the olfactory space.</a> Science Advances. 4 (8), (2018).</li><li>Goldstone, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+efficient+method+for+obtaining+similarity+data.">An efficient method for obtaining similarity data.</a> Behavior Research Methods, Instruments, &amp; Computers. 26 (4), 381-386 (1994).</li><li>Townsend, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Theoretical+analysis+of+an+alphabetic+confusion+matrix.">Theoretical analysis of an alphabetic confusion matrix.</a> Perception &amp; Psychophysics. 9, 40-50 (1971).</li></ol>

הפרוטוקול המתואר כאן יעיל להשגה וניתוח של שיפוטי דמיון לגירויים שניתן להציג חזותית. הפרדיגמה הניסיונית, הניתוח וההרחבות האפשריות נדונים תחילה, ובהמשך ביתרונות ובחסרונות של השיטה.
פרדיגמה ניסיונית: השיטה המוצעת מודגמת באמצעות תחום של 37 שמות בעלי חיים, וערכת נתוני?...

בני אדם מעבדים ומייצגים מידע חושי נכנס כדי לבצע מגוון רחב של משימות, כגון זיהוי אובייקטים, ניווט, הסקת מסקנות לגבי הסביבה ורבים אחרים. שיפוטי דמיון משמשים בדרך כלל כדי לחקור את הייצוגים הנפשיים האלה1. הבנת המבנה של ייצוגים מנטליים יכולה לספק תובנה על ארגון הידע המושגי2. ניתן גם לקבל תובנה על חישובים עצביים, על ידי התייחסות שיפוטי דמיון לדפוסי הפעלת המוח3. בנוסף, שיפוטי דמיון חושפים תכונות בולטות בתפיסה4. לימוד האופן שבו ייצוגים מנטליים משתנים במהלך ההתפתחות יכול לשפוך אור על האופן שבו הם נלמדים5. לפיכך, שיפוטי דמיון מספקים תובנה רבת ערך על עיבוד מידע במוח.
מודל נפוץ של ייצוגים מנטליים באמצעות קווי דמיון הוא מודל חלל גיאומטרי 6,7,8. מודל מסוג זה, המיושם על תחומים חושיים, מכונה לעתים קרובות מרחב תפיסתי9. נקודות במרחב מייצגות גירויים ומרחקים בין נקודות תואמים את השונות הנתפסת ביניהן. משיקולי דמיון, ניתן לקבל הערכות כמותיות של שונות. לאחר מכן ניתן להשתמש בשינויים זוגיים (או מרחקים תפיסתיים) אלה כדי לדגמן את המרחב התפיסתי באמצעות שינוי קנה מידה רב-ממדי10.
ישנן שיטות רבות לאיסוף פסקי דין דמיון, כל אחד עם היתרונות והחסרונות שלו. הדרך הפשוטה ביותר להשיג אמצעים כמותיים של שונות היא לבקש מהנבדקים לדרג בקנה מידה את מידת השוני בין כל זוג גירויים. אמנם זה מהיר יחסית, הערכות נוטות להיות לא יציבות על פני מפגשים ארוכים כמו נושאים לא יכולים לחזור פסקי דין קודמים, ואפקטים הקשר, אם קיים, לא ניתן לזהות. (כאן, אפקט הקשר מוגדר כשינוי בדמיון שנשפט בין שני גירויים, בהתבסס על נוכחות של גירויים אחרים שאינם משווים.) לחלופין, ניתן לבקש מהנבדקים להשוות את כל זוגות הגירויים לכל זוגות הגירויים האחרים. אמנם זה יניב סדר דירוג אמין יותר של הבדלים, מספר ההשוואות נדרש סולמות עם הכוח הרביעי של מספר הגירויים, מה שהופך אותו אפשרי רק ערכות גירוי קטן. לחלופות מהירות יותר, כגון מיון למספר מוגדר מראש של אשכולות11 או מיון חינם יש מגבלות משלהן. מיון חופשי (למספר רב של ערימות) הוא אינטואיטיבי, אך הוא מאלץ את הנושא לסווג את הגירויים, גם אם הגירויים אינם להשאיל את עצמם בקלות לסיווג. השיטה הרב-סידורית העדכנית יותר, MDS הפוכה, עוקפת רבות מהמגבלות הללו והיא יעילה מאוד12. עם זאת, שיטה זו מחייבת את הנבדקים להקרין את הייצוגים המנטליים שלהם על מישור אוקלידי דו-ממדי ולשקול קווי דמיון באופן גיאומטרי ספציפי, מה שהופך את ההנחה כי מבנה הדמיון ניתן לשחזר ממרחקים אוקלידיים על מטוס. לפיכך, נותר צורך בשיטה יעילה לאיסוף כמויות גדולות של פסקי דין דמיוניים, מבלי להניח הנחות לגבי הגיאומטריה שבבסיס פסקי הדין.
