De temporele dynamiek van neurale object representaties

Dit doctoraatsproject heeft als onderwerp de temporele dynamiek van object representatie. Verschillende fMRI studies maken reeds gebruik van multivariate analyses om te onderzoeken hoe de representatie van informatie in neurale signalen op spatiaal niveau tot stand komt, maar het gebruik van deze multivariate patroon analyses op temporeel niveau is tot nu toe niet even snel geëvolueerd. Daarom zijn we van plan electro-encephalografie (EEG) studies op te stellen die ons in staat stellen om de temporele eigenschappen van neurale activiteit te onderzoeken, gecombineerd met multivariate machine-learning technieken die toelaten verschillende object eigenschappen te dissociëren. Deze eigenschappen omvatten, maar zijn niet gelimiteerd tot, animacy (hoe levendig een dier/objects is), de vorm van objecten en de lichaamstopografie. Verschillende theorieën zijn ontstaan vanuit eerdere fMRI studies die stellen dat de occipito-temporele cortex (OTC) verscheidene regio’s heeft die selectief zijn voor bepaalde categorieën en ook een clustering vertoont op basis van een animacy continuüm. Één van de dingen die we zullen onderzoeken, zal zich focussen op de eigenschap van animacy en de selectiviteit voor gezichten en lichamen. We hebben reeds stimuli gekozen op basis van een intuïtieve taxonomie waarbij sommige dieren/objecten hoger scoren op het animacy continuüm dan andere, resulterend in een stimulus set die volledig langs dit continuüm geplaatst kan worden. Daarnaast is er voor elk dier/object een afbeelding van ofwel het gezicht of het lichaam waardoor we de neurale signalen van beide hopen te kunnen dissociëren. We zullen ook gebruik maken van representational similarity analyses (RSA) om de temporele neurale signalen te vergelijken met model representational dissimiliary matrices (RDM). De model RDM’s zullen geconstrueerd worden op basis van het animacy continuüm, de selectiviteit voor gezichten en lichamen en de taxonomisch hiërarchie.