Apoyo de los Institutos Nacionales de Salud (NIH) de subvención EY-10834.

NOTA: El protocolo ilustrado utiliza un programa que le permite a uno para seleccionar las imágenes y luego se adaptan mediante las opciones seleccionadas por los diferentes menús desplegables. 1. Seleccione la imagen para Adaptar <ol><li> Haga clic en la imagen y buscar el nombre de archivo de la imagen para trabajar con ellos. Observar la imagen original en el panel superior izquierdo. </li></ol> 2. Especifique el estímulo y el observador <ol><li> Haga clic en el menú &quot;formato&quot; para elegir la forma de representar la imagen y el observador. </li><li> Haga clic en la opción &quot;observador estándar&quot; para modelar un observador estándar o promedio de adaptarse a una distribución de color específico. En este caso, utilizar ecuaciones estándar para convertir los valores RGB de la imagen para las sensibilidades de cono 32. </li><li> Haga clic en la opción &quot;observador individual&quot; para modelar las sensibilidades espectrales de un observador específico. Debido a que estas sensibilidades son de longitud de onda dependiente, el programa converts los valores RGB de la imagen en los espectros de pistola mediante el uso de los espectros de emisión estándar o medido para la pantalla. </li><li> Haga clic en la opción &quot;espectros natural&quot; para aproximar espectros real en el mundo. Esta opción convierte los valores RGB a los espectros, por ejemplo mediante el uso de funciones de base estándar 33 o espectros Gaussian 34 para aproximar el espectro correspondiente para el color de la imagen. </li></ol> 3. Seleccione la condición de Adaptación <ol><li> Adaptar o bien el mismo observador en diferentes entornos (por ejemplo, a los colores de un bosque vs. paisaje urbano), o diferentes observadores al mismo entorno (por ejemplo, una normal de color de versus observador deficiente). <ol><li> En el primer caso, utilizar los menús para seleccionar los entornos. En este último, utilizar los menús para definir la sensibilidad del observador. </li></ol></li><li> Para configurar los entornos, seleccione la opción &quot;referencia&quot; y envir &quot;prueba&quot;onments de los menús desplegables. Estos controlan los dos estados diferentes de adaptación mediante la carga de las respuestas mecanismo para diferentes entornos. <ol><li> Seleccione el menú de &quot;referencia&quot; para controlar el entorno de partida. Este es el entorno del sujeto se adapta para mientras se visualiza la imagen original. NOTA: Las opciones que se muestran se han calculado previamente para diferentes entornos. Estos se obtuvieron a partir de mediciones de las gamas de color para diferentes colecciones de imágenes. Por ejemplo, una aplicación examinó la forma en la percepción del color puede variar con los cambios de las estaciones, mediante el uso de imágenes calibradas tomadas desde el mismo lugar en diferentes momentos 27. En otro estudio, la exploración de cómo la adaptación puede afectar las percepciones de color en diferentes lugares, representó a los lugares mediante el muestreo de imágenes de diferentes categorías escena 29. </li><li> Seleccione el entorno &quot;definido por el usuario&quot; para cargar los valores de un entorno personalizado. ObsERVE una ventana para buscar y seleccionar un archivo en particular. Para crear estos archivos de imágenes independientes, visualizar cada imagen para ser incluidos (como en el paso 1) y luego haga clic en el botón &quot;Guardar imagen respuestas&quot;. NOTA: Se mostrará una ventana donde se puede crear o añadir a un archivo de Excel almacenar las respuestas a cada imagen. Para crear un nuevo archivo, introduzca el nombre del archivo, o busque un archivo existente. Para los archivos existentes, se añaden las respuestas a la imagen actual y las respuestas a todas las imágenes promedian automáticamente. Estos promedios son entrada para el entorno de referencia cuando se selecciona el archivo con la opción &quot;definido por el usuario&quot;. </li><li> Seleccione el menú &quot;prueba&quot; para acceder a una lista de entornos para la imagen de ser ajustada por. Seleccionar la opción &quot;imagen actual&quot;, para usar las respuestas mecanismo para la imagen visualizada. NOTA: Esta opción supone que los sujetos están adaptando a los colores de la imagen que se está viendo actualmente. De lo contrario, seleccione una de tse calculan previamente ambientes o la opción &quot;definido por el usuario&quot; para cargar el entorno de prueba. </li></ol></li></ol> 4. Seleccione la sensibilidad