מתואר כאן היא שיטה כי הוא גם יעיל למדי וגם מונע את המלכודות הפוטנציאליות לעיל. על ידי בקשת הנבדקים לדרג גירויים לפי סדר הדמיון להתייחסות מרכזית בכל ניסוי13, ניתן לחקור את הדמיון היחסי ישירות, מבלי להניח דבר על המבנה הגיאומטרי של תגובות הנבדקים. הפרדיגמה חוזרת על תת-קבוצה של השוואות עם הקשרים זהים ושונים כאחד, ומאפשרת הערכה ישירה של השפעות ההקשר, כמו גם רכישת תגובות מדורגות במונחים של הסתברויות בחירה. הליך הניתוח מפרק את פסקי הדין הללו להשוואות זוגיות מרובות ומשתמש בהם כדי לבנות ולחפש מודלים אוקלידיים של מרחבים תפיסתיים המסבירים את פסקי הדין. השיטה מתאימה לתיאור בפירוט את הייצוג של ערכות גירוי בגדלים בינוניים (למשל, 19 עד 49).
כדי להדגים את ההיתכנות של הגישה, נערך ניסוי, באמצעות קבוצה של 37 בעלי חיים כמו גירויים. הנתונים נאספו במהלך 10 מפגשים של שעה אחת ולאחר מכן נותחו בנפרד עבור כל נושא. ניתוח גילה עקביות בין נושאים ואפקטים הקשר זניחים. הוא גם העריך עקביות של הבדלים נתפסים בין גירויים עם מודלים אוקלידיים של המרחבים התפיסתיים שלהם. פרדיגמה ונהלי ניתוח המתוארים במאמר זה הם גמישים וצפויים להיות שימושיים לחוקרים המעוניינים לאפיין את התכונות הגיאומטריות של מגוון מרחבים תפיסתיים.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Computer Workstation</td>
			<td>N/A</td>
			<td>N/A</td>
			<td>OS: Windows/ MacOS 10 or higher/ Linux; 3.1 GHz Dual-Core Intel Core i5 or similar; 8GB or more memory; User permissions for writing and executing files</td>
		</tr>
		<tr>
			<td>conda</td>
			<td></td>
			<td>Version 4.11</td>
			<td>OS: Windows/ MacOS 10 or higher/ Linux</td>
		</tr>
		<tr>
			<td>Microsoft Excel</td>
			<td>Microsoft</td>
			<td>Any</td>
			<td>To open and shuffle rows and columns in trial conditions files.</td>
		</tr>
		<tr>
			<td>PsychoPy</td>
			<td>N/A</td>
			<td>Version 2021.2</td>
			<td>Framework for running psychophysical studies</td>
		</tr>
		<tr>
			<td>Python 3</td>
			<td>Python Software Foundation</td>
			<td>Python Version 3.8</td>
			<td>Python3 and associated built-in libraries</td>
		</tr>
		<tr>
			<td>Required Python Libraries</td>
			<td>N/A</td>
			<td>numpy version: 1.17.2 or higher; matplotlib version 3.4.3 or higher; scipy version 1.3.1 or higher; pandas version 0.25.3 or higher; seaborn version 0.9.0 or higher; scikit_learn version 0.23.1 or higher; yaml version 6.0 or higher&#160;</td>
			<td>numpy, scipy and scikit_learn are computing modules with in-built functions for optimization and vector operations. matplotlib and seaborn are plotting libraries. pandas is used to reading in and edit data from csv files.</td>
		</tr>
	</tbody>
</table>

