Featural representation and internal noise around the visual field

Resumo Técnico: Representação de Características e Ruído Interno em Torno do Campo Visual

Enunciado do Problema
O desempenho visual humano exibe não uniformidade sistemática através do campo visual, caracterizada por duas robustas assimetrias de ângulo polar: a anisotropia horizontal–vertical (HVA), onde o desempenho é superior ao longo do meridiano horizontal em comparação ao vertical, e a assimetria do meridiano vertical (VMA), onde o desempenho é superior no campo visual inferior em comparação ao superior. Embora esses campos de desempenho sejam bem documentados em termos de sensibilidade ao contraste e resolução espacial, as computações de nível de sistema que traduzem recursos neurais não uniformes (ex: densidade de amostragem retinal, magnificação cortical) nessas assimetrias perceptivas permanecem amplamente inexploradas. Hipóteses anteriores de "contagem neural" sugerem que as diferenças de desempenho surgem apenas de variações na quantidade de tecido neural que representa localizações específicas; no entanto, modelos computáveis de imagem que incorporam apenas inhomogeneidades ópticas e retinais explicam apenas uma fração da variância comportamental (aprox. 40% para HVA, 10% para VMA). Além disso, assimetrias anatômicas não especificam como os recursos neurais são convertidos em decisões comportamentais. Este estudo aborda a lacuna na compreensão de se essas assimetrias surgem de diferenças na representação de características (o template perceptual usado para ponderar características do estímulo) ou no ruído interno (limitações no processo de decisão), ou ambos.

Metodologia
Os autores empregaram uma tarefa de detecção de sinal combinada com correlação reversa psicofísica e um modelo de observador ruidoso para dissociar as contribuições da ponderação de características e do ruído interno.

• Design Experimental: Doze observadores realizaram uma tarefa de detecção de orientação periférica em localizações isoeccêntricas ($6^\circ$) ao longo dos meridianos horizontal, vertical inferior e vertical superior. Os estímulos eram patches de Gabor (orientação horizontal, 2 ciclos/grau) inseridos em ruído filtrado (1–4 cpd) ou patches de apenas ruído. O contraste do sinal foi titulado para manter aproximadamente 70% de acurácia.
• Consistência de Dupla Passagem: Para restringir as estimativas de ruído interno, o experimento utilizou um design de dupla passagem onde estímulos alvo idênticos eram apresentados duas vezes dentro de um bloco (com distratores gerados independentemente). A consistência de resposta (a proporção de respostas idênticas a estímulos repetidos) serviu como uma restrição comportamental direta sobre o ruído interno.
• Correlação Reversa Psicofísica: Os autores estimaram templates perceptuais específicos de cada observador analisando como as flutuações caso a caso nos recursos do estímulo (orientação e frequência espacial) influenciavam as respostas de detecção binária. Isso foi alcançado usando um modelo linear generalizado multivariado (GLM) com link probit, ajustado aos ensaios de ausência de sinal para isolar as flutuações de decisão impulsionadas pelo ruído. Os mapas de peso resultantes foram marginalizados para derivar funções de sintonia unidimensionais para ganho/largura de banda de orientação e ganho/largura de banda de frequência espacial.
• Modelo de Observador Ruidoso: Um modelo computacional foi construído onde uma variável de decisão é computada como o produto interno do perfil de energia do estímulo e o template perceptual estimado. A variável de decisão foi corrompida por três potenciais fontes de ruído: ruído aditivo (privado a cada passagem), ruído multiplicativo (privado e dependente do sinal) e ruído compartilhado (comum ao par de dupla passagem). Os parâmetros do modelo foram estimados conjuntamente maximizando a verossimilhança tanto das respostas de detecção por ensaio quanto da consistência de dupla passagem.