espectral del Observador NOTA: Para los efectos de adaptación de los diferentes ambientes, el observador suele permanecer constante, y está previsto que el valor por defecto &quot;observador estándar&quot; con una sensibilidad espectral promedio. Hay 3 menús para establecer una sensibilidad espectral individual, que controlan la cantidad de pigmento de cribado o de las sensibilidades espectrales del observador. <ol><li> Haga clic en el menú &quot;lente&quot; para seleccionar la densidad del pigmento de la lente. Las diferentes opciones permiten a uno elegir la característica densidad de diferentes edades. </li><li> Haga clic en el menú &quot;macular&quot; de manera similar a seleccionar la densidad del pigmento macular. Tenga en cuenta estas opciones en términos de la densidad máxima de pigmento. </li><li> Haga clic en el menú &quot;conos&quot; para elegir entre los observadores sintricromacia rmal o diferentes tipos de tricromacia anómala. NOTA: En base a las opciones del programa define el cono sensibilidades espectrales del observador y un conjunto de 26 canales postreceptoral que linealmente se combinan las señales de cono a diferentes combinaciones de color y luminancia más o menos uniformemente de muestra. </li></ol> 5. Adaptar la Imagen <ol><li> Haga clic en el botón de &quot;adaptar&quot;. NOTA: Este ejecuta el código para el cálculo de las respuestas de los conos y los mecanismos post-receptoral a cada píxel de la imagen. La respuesta se escala de manera que la respuesta media a la distribución del color es igual a la adaptación de las respuestas medias a la distribución de referencia, o por lo que el promedio de respuesta es el mismo para un observador o referencia individual. La escala es multiplicativo para simular von Kries adaptación 35. La nueva imagen se vuelve sumando las respuestas mecanismo y convertir de nuevo a los valores RGB para la visualización. Los detalles de la ALGorithm se dan en 26, 27, 28, 29. </li><li> Observar tres nuevas imágenes en la pantalla. Estos son etiquetados como 1) &quot;inadaptado&quot; - como la imagen de prueba debería aparecer a alguien totalmente adaptado al entorno de referencia; 2) &quot;adaptación cono&quot; - esto muestra la imagen ajustada sólo para la adaptación en los receptores; y 3) &quot;plena adaptación&quot; - esto muestra la imagen completa predicha por la adaptación al cambio en el medio ambiente o el observador. </li><li> Haga clic en el botón &quot;Guardar imágenes&quot; para guardar los tres imágenes calculadas. Observar una nueva ventana en la pantalla para buscar la carpeta y seleccione el nombre del archivo. </li></ol> 6. Evaluar las consecuencias de la adaptación NOTA: La referencia original y adaptados imágenes simulan cómo la misma imagen debe aparecer en los dos estados de Adapta modeladoción, y esto es importante, sólo se diferencian debido al estado de adaptación. Las diferencias en las imágenes de este modo dar una idea de las consecuencias de la adaptación. <ol><li> Mirar visualmente las diferencias entre las imágenes. NOTA: La simple inspección de las imágenes puede ayudar a mostrar la cantidad de la visión del color puede variar cuando se vive en diferentes entornos de color, o la cantidad de adaptación puede compensar un cambio en la sensibilidad del observador. </li><li> Cuantificar estos efectos de adaptación mediante el uso de análisis o mediciones de comportamiento con las imágenes para evaluar empíricamente las consecuencias de la adaptación 29. <ol><li> Medir la apariencia cambia de color. Por ejemplo, compare los colores en las dos imágenes para medir qué categorías de color o cambio de relevancia perceptiva a través de diferentes entornos u observadores. Por ejemplo, el uso de los análisis de los cambios en el color con la adaptación para calcular la cantidad de las tonalidades únicas (por ejemplo, puro amarillo o azul) podría en teoría vary debido a las variaciones en el entorno del color del observador 29. </li><li> Preguntar cómo la adaptación afecta a la sensibilidad visual o rendimiento. Por ejemplo, utilizar las imágenes adaptados para comparar si la búsqueda visual para una novela de color es más rápida cuando los observadores están primero adaptados a los colores del fondo. Llevar a cabo el experimento mediante la superposición en las imágenes de una serie de objetivos y distractores de color diferente-que se adaptaron junto con las imágenes, con los tiempos de reacción medidos para localizar el objetivo extraño 29. </li></ol></li></ol>

Los autores no tienen nada que revelar.