a psychophysics paradigm for the collection and analysis of similarity judgments

שיפוטי דמיון משמשים בדרך כלל לחקר ייצוגים מנטליים ואת הקורלציה העצבית שלהם. גישה זו שימשה לאפיון מרחבים תפיסתיים בתחומים רבים: צבעים, אובייקטים, תמונות, תמונות, מילים וצלילים. באופן אידיאלי, אפשר לרצות להשוות הערכות של דמיון נתפס בין כל זוגות הגירויים, אבל זה לעתים קרובות לא מעשי. לדוגמה, אם מבקשים מנושא להשוות את הדמיון של שני פריטים עם הדמיון של שני פריטים אחרים, מספר ההשוואות גדל עם הכוח הרביעי של גודל ערכת הגירוי. אסטרטגיה חלופית היא לשאול נושא לדרג קווי דמיון של זוגות מבודדים, למשל, בקנה מידה Likert. זה הרבה יותר יעיל (מספר הדירוגים גדל באופן מרובע עם גודל מוגדר ולא מרובע), אבל דירוגים אלה נוטים להיות לא יציבים ויש להם רזולוציה מוגבלת, והגישה גם מניחה כי אין השפעות הקשר.
כאן מוצגת פרדיגמת דירוג חדשנית לאיסוף יעיל של שיפוטי דמיון, יחד עם צינור ניתוח (תוכנה שסופקה) הבודק אם מודלים של מרחק אוקלידי אחראים לנתונים. ניסויים אופייניים מורכבים משמונה גירויים סביב גירוי התייחסות מרכזי: הנושא מדרג גירויים לפי הדמיון שלהם להתייחסות. על ידי בחירה נבונה של שילובים של גירויים המשמשים בכל ניסוי, הגישה יש בקרות פנימיות עבור עקביות ואפקטים הקשר. הגישה אומתה לגירויים שנלקחו ממרחבים אוקלידיים של עד חמישה ממדים. 
הגישה מודגמת בניסוי המודד קווי דמיון בין 37 מילים. כל ניסוי מניב את התוצאות של 28 השוואות זוגיות של הטופס, "האם A היה דומה יותר להתייחסות מאשר B היה להתייחסות?" בעוד השוואת כל זוגות זוגות הגירויים הייתה דורשת ניסויים 221445, עיצוב זה מאפשר שחזור של המרחב התפיסתי משנת 5994 השוואות כאלה שהתקבלו מ -222 ניסויים.

איור 1A מציג חלק מקובץ תנאים שנוצר על-ידי קובץ ה- Script בשלב 3.3, לניסוי המילים. כל שורה תואמת לגירסת ניסיון. הגירוי בעמודת השופט מופיע במרכז התצוגה. שמות העמודות stim1 עד stim8 תואמים לשמונה מיקומים לאורך עיגול, פועלים נגד כיוון השעון, החל מהמיקום שמימין להפניה המרכזית. ניסוי לדוגמה ?...

Watch this Scientific Journal Video about A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments at JoVE.com

A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments

הפרוטוקול מציג פרדיגמת פסיכופיזיקה ניסיונית להשגת כמויות גדולות של שיפוטי דמיון, ותהליך עבודה נלווה לניתוח. הפרדיגמה בוחנת אפקטים הקשר ומאפשרת מידול של נתוני דמיון במונחים של מרחבים אוקלידיים של לפחות חמישה ממדים.

