MARC

 008260126s2025        us                              c    eng  d
■001000017360901
■00520260202105635
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798297962699
■035    ▼a(MiAaPQ)AAI32384436
■035    ▼a(MiAaPQ)OhioLINKosu175190205252908
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a150
■1001  ▼aLu,  Zitong.
■24510▼aBehavioral  and  Neural  Representations  of  Human  Visual  Perception:  Integration  Across  Saccades,  3D  Space,  and  Real-World  Object  Properties
■260    ▼a[Sl]▼bThe  Ohio  State  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a228  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Golomb,  Julie  D.
■5021  ▼aThesis  (Ph.D.)--The  Ohio  State  University,  2025.
■520    ▼aUnderstanding  how  the  human  brain  processes  visual  information  in  real-world  contexts  is  a  central  goal  of  vision  science.  While  traditional  studies  have  provided  valuable  insights  into  visual  encoding  under  highly  controlled  conditions,  they  often  fail  to  capture  the  dynamic,  structured,  and  semantically  rich  nature  of  everyday  real-life  experience.  This  dissertation  investigates  human  visual  representations  of  object  feature  and  spatial  information  in  the  context  of  ecologically  relevant  real-world  properties,  through  a  set  of  three  interrelated  studies  -  focusing  on  spatiotopic  object-location  binding  in  dynamic  saccade  context,  spatiotemporal  representations  of  3D  visual  perception,  and  disentangled  object  real-world  size  representation  from  retinal  size  and  real-world  depth  -  using  a  combination  of  behavioral  experiments,  eye-tracking,  EEG,  fMRI  and  computational  approaches.  In  Chapter  2,  integrating  frequent  saccades  into  the  study  of  visual  perception,  I  investigated  behavioral  findings  on  spatiotopic  object-location  binding  in  dynamic  saccade  context.  Our  results  through  four  behavioral  experiments  provide  strong  evidence  that  dynamic  saccade  context  (multiple  frequent  saccades  and  saccades  during  stimulus  presentation)  can  trigger  more  stable  object-location  binding  in  ecologically  relevant  spatiotopic  coordinate.  In  Chapter  3,  moving  from  2D  to  3D  spatial  encoding,  I  collected  a  large-scale,  multimodal  neuroimaging  dataset  consisting  of  multiple  EEG  and  fMRI  sessions  while  participants  viewed  stereoscopic  3D  stimuli  through  red-green anaglyph  glasses  to  unfold  spatiotemporal  representations  of  3D  visual  perception.  Combining  this  large-scale  EEG-fMRI  dataset  with  computational  methods  via  representational  similarity  analysis,  I  reveal  that  human  brains  employ  multiple  types  of  spatial  feature  representations  and  coordinate  systems  to  encode  spatial  locations  at  different  temporal  stages  and  across  distinct  cortical  regions.  In  addition  to  strong  representations  of  2D  space  throughout  visual  cortex,  I  find  unique  representations  for  depth  and  3D  features  in  distinct  timepoints  and  brain  areas,  including  some  evidence  for  integrated  3D  processing  in  parahippocampus.  In  Chapter  4,  extending  from  spatial  representations  to  high-level  real-world  object  properties,  I  explored  the  object  real-world  size  representations  in  natural  images.  Our  analyses  combining  human  EEG  and  artificial  neural  networks  reveal  disentangled  representations  of  object  real-world  size  distinct  from  retinal  size  and  perceived  real-world  depth.  Together,  the  findings  across  these  studies  aim  to  provide  a  deeper  understanding  of  visual  perception  in  the  context  of  more  ecological  real-world  properties,  offering  insights  with  implications  for  both  cognitive  neuroscience  and  applied  fields.
■590    ▼aSchool  code:  0168.
■650  4▼aPsychology
■650  4▼aNeurosciences
■650  4▼aMedical  imaging
■653    ▼aHuman  brain
■653    ▼aParahippocampus
■653    ▼aNeural  networks
■653    ▼aSpatial  information
■690    ▼a0621
■690    ▼a0574
■690    ▼a0317
■71020▼aThe  Ohio  State  University▼bPsychology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0168
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360901▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books