El protocolo se ilustra demuestra cómo los efectos de la adaptación a un cambio en el medio ambiente o el observador pueden ser retratados en imágenes. La forma de esta representación toma dependerá de las suposiciones hechas para el modelo - por ejemplo, cómo está codificado el color, y cómo los mecanismos de codificación responden y se adaptan. Así, el paso más importante es decidir sobre el modelo de la visión del color - por ejemplo, cuáles son las propiedades de los canales son hipotéticos, y cómo se...

Lo que el mundo podría parecerse a los demás, o para nosotros mismos a medida que cambiamos? Las respuestas a estas preguntas son de importancia fundamental para la comprensión de la naturaleza y los mecanismos de percepción y las consecuencias de ambas variaciones normales y clínicos en la codificación sensorial. Una amplia variedad de técnicas y enfoques han sido desarrollados para simular cómo las imágenes pueden parecer a las personas con diferentes sensibilidades visuales. Por ejemplo, estos incluyen simulaciones de los colores que pueden ser discriminados por diferentes tipos de deficiencias de color 1, 2, 3, 4, las diferencias espaciales y cromáticas que pueden ser resueltos por los bebés o los observadores mayores 5, 6, 7, 8, 9 , cómo las imágenes aparecen en la visión periférica <s<html> hasta class = &quot;xref&quot;&gt; 10, y las consecuencias de los errores o la enfermedad de 11, 12, 13, 14 ópticas. También se han aplicado para visualizar las discriminaciones que son posibles para otras especies de 15, 16, 17. Típicamente, tales simulaciones usan mediciones de las pérdidas de sensibilidad en diferentes poblaciones para filtrar una imagen y por lo tanto reducir o eliminar la estructura que tienen dificultad para ver. Por ejemplo, las formas comunes de ceguera al color reflejan una pérdida de uno de los dos fotorreceptores sensibles a longitudes de onda media o larga, y las imágenes filtradas para eliminar sus señales aparecen típicamente desprovisto de matices &quot;rojizo-verdosos&quot; 1. Del mismo modo, los niños tienen la agudeza más pobre, y por lo tanto las imágenes procesadas por su sensibilidad espacial reducida aparecen borrosas<html> . f &quot;&gt; 5 Estas técnicas proporcionan inestimables ejemplos de lo que una persona puede ver que el otro no puede, sin embargo, no lo hacen -. y, a menudo no están destinados a - retratar la experiencia perceptiva real del observador, y en algunos casos puede falsear la cantidad y tipos de información disponible para el observador. En este artículo se describe una nueva técnica desarrollada para simular diferencias en la experiencia visual que incorpora una característica fundamental de la codificación visual - adaptación 18, 19. Todos los sistemas sensoriales y motores se ajustan continuamente al contexto en el que están expuestos. Un olor acre en una habitación se desvanece rápidamente, mientras que la visión se adapta a la forma brillante u opaca la habitación es. Es importante destacar que estos ajustes se producen para casi cualquier atributo de estímulo, incluyendo las percepciones de &quot;alto nivel&quot;, tales como las características de la cara de alguien 20,class = &quot;xref&quot;&gt; 21 o su voz 22, 23, así como la calibración de los comandos de motor hechas al mover los ojos o alcanzar un objeto 24, 25. De hecho, la adaptación es probable que una propiedad esencial de casi todos los procesos neurales. Este documento ilustra cómo incorporar estos efectos de adaptación en las simulaciones de la apariencia de las imágenes, por, básicamente, &quot;la adaptación de la imagen&quot; para predecir cómo iba a parecer a un observador específico en un estado específico de adaptación 26, 27, 28, 29. Hay muchos factores que pueden alterar la sensibilidad de un observador, pero la adaptación a menudo pueden compensar los aspectos importantes de estos cambios, por lo que las pérdidas de sensibilidad son menos visibles que podría predecirse sin asumir que el sistema se adapta. A la inversa, porquela adaptación ajusta la sensibilidad de acuerdo con el contexto actual estímulo, estos ajustes también son importantes para incorporar para predecir la cantidad de percepción podría variar cuando varía el medio ambiente. El siguiente protocolo ilustra la técnica mediante la adaptación del contenido de color de las imágenes. La visión del color tiene la ventaja de que las etapas neurales iniciales de codificación de color están relativamente bien comprendidas, como son los patrones de adaptación 30. Los mecanismos y ajustes reales son complejas y variadas, pero las principales consecuencias de adaptación pueden ser capturados usando un simple y el modelo de dos etapas convencional (Figura 1a). En la primera etapa, las señales de color se codifican inicialmente por tres tipos de conos fotorreceptores que son máximamente sensibles a longitudes de onda corta, media o larga (S, M, y los conos L). En la segunda etapa, las señales de los diferentes conos se combinan dentro de las células post-receptoral para formar &quot;color-oponente&quot; channels que reciben entradas de antagonistas de los diferentes conos (y por lo tanto transmiten información &quot;color&quot;), y los canales de &quot;no-oponente&quot; que resumen juntos las entradas de cono (por lo tanto de codificación &quot;brillo&quot; información). La adaptación se produce en ambas etapas, y se ajusta a dos aspectos diferentes de la de color - la media (en los conos) y la varianza (en los canales de post-receptoral) 30, 31. El objetivo de las simulaciones es aplicar estos ajustes a los mecanismos de modelo y luego hacer que la imagen de sus salidas adaptadas. El proceso de adaptación de imágenes consta de seis componentes principales. Estos son 1) la elección de las imágenes; 2) la elección del formato para los espectros de imágenes; 3) que define el cambio de color del medio ambiente; 4) que define el cambio en la sensibilidad del observador; 5) usando el programa para crear las imágenes adaptadas; y 6) el uso de las imágenes para evaluar las consecuencias de la adaptación. Tlo siguiente considera cada uno de estos pasos en detalle. El modelo y el mecanismo de respuestas básicas se ilustran en la Figura 1, mientras que las Figuras 2 - 5 muestran ejemplos de imágenes renderizadas con el modelo.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Computer</td>
		</tr>
		<tr>
			<td>Images to adapt</td>
		</tr>
		<tr>
			<td>Programming language (e.g. Visual Basic or Matlab)</td>
		</tr>
		<tr>
			<td>Program for processing the images</td>
		</tr>
		<tr>
			<td>Observer spectral sensitivities (for applications involving observer-specific adaptation)</td>
		</tr>
		<tr>
			<td>Device emmission spectra (for device-dependent applications)</td>
		</tr>
	</tbody>
</table>

