Une nouvelle approche pour l'étude des processus adaptatifs au cours de la vision naturelle

A novel framework for the study of adaptive processes during natural vision​

• Auteur / Autrice : Nawal Yahiaoui
• Direction : Peter Neri
• Type : Projet de thèse
• Discipline(s) : Sciences cognitives, neurosciences, psychologie
• Date : Inscription en doctorat le 01/09/2023
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Lettres, Arts, Sciences humaines et sociales (Paris ; 2010-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Systèmes Perceptifs
• Partenaire(s) de recherche : établissement opérateur d'inscription : Ecole normale supérieure

Mots clés

Mots clés libres

Vision

Adaptation

Réalité virtuelle

Vision

Adaptation

Virtual reality

Résumé

L'invariance visuelle de la représentation corticale a longtemps été étudiée à l'aide de stimuli brefs et statiques. Des données animales récentes suggèrent une plus grande persistance temporelle des stimuli dynamiques structurés dans le temps à mesure qu'ils sont représentés plus loin dans la hiérarchie visuelle, associée à des dépendances complexes de l'état comportemental. Cependant, on sait peu de choses sur la manière dont ces stimuli dynamiques pourraient engager des processus adaptatifs et prédictifs chez l'homme. Pour répondre à cette question, nous proposons un nouveau cadre pour explorer ces processus aux niveaux neuronal et comportemental pendant la vision naturelle. Dans cette étude, nous combinons la réalité virtuelle et l'enregistrement EEG, deux approches qui ont rarement été combinées, pour déterminer comment les caractéristiques qui portent l'information sensorielle sont encodées dans le contexte de l'invariance visuelle, et comment elles sont utilisées pour conduire les décisions comportementales. Nous montrons que cette approche permet un décodage robuste des informations spécifiques au stimulus dans des environnements complexes par le biais du marquage de fréquence, ce qui constitue la base de futures expériences explorant la relation entre les représentations neuronales et les décisions comportementales pendant la navigation dans des environnements naturalistes.

Visual invariance of the cortical representation has long been studied with the use of brief and static stimuli. Recent animal data suggest greater temporal persistence of temporally structured dynamic stimuli as they become represented further along the visual hierarchy, associated with complex dependencies on behavioral state. However, little is known about the way in which such dynamic stimuli could engage adaptive and predictive processes in humans. To address this question, we propose a novel framework for exploring these processes at both neural and behavioral levels during natural vision. In this study, we combine Virtual Reality and EEG recording, two approaches that have been rarely combined, to determine how features that carry sensory information are encoded in the context of visual invariance, and how they are used to drive behavioral decisions. We show that this framework supports robust decoding of stimulus-specific information in complex environments via frequency-tagging, providing the basis for future experiments exploring the relationship between neural representations and behavioral decisions during navigation in naturalistic environments.