Struktúra é s funkció a vizuotaktilis kéregben

Struktúra és funkció a vizuotaktilis kéregben

Négyessy László Bazsó Fülöp

Kocsis László Nepusz Tamás

MTA KFKI RMKI, Biofizikai Osztály

MTA-SE,Neurobiológiai Kut. Cs.

Percepció-Akció

The Bayesian framework can be used to construct ‘ideal observer’ models as a standard for comparison with human performance. Bayes’ Rule says that the posterior probability is proportional to the product of the likelihood function and prior probability distribution. All the work in the modelling is in specifying the likelihood functions and priors.

Multiszenzoros integráció

Információ maximalizálása Variancia csökkentése

Szenzoros dominancia

Multiszenzoros integráció az agykéregben

Az agykéreg tagolódása a makákóban

~73 área~834 kapcsolat

Összekötettések vizsgálata az agykéregben

A kérgi áreák hálózatának tulajdonságai - Hierarchia

Nem-determinált hierarhia

A vizuális kéreg hierarchikus felépítése

Kisvilág hálózat: klaszterezettség és rövid távolság

A vizuo-taktilis kéreg

A hálózatok alaptulajdonságai

VC SC Whole Visuo-tactile Neighborhood network

No of areas 30 15 45 19 45

No of connections

335 85 463 142 502

Diameter 3 3 5 3 5

Distance

(aver+sd)

1.6+0.6 1.7+0.8 2.1+0.9 1.4+0.8 2.2+1.1

Density 0.39 0.40 0.23 0.42 0.25

Cohesion 0.35 0.38 0.21 0.35 0.25

Reciprocity

(% non recipr)

14.9 11.1 18.4 28.9 0

Az áreák osztályozása- Státusz

0

5

10

15

20

25

V4 VIP LIP

FEF 46 FST

MSTd/

pM

T TFV2 V3 PO VP

V3A 7a SII 7b TH DPPIT

vSTPp 2 5 6

MSTl

V4t 4 V1 PIPCIT

vSM

A 1AIT

dPIT

dAIT

v 3a IgVO

TCIT

d

STPa 3b Ri36 Id 35

nu

mb

er

efferents

afferents

0

0.2

0.4

0.6

0.8

1

stat

us

Status is the sum of afferents and efferents of a given area, relative to the number of all other areas in the network.

11

1

( ) ( )g

ji ijgj

Status i x x

Centralitás

010203040

B-L

cen

tral

ity

0100200300400500

VIP 46 SII V4LI

P 7bFEF TF Ig 7a

MSTd/

pFST 5

POPIT

vTH

VPSTPp 3a M

T V3 2 V2 36PIT

d 6M

STl35 4

AITd

DP 1CIT

vV3A Id

SMA

PIP RiV1

VOTV4t

AITvCIT

d

STPa 3b

bet

wee

nn

ess

B-L centrality is proportional to the length-, the betweennes centrality is to the number of the shortest pathways connecting the different areas

1

, 1

( )

( )

g

ij jij

g

iji j

Centrality i

g

kj kj

kij

GPaths

GPathsisBetweennes

1;1

Integrátorok és Kontrollerek

-0,15

-0,1

-0,05

0

0,05

0,1

0,15

7aAIT

d 36M

STlSII

POPIT

vAIT

v7b 35FST 4 Ig V1 V3 V4

VOTM

TPIPVIP DP

CITv

STPp 3a 3b 2 5 Ri 6SM

AV3A V4t VP

MSTd/

p

STPa 1 Id V2LI

PFEF

PITdCIT

dTH 46 TF

det

erm

inat

ion

deg

ree

The determination degree of a node is the difference between its reception and its emission degrees, relative to the number of nodes in the network

g

jijji xx

giDet

11

1

Kulcspozíciót betöltő áreák a vizuo-taktilis hálózatban

a heteromodális kapcsolatokat létesítő vizuális kérgi áreák, különösen a VIP, 46 és LIP

míg a parietális régió inkább integrátor, a prefrontális áreák kontrollerként azonosíthatók

Kapcsolatok osztályozása- Betweenness

0

10

20

30

40

50

60

70

80

90

100

>SII to

VIP

Ig to

7b

>7b to

46*

>3a to

VIP

*

36 to

Ig

35 to

Ig

Ig to

SII

>46 to

SII

Id to

SII

>5 to

LIP

VIP to

46*

VIP to

FST

VIP to

VP

>1 to

VIP

>7b to

7a*

>2 to

VIP

>4 to

VIP

ed

ge

be

twe

en

ne

ss

Eb. Fract.

Reciprocal pair

The incidence of a given edge passed while looking up all the distances (i.e. the shortest paths between any two areas) in the network definesedge betweenness.

Connections marked with the star (*) present also in the visuo-tactile network. Arrowheads indicate heteromodal connections.

Konvergencia, divergencia

ji

jijiED

areas target of Nr. areasinput of Nr.

areas target of Nr. - areasinput of Nr.,

Edge-betweenness determination:

-1.50

-1.00

-0.50

0.00

0.50

1.00

EB

det

erm

inat

ion

Eb. Determin.

Reciprocal pair

Connections marked with the star (*) present also in the visuo-tactile network. Bold border: more than a std. below or above average.

Arrows: connecting large input and target fields characterized by numerous areas. Arrowheads indicate heteromodal connections.

Kitüntetett kapcsolatok

a heteromodális kapcsolatokat létesítő áreák, különösen a 7b, 46, VIP kapcsolatai

limbikus, asszociációs kérgi áreák kapcsolatai a primer szenzoros áreák kapcsolatai erősen

konvergálók/divergálók, míg az asszociációs kérgi struktúrák prominens kapcsolatai nagyszámú áreát kötnek össze

ez utóbbi a vizuo-taktilis integrációban játszott „top down” szerepre utal

Legrövidebb utak

Kompartmentalizáció- Klikkek, Motívumok

A clique of a directed graph is its directed maximal complete subgraph.

Klaszterek

V1

V2V3

V3A

V4

V4t

VOT

VPM T

M ST d/p

M ST lPO

LIP

PIP

VIPD P

7a

F ST

PIT d PIT v

C IT dC IT v AIT dAIT v

ST Pp

ST Pa

T F

T H

F EF

46

3a

3b12

5

R i

SII7b

4

6

SM A

Ig

Id

3536

-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0

Dim ension 1

-1,0

-0,8

-0,6

-0,4

-0,2

0,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4

Dim

ension 2

by edge betweenness using Markov Clustering algorithms

similarity indexes define the fraction of common inbound and outbound connections of vertices i and j

Heteromodális kapcsolatok a hieararchia szintek között

VIP, LIP, MSTdp

46, TH, TF

6, SMA

35, 36

Konklúzió

A rendelkezésre álló adatok alapján elmondható, hogy a vizuotaktilis kéreg fontos része az un. „action network”-nek

A kompartmentalizáció alapján értelmezhető a szenzoros fúzió jelensége

A kereszt-modális plaszticitásra vonatkozóan kísérletesen tesztelhető predikciókat tettünk