Representationele complexiteit en dynamiek van recurrente processen tijdens visuele objectherkenning

Het herkennen van objecten is een cruciale eigenschap van de menselijke waarneming, en de efficiëntie van dit proces is verrassend gegeven de complexiteit van de visuele input. Dit vermogen berust op een reeks van hiërarchische operaties door de ventrale stroom, waarbij stimuli worden geïntegreerd op een feedforward manier. Er zijn echter aanwijzingen dat het modelleren van objectherkenning met alleen feedforward activiteit gelimiteerd is. Onderzoek biedt een oplossing met recurrente verwerking. Ondanks de consensus in het veld dat kern objectherkenning berust op zowel feedforward als recurrente verwerking, is er discussie over de beste manier om deze processen te bestuderen. Dissectieve studies schatten de recurrente geassocieerd met afzonderlijke visuele fenomenen, terwijl integratieve studies niet-recurrente met recurrente modellen vergelijken. Hier zetten we een belangrijke stap in het verzoenen van deze twee benaderingen, omdat we een nieuw paradigma ontwerpen dat gelijktijdig niet-recurrente en recurrente processen van visuele herkenning vergelijkt, en hun respectievelijke computationele rollen scheidt. We combineren meerdere functionele beeldvorming methoden, fMRI en EEG, voor een ruimtelijke en temporele meting van de wijze waarop recurrente verwerking leidt tot representationele transformaties in de ventrale stroom. Deze reeks van studies zal leiden tot een dieper begrip van de rol van recurrente processen in objectherkenning.