Resultos Principais

1. Assimetrias Comportamentais Confirmadas: A sensibilidade ao contraste exibiu padrões robustos de HVA e VMA. No entanto, a consistência de resposta, $d'$, a acurácia e os tempos de reação foram comparáveis entre as localizações, sugerindo que a dificuldade geral da tarefa ou os trade-offs de velocidade-acurácia não impulsionaram as assimetrias.
2. Representação de Características (Orientação):
   • Ao nível do grupo, a sensibilidade de orientação (ganho) e a seletividade (largura de banda) não diferiram significativamente entre os meridianos.
   • Crucialmente, diferenças individuais na assimetria de sensibilidade de orientação predisseram a magnitude da HVA na sensibilidade ao contraste. Observadores com uma vantagem mais forte no meridiano horizontal em ganho de orientação mostraram uma Hça maior.
   • Em contraste, a assimetria de sensibilidade de orientação não predisse a magnitude da VMA.
3. Representação de Características (Frequência Espacial):
   • A sintonia de frequência espacial exibiu variabilidade individual substancial, frequentemente ocorrendo abaixo da frequência do sinal (1 cpd vs. 2 cpd do sinal).
   • Nem as assimetrias de ganho nem as de largura de banda de frequência espacial predisseram de forma confiável a magnitude de qualquer um dos HVA ou VMA.
4. Ruído Interno:
   • O ajuste do modelo revelou que um modelo incluindo ruído aditivo e compartilhado (mas excluindo o ruído multiplicativo) melhor explicou os dados.
   • Ao nível do grupo, as magnitudes de ruído aditivo e compartilhado foram uniformes através dos ângulos polares.
   • No entanto, diferenças individuais na assimetria de ruído aditivo predisseram a magnitude da HVA. Observadores com uma vantagem no meridiano horizontal em menor ruído aditivo mostraram uma HVA maior.
   • Nem a assimetria de ruído aditivo nem a de ruído compartilhado predisseram a magnitude da VMA.
5. Dissociação de HVA e VMA: O estudo descobriu que a HVA está ligada a variações sistemáticas na sensibilidade de orientação e no ruído aditivo, enquanto a VMA não foi explicada de forma confiável por nenhum dos componentes de característica ou ruído testados.

Principais Contribuições

• Caracterização de Nível de Sistema: O estudo vai além das explicações anatômicas de "contagem neural" para caracterizar as computações de nível de sistema (ponderação de características e estrutura de ruído) que transformam a entrada sensorial em decisões perceptivas.
• Integração Metodológica: Ao combinar a correlação reversa (para estimar o template perceptual) com um modelo de observador ruidoso restrito pela consistência de dupla passagem, os autores conseguiram dissociar as contribuições da representação de características e do ruído interno para as assimetrias do campo visual.
• Dissociação de Assimetrias: Os achados fornecem evidências de que HVA e VMA são fenômenos parcialmente separáveis. Enquanto a HVA está associada a assinaturas computacionais específicas (sensibilidade de orientação e ruído aditivo), a VMA carece de uma explicação clara dentro do framework testado de ponderação de características e ruído de estágio de decisão.

Significância e Alegações
Os autores alegam que os campos de desempenho visual não são impulsionados por um único gargalo visual, mas sim por combinações de localização de como o cérebro codifica informações de características relevantes e o ruído neural. Especificamente, a HVA reflete a variação sistemática na ponderação de características de orientações relevantes para a tarefa e no ruído interno aditivo. O estudo não alega ter identificado o mecanismo para a VMA, observando que o paradigma e o modelo atuais podem não ter sido otimizados para revelar mecanismos ligados à VMA (ex: aqueles que dependem de seletividade de características em vez de sensibilidade).

O framework fornece uma abordagem principada para ligar assimetrias perceptivas prevalentes a computações de nível de sistema. Os autores enfatizam que seus templates estimados e parâmetros de ruído são "quantidades comportamentais efetivas" que resumem o filtragem e o agrupamento (pooling) populacional, em vez de medições diretas de propriedades de neurônios únicos. Os resultados sugerem que, embora a amostragem neural não uniforme forneça um substrato para os campos de desempenho, restrições adicionais de leitura — especificamente em como a informação é filtrada e agrupada — determinam a assimetria perceptual final. O estudo conclui que a HVA é ligada à sensibilidade, provavelmente devido às vantagens de recursos neurais mais fortes do meridiano horizontal, enquanto a base computacional para a VMA permanece uma questão aberta que requer investigação adicional de mecanismos além do escopo da atual tarefa de detecção.