visualizing visual adaptation

Muchos se han desarrollado técnicas para visualizar el aspecto que tendría una imagen de una persona con una sensibilidad visual diferente: por ejemplo, debido a las diferencias ópticas o edad, o una deficiencia de color o enfermedad. Este protocolo describe una técnica para la incorporación de la adaptación sensorial en las simulaciones. El protocolo se ilustra con el ejemplo de la visión del color, pero es generalmente aplicable a cualquier forma de adaptación visual. El protocolo utiliza un modelo simple de la visión humana del color basado en suposiciones estándar y plausibles sobre el color de la retina y de los mecanismos corticales codificación y cómo éstos ajustan su sensibilidad tanto el color medio y la gama de color en el estímulo predominante. Las ganancias de los mecanismos están adaptados de modo que su respuesta media bajo un mismo contexto se equipara para un contexto diferente. Las simulaciones ayudan a revelar los límites teóricos de adaptación y generar &quot;imágenes adaptadas&quot; que se adaptan de manera óptima a un enviro específicanment u observador. También proporcionan una métrica común para explorar los efectos de la adaptación dentro de los diferentes observadores o diferentes entornos. La caracterización de la percepción visual y el rendimiento con estas imágenes proporciona una nueva herramienta para estudiar las funciones y consecuencias de la adaptación a largo plazo en la visión u otros sistemas sensoriales.