פרדיגמה פסיכופיזיקה לאיסוף וניתוח של שיפוט דמיון

Similarity judgments are commonly used to study mental representations and their neural correlates. This approach has been used to characterize perceptual ...

זוהי שיטה יעילה לאיסוף וניתוח שיפוטי דמיון, והיא אינה מניחה דבר על המאפיינים הגיאומטריים של נושאים העומדים בבסיס ייצוגים מנטליים. היתרונות העיקריים של השיטה הם גמישותה ומזעור ההנחות לגבי אופי הייצוג התפיסתי. סוגי הגירויים והמורכבות של הניסויים יכולים להיות מגוונים, ומגוון רחב של מודלים גיאומטריים יכול להתאים לנתונים.שיטה זו יכולה להיות שימושית לחוקרים המעוניינים לאפיין את הייצוגים המנטליים של היבטים נמוכים וגבוהים של גירויים חזותיים. בחר ניסוי להפעלה. נווט אל המילה ניסוי על-ידי לחיצה על קווי דמיון, לאחר מכן ניסויים, word_exp או לניסוי התמונה על-ידי לחיצה על קווי דמיון, לאחר מכן ניסויים ולאחר מכן image_exp.סיים את הגירויים הניסיוניים. אם המילה ניסוי מתבצעת, הכן רשימה של מילים. ולניסוי התמונה, ליצור ספריה חדשה ולמקם את כל תמונות הגירוי בו.בספריית הניסויים, חפש את קובץ התצורה הנקרא config. yaml על-ידי לחיצה על קווי דמיון, לאחר מכן ניסויים ולאחר מכן config.yaml. פתח את הקובץ בעורך קוד מקור ועדכן את הערך של משתנה הקובץ לנתיב לספריה המכילה את ערכת הגירוי.זה המקום שבו PsychoPy יחפש את הגירויים התמונה. צור תצורות ניסיון על-ידי פתיחת התצורה. קובץ yaml בספריית הניתוח, ולאחר מכן הגדר את הערך של הפרמטר path_2_stimulus_list לנתיב לגירויים.txt.מספריית הדמיון, הפעל את קובץ ה- Script על-ידי ביצוע הפקודות המוצגות בחלון בזה אחר זה. פעולה זו יוצרת קובץ הנקרא trial_conditions. csv בדמיון שבו כל שורה מכילה את שמות הגירויים המופיעים בניסוי יחד עם עמדותיהם.הפסק את הערכה המלאה של 222 ניסיונות שנוצרו בהפעלות והפוך את סדר הניסיון לאקראי לאקראי על-ידי ביצוע הפקודות המוצגות בחלון. בעיצוב הטיפוסי, הפעלות כוללות 111 ניסיונות, שכל אחד מהם דורש כשעה אחת כדי לרוץ. כאשר תתבקש, הזן את פרמטרי הקלט המוצגים.שנה שם ושמור כל אחד מהקבצים שנוצרו כתנאי. csv בספריה משלו. העתק את התנאים.קובץ csv והדבק אותו בספריה הנוכחית המכילה את קובץ psyexp. פתח את PsychoPy ופתח את קובץ psyexp או py בספריית הניסויים הרלוונטית. ב- PsychoPy, לחץ על כפתור ההפעלה הירוק כדי להפעיל את הניסוי.בחלון המוקפץ המודאלי, הזינו את שם הנושא או המזהה ומספר ההפעלה ולחצו על הלחצן 'אשר' כדי להתחיל. הוראות יוצגו בתחילת כל הפעלה. אפשר לנושא כשעה אחת להשלים את המשימה וככל שהמשימה בקצב עצמי, עודד את הנבדקים לקחת הפסקות במידת הצורך.