<html> Las figuras de 2 - 4 ilustran las simulaciones de adaptación para los cambios en el observador o el medio ambiente. La Figura 2 compara la aparición predicho de Todavía de Cezanne con Manzanas para un observador más joven y de más edad que sólo se diferencian en la densidad del pigmento de la lente 28. La imagen original como se ve a través del ojo más joven (Figura 2a) aparece much...

Watch this Scientific Journal Video about Visualizing Visual Adaptation at JoVE.com

Visualizando la adaptación visual | Comportamiento | Video

Visualizing Visual Adaptation

Este artículo describe un nuevo método para la simulación y el estudio de la adaptación en el sistema visual.

La visualización de Visual Adaptación

Many techniques have been developed to visualize how an image would appear to an individual with a different visual sensitivity: e.g., because of optical ...

Research

Education

JoVE Journal

JoVE Core

Biology

Behavior

Human Biology

Sensory Systems

SCIENTISTS IN ACTION

8.8K vistas.  University of Nevada, Reno.  Este artículo describe un nuevo método para la simulación y el estudio de la adaptación en el sistema visual. 

Video: Visualizing Visual Adaptation

Methods to Explore the Influence of Top-down Visual Processes on Motor Behavior

Kinesthetic awareness is important to successfully navigate the environment. When we interact with our daily surroundings, some aspects of movement are deliberately planned, while others spontaneously occur below conscious awareness. The deliberate component of this dichotomy has been studied extensively in several contexts, while the spontaneous component remains largely under-explored. Moreover, how perceptual processes modulate these movement classes is still unclear. In particular, a currently debated issue is whether the visuomotor system is governed by the spatial percept produced by a visual illusion or whether it is not affected by the illusion and is governed instead by the veridical percept. Bistable percepts such as 3D depth inversion illusions (DIIs) provide an excellent context to study such interactions and balance, particularly when used in combination with reach-to-grasp movements. In this study, a methodology is developed that uses a DII to clarify the role of top-down processes on motor action, particularly exploring how reaches toward a target on a DII are affected in both deliberate and spontaneous movement domains.

It is unclear how top-down signals from the ventral visual stream affect movement. We developed a paradigm to test motor behavior towards a target on a 3D depth inversion illusion. Significant differences are reported in both deliberate, goal-directed movements and automatic actions under illusory and veridical viewing conditions.

Los métodos para explorar la influencia de arriba hacia abajo Procesos Visuales en Comportamiento Motor

Kinesthetic awareness is important to successfully navigate the environment. When we interact with our daily surroundings, some aspects of movement are ...

Investigación

Comportamiento

Topographical Estimation of Visual Population Receptive Fields by fMRI

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic resonance imaging allows us to estimate voxel-based population receptive fields (pRF), i.e., the part of the visual field that activates the cells within each voxel. Prior, direct, pRF estimation methods1 suffer from certain limitations: 1) the pRF model is chosen a-priori and may not fully capture the actual pRF shape, and 2) pRF centers are prone to mislocalization near the border of the stimulus space. Here a new topographical pRF estimation method2 is proposed that largely circumvents these limitations. A linear model is used to predict the Blood Oxygen Level-Dependent (BOLD) signal by convolving the linear response of the pRF to the visual stimulus with the canonical hemodynamic response function. PRF topography is represented as a weight vector whose components represent the strength of the aggregate response of voxel neurons to stimuli presented at different visual field locations. The resulting linear equations can be solved for the pRF weight vector using ridge regression3, yielding the pRF topography. A pRF model that is matched to the estimated topography can then be chosen post-hoc, thereby improving the estimates of pRF parameters such as pRF-center location, pRF orientation, size, etc. Having the pRF topography available also allows the visual verification of pRF parameter estimates allowing the extraction of various pRF properties without having to make a-priori assumptions about the pRF structure. This approach promises to be particularly useful for investigating the pRF organization of patients with disorders of the visual system.