לאחר השלמת כל ההפעלות, שלב את קבצי הנתונים הגולמיים ואתחל אותם מחדש לקובץ JSON יחיד לעיבוד נוסף על-ידי הפעלת עיבוד מקדים. py במסוף באמצעות הפקודות הגלויות על המסך. כאשר תתבקש, הזן את פרמטרי הקלט המבוקשים, כולל הנתיב לספריית הנתונים של הנושא, מזהי נושאים כדי לעבד מראש את הנתונים ואת שם הניסוי המשמש לשם קובץ הפלט ולאחר מכן הקש Enter.פעולה זו תיצור קובץ JSON בספריית הפלט המשלב תגובות בין חזרות עבור כל גירסת ניסיון. כדי לקבוע את הסתברויות הבחירה הזוגיות ממשפטי סדר דרגה, עבור לדמיון, ולאחר מכן ניתוח והפעלה describe_data. פיי בשורת הפקודה.כאשר תתבקש, הזן את הנתיב לנתוני הנושא ואת רשימת הנושאים כדי להפעיל את הניתוח. פעולה זו תיצור שלושה סוגים של חלקות. צור מודלים אוקלידיים בעלי ממדים נמוכים של הרווחים התפיסתיים באמצעות הסתברויות הבחירה על-ידי הפעלת model_fitting.py באמצעות שורת הפקודה המוצגת על המסך. כאשר תתבקש, ספק את הקלט עבור הספריה לנושא-נתונים/מעובדים מראש, את מספר הגירויים, שיהיו 37 כברירת מחדל, את מספר האיטראציות, את ספריית הפלט ואת כמות הרעש הגאוסי, אשר יהיה 0.18 כברירת מחדל. דמיין את הסבירות של יומן הרישום של המודלים שהושגו ולהעריך את התאמתם על ידי הפעלת קווי דמיון, ניתוח, model_fitting_figure.py.כאשר תתבקש, הזן את הנתיב הדרוש לקבצי ה- CSV המכילים סבירות ליומן הרישום. הצג באופן חזותי את הרווחים התפיסתיים עבור כל נושא וצור התוויות פיזור המציגות את הנקודות ממודל ה-5D המוקרנות על שני רכיבי העיקרון הראשונים על-ידי הפעלת הפקודות המוצגות. כאשר תתבקש, הזינו את פרמטרי הקלט ואת הנתיב לקובץ NPY המכיל את נקודות ה-5D.לאחר ביצוע קובץ ה- Script, צא מהסביבה הווירטואלית. בקובץ שנוצר עבור המילה ניסוי, השורה הראשונה תואמת לניסוי שבו שמונה גירויים מופיעים סביב קוף גירוי הייחוס. פסקי הדין בדרגה נרקבו לבחירות זוגיות.התפלגות ההסתברויות לבחירה הייתה עקבית מאוד בין הנבדקים. הנתונים המקובצים ליד האלכסון בכל פאנל מצביעים על עקביות רבה בהסתברויות הבחירה בין הנבדקים ובשיקולים שאינם בקיצוניות. האלכסון הדומיננטי מציין כי הסתברויות הבחירה בשני ההקשרים, כולל הסתברויות בחירת הביניים בין אפס לאחד, קרובות להיות זהות עבור כל נושא.הסבירות של יומן הרישום מוצגת ביחס לסבירות יומן הרישום של המודל הטוב ביותר, כלומר מודל המקצה את הסתברות הבחירה הנצפית לכל השוואה מבלי להגביל הסתברויות אלה על ידי כל שיקול גיאומטרי. ניתוח רכיבים עקרוני בוצע על הנקודות ממודל 5D של המרחב התפיסתי שבו בעלי החיים שנתפסו דומים צוינו על ידי נקודות אחד ליד השני. חשוב להחליט על כל הפרמטרים בעת תכנון ניסוי ולהגדיר אותם בקבצי התצורה לפני תחילת השלב השני.מעקב זהיר אחר הנתונים של כל נבדק הוא גם מאוד חשוב. השיטה מספקת מספר רב של שיפוט דמיון, כך שניתן ליישם מספר ניתוחים, כגון ניתוח אשכולות, התמקדות בהקשר או מידול עם מרחבים גיאומטריים שונים.

Research

JoVE Journal

Neuroscience

Organotypic Cerebellar Cultures: Apoptotic Challenges and Detection

תרבויות cerebellar Organotypic: אתגרים אפופטוטיים וזיהוי

Organotypic cultures of neuronal tissue were first introduced by Hogue in 1947 1,2 and have constituted a major breakthrough in the field of neuroscience. ...

Reproducible Mouse Sciatic Nerve Crush and Subsequent Assessment of Regeneration by Whole Mount Muscle Analysis

עכבר לשחזור Sciatic עצב קראש והערכה לאחר ההתחדשות של ניתוח הר שלם שריר

Regeneration in the peripheral nervous system (PNS) is widely studied both for its relevance to human disease and to understand the robust regenerative ...

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

שיתוף ניתוח של מבנה המוח ותפקודו באמצעות fMRI ודיפוזיה משוקללת הדמיה

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when ...

Visualization and Genetic Manipulation of Dendrites and Spines in the Mouse Cerebral Cortex and Hippocampus using In utero Electroporation

Visualization and Genetic Manipulation of Dendrites and Spines in the Mouse Cerebral Cortex and Hippocampus using In utero Electroporation

להדמיה מניפולציה גנטית של דנדריטים עם קוצים בקליפת עכבר היפוקמפוס מוחין באמצעות<em&gt; ברחם</em&gt; Electroporation

In utero electroporation (IUE) has become a powerful technique to study the development of different regions of the embryonic nervous system 1-5. To date ...

A Visual Description of the Dissection of the Cerebral Surface Vasculature and Associated Meninges and the Choroid Plexus from Rat Brain

תיאור חזותי של Dissection של מערכת כלי הדם המוחית ומשטח קרום המוח הקשורים ודמה עין המקלעת ממוח חולדה

This video presentation was created to show a method of harvesting the two most important highly vascular structures, not residing within the brain ...

A Novel Light Damage Paradigm for Use in Retinal Regeneration Studies in Adult Zebrafish

פרדיגמה נזק קלה לשימוש ברומן רשתית מחקרי התחדשות בדג הזברה למבוגר

Light-induced retinal degeneration (LIRD) is commonly used in both rodents and zebrafish to damage rod and cone photoreceptors. In adult zebrafish, ...

High-resolution Quantification of Odor-guided Behavior in Drosophila melanogaster Using the Flywalk Paradigm

High-resolution Quantification of Odor-guided Behavior in Drosophila melanogaster Using the Flywalk Paradigm

כימות ברזולוציה גבוהה של התנהגות מודרכת ריח<em&gt; תסיסנית melanogaster</em&gt; שימוש ב<em&gt; Flywalk</em&gt; פרדיגמה

In their natural environment, insects such as the vinegar fly Drosophila melanogaster are bombarded with a huge amount of chemically distinct odorants. To ...

Chronic Implantation of Whole-cortical Electrocorticographic Array in the Common Marmoset

השרשה כרונית של מערך שלם-קורטיקליים Electrocorticographic ב המרמוסט נפוצות

Electrocorticography (ECoG) allows the monitoring of electrical field potentials from the cerebral cortex with high spatiotemporal resolution. Recent ...

3D Kinematic Analysis for the Functional Evaluation in the Rat Model of Sciatic Nerve Crush Injury

3D ניתוח קימטי עבור הערכה פונקציונלית במודל חולדה של פציעה העצבים הגיד מעיכה

Compared to the Sciatic Functional Index (SFI), kinematic analysis is a more reliable and sensitive method for performing functional evaluations of ...

Collection of Frozen Rodent Brain Regions for Downstream Analyses

אוסף של אזורים קפואים המוח מכרסם עבור ניתוח במורד הזרם

As our understanding of neurobiology has progressed, molecular analyses are often performed on small brain areas such as the medial prefrontal cortex ...