It is important to obtain unbiased estimates of visual population receptive fields (pRFs) by functional magnetic resonance imaging. We use mild regularization constraints to estimate pRF topography without a-priori assumptions about pRF shape, allowing us to choose specific pRF models post-hoc. This is particularly advantageous in subjects with visual-pathway lesions.

Estimación topográfico de Población Visual Receptivo campos por fMRI

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic ...

Methods to Test Visual Attention Online

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative data samples than can typically be collected on college campuses. However, before such methods can be widely adopted, a number of technological challenges must be overcome &#8211; in particular in experiments where tight control over stimulus properties is necessary. Here we present methods for collecting performance data on two tests of visual attention. Both tests require control over the visual angle of the stimuli (which in turn requires knowledge of the viewing distance, monitor size, screen resolution, etc.) and the timing of the stimuli (as the tests involve either briefly flashed stimuli or stimuli that move at specific rates). Data collected on these tests from over 1,700 online participants were consistent with data collected in laboratory-based versions of the exact same tests. These results suggest that with proper care, timing/stimulus size dependent tasks can be deployed in web-based settings.

To replicate laboratory settings, online data collection methods for visual tasks require tight control over stimulus presentation. We outline methods for the use of a web application to collect performance data on two tests of visual attention.

Métodos para probar Visual Atención Online

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative ...

A Method to Quantify Visual Information Processing in Children Using Eye Tracking

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational methods, it is difficult to make a quantitative assessment of a child's visual problems. This limits accurate diagnostics in children under the age of 4 years and in children with intellectual disabilities. Here we describe a quantitative method that overcomes these problems. The method uses a remote eye tracker and a four choice preferential looking paradigm to measure eye movement responses to different visual stimuli. The child sits without head support in front of a monitor with integrated infrared cameras. In one of four monitor quadrants a visual stimulus is presented. Each stimulus has a specific visual modality with respect to the background, e.g., form, motion, contrast or color. From the reflexive eye movement responses to these specific visual modalities, output parameters such as reaction times, fixation accuracy and fixation duration are calculated to quantify a child's viewing behavior. With this approach, the quality of visual information processing can be assessed without the use of communication. By comparing results with reference values obtained in typically developing children from 0-12 years, the method provides a characterization of visual information processing in visually impaired children. The quantitative information provided by this method can be advantageous for the field of clinical visual assessment and rehabilitation in multiple ways. The parameter values provide a good basis to: (i) characterize early visual capacities and consequently to enable early interventions; (ii) compare risk groups and follow visual development over time; and (iii), construct an individual visual profile for each child.

A method is described to quantify the quality of visual information processing based on reflexive eye movements in response to specific visual modalities. Reaction times and fixation output parameters are used to characterize visual performance in children with and without visual impairments from 6 months of age.

Un método para cuantificar procesamiento de la información visual en niños El uso de Eye Tracking

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational ...

Visualizing Motion Patterns in Acupuncture Manipulation

Acupuncture manipulation varies widely among practitioners in clinical settings, and it is difficult to teach novice students how to perform acupuncture manipulation techniques skillfully. The Acupuncture Manipulation Education System (AMES) is an open source software system designed to enhance acupuncture manipulation skills using visual feedback. Using a phantom acupoint and motion sensor, our method for acupuncture manipulation training provides visual feedback regarding the actual movement of the student's acupuncture manipulation in addition to the optimal or intended movement, regardless of whether the manipulation skill is lifting, thrusting, or rotating. Our results show that students could enhance their manipulation skills by training using this method. This video shows the process of manufacturing phantom acupoints and discusses several issues that may require the attention of individuals interested in creating phantom acupoints or operating this system.

Here, we present a protocol for using the Acupuncture Manipulation Education System (AMES) in the training of acupuncture manipulation skills using phantom acupoints.

La visualización de patrones de movimiento en la manipulación de la acupuntura

Acupuncture manipulation varies widely among practitioners in clinical settings, and it is difficult to teach novice students how to perform acupuncture ...

Using a Split-belt Treadmill to Evaluate Generalization of Human Locomotor Adaptation

Understanding the mechanisms underlying locomotor learning helps researchers and clinicians optimize gait retraining as part of motor rehabilitation. However, studying human locomotor learning can be challenging. During infancy and childhood, the neuromuscular system is quite immature, and it is unlikely that locomotor learning during early stages of development is governed by the same mechanisms as in adulthood. By the time humans reach maturity, they are so proficient at walking that it is difficult to come up with a sufficiently novel task to study de novo locomotor learning. The split-belt treadmill, which has two belts that can drive each leg at a different speed, enables the study of both short- (i.e., immediate) and long-term (i.e., over minutes-days; a form of motor learning) gait modifications in response to a novel change in the walking environment. Individuals can easily be screened for previous exposure to the split-belt treadmill, thus ensuring that all experimental participants have no (or equivalent) prior experience. This paper describes a typical split-belt treadmill adaptation protocol that incorporates testing methods to quantify locomotor learning and generalization of this learning to other walking contexts. A discussion of important considerations for designing split-belt treadmill experiments follows, including factors like treadmill belt speeds, rest breaks, and distractors. Additionally, potential but understudied confounding variables (e.g., arm movements, prior experience) are considered in the discussion.

We describe a protocol for investigating human locomotor adaptation using the split-belt treadmill, which has two belts that can drive each leg at a different speed. We specifically focus on a paradigm designed to test the generalization of adapted locomotor patterns to different walking contexts (e.g., gait speeds, walking environments).

Con una cinta de cinturón de Split para evaluar la generalización de la adaptación humana Aparato Locomotor

Understanding the mechanisms underlying locomotor learning helps researchers and clinicians optimize gait retraining as part of motor rehabilitation. ...

A Method to Study Adaptation to Left-Right Reversed Audition

An unusual sensory space is one of the effective tools to uncover the mechanism of adaptability of humans to a novel environment. Although most of the previous studies have used special spectacles with prisms to achieve unusual spaces in the visual domain, a methodology for studying the adaptation to unusual auditory spaces has yet to be fully established. This study proposes a new protocol to set-up, validate, and use a left-right reversed stereophonic system using only wearable devices, and to study the adaptation to left-right reversed audition with the help of neuroimaging. Although individual acoustic characteristics are not yet implemented, and slight spillover of unreversed sounds is relatively uncontrollable, the constructed apparatus shows high performance in a 360&#176; sound source localization coupled with hearing characteristics with little delay. Moreover, it looks like a mobile music player and enables a participant to focus on daily life without arousing curiosity or drawing attention of other individuals. Since the effects of adaptation were successfully detected at the perceptual, behavioral, and neural levels, it is concluded that this protocol provides a promising methodology for studying adaptation to left-right reversed audition, and is an effective tool for uncovering the adaptability of humans to a novel environments in the auditory domain.

The present study proposes a protocol to investigate the adaptation to left-right reversed audition achieved only by wearable devices, using neuroimaging, which can be an effective tool for uncovering the adaptability of humans to a novel environment in the auditory domain.

Un método para estudiar la adaptación a izquierda y derecha invertida Audition

An unusual sensory space is one of the effective tools to uncover the mechanism of adaptability of humans to a novel environment. Although most of the ...

Visual Classical Conditioning in Wood Ants

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, studies implementing classical conditioning paradigms with harnessed insects have been important for investigating the exact cues that individuals learn and the neural mechanisms underlying learning and memory formation. Here we present a protocol for evoking visual associative learning in wood ants through classical conditioning. In this paradigm, ants are harnessed and presented with a visual cue (a blue cardboard), the conditional stimulus (CS), paired with an appetitive sugar reward, the unconditional stimulus (US). Ants perform a Maxilla-Labium Extension Reflex (MaLER), the unconditional response (UR), which can be used as a readout for learning. Training consists of 10 trials, separated by a 5-minute intertrial interval (ITI). Ants are also tested for memory retention 10 minutes or 1 hour after training. This protocol has the potential to allow researchers to analyze, in a precise and controlled manner, the details of visual memory formation and the neural basis of learning and memory formation in wood ants.

We present a protocol for the classical conditioning of harnessed ants that permits researchers to study visual learning and memory formation at a level of analysis not possible with freely moving individuals.

Visual condicionamiento clásico en madera hormigas

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, ...

Investigating the Deployment of Visual Attention Before Accurate and Averaging Saccades via Eye Tracking and Assessment of Visual Sensitivity

This experimental protocol was designed to investigate whether visual attention is obligatorily deployed at the endpoint of saccades. To this end, we recorded the eye position of human participants engaged in a saccade task via eye tracking and assessed visual orientation discrimination performance at various locations during saccade preparation. Importantly, instead of using a single saccade target paradigm for which the saccade endpoint typically coincides roughly with the target, this protocol comprised the presentation of two nearby saccade targets, leading to a distinct spatial dissociation between target locations and saccade endpoint on a substantial number of trials. The paradigm allowed us to compare presaccadic visual discrimination performance at the endpoint of accurate saccades (landing at one of the saccade targets) and of averaging saccades (landing at an intermediate location in between the two targets). We observed a selective enhancement of visual sensitivity at the endpoint of accurate saccades but not at the endpoint of averaging saccades. Rather, before the execution of averaging saccades, visual sensitivity was equally enhanced at both targets, suggesting that saccade averaging follows from unresolved attentional selection among the saccade targets. These results argue against a mandatory coupling between visual attention and saccade programming based on a direct measure of presaccadic visual sensitivity rather than saccadic reaction times, which have been used in other protocols to draw similar conclusions. While our protocol provides a useful framework to investigate the relationship between visual attention and saccadic eye movements at the behavioral level, it can also be combined with electrophysiological measures to extend insights at the neuronal level.

This experimental protocol combined eye tracking and the assessment of presaccadic visual sensitivity in a dual task paradigm, consisting of a free choice saccade task and a visual discrimination task, to investigate the deployment of visual spatial attention before both, accurate and averaging saccades.

Investigando la implementación de la atención Visual antes de Saccades precisas y un promedio por ojo de seguimiento y evaluación de la sensibilidad Visual

This experimental protocol was designed to investigate whether visual attention is obligatorily deployed at the endpoint of saccades. To this end, we ...

Integrating Visual Psychophysical Assays within a Y-Maze to Isolate the Role that Visual Features Play in Navigational Decisions

Collective animal behavior arises from individual motivations and social interactions that are critical for individual fitness. Fish have long inspired investigations into collective motion, specifically, their ability to integrate environmental and social information across ecological contexts. This demonstration illustrates techniques used for quantifying behavioral responses of fish, in this case, Golden Shiner (Notemigonus crysoleucas), to visual stimuli using computer visualization and digital image analysis. Recent advancements in computer visualization allow for empirical testing in the lab where visual features can be controlled and finely manipulated to isolate the mechanisms of social interactions. The purpose of this method is to isolate visual features that can influence the directional decisions of the individual, whether solitary or with groups. This protocol provides specifics on the physical Y-maze domain, recording equipment, settings and calibrations of the projector and animation, experimental steps and data analyses. These techniques demonstrate that computer animation can elicit biologically-meaningful responses. Moreover, the techniques are easily adaptable to test alternative hypotheses, domains, and species for a broad range of experimental applications. The use of virtual stimuli allows for the reduction and replacement of the number of live animals required, and consequently reduces laboratory overhead.
This demonstration tests the hypothesis that small relative differences in the movement speeds (2 body lengths per second) of virtual conspecifics will improve the speed and accuracy with which shiners follow the directional cues provided by the virtual silhouettes. Results show that shiners directional decisions are significantly affected by increases in the speed of the visual cues, even in the presence of background noise (67% image coherency). In the absence of any motion cues, subjects chose their directions at random. The relationship between decision speed and cue speed was variable and increases in cue speed had a modestly disproportionate influence on directional accuracy.

Here, we present a protocol to demonstrate a behavioral assay that quantifies how alternative visual features, such as motion cues, influence directional decisions in fish. Representative data are presented on the speed and accuracy where Golden Shiner (Notemigonus crysoleucas) follow virtual fish movements.

Integración de ensayos psicofísicos visuales dentro de un laberinto Y para aislar el papel que desempeñan las características visuales en las decisiones de navegación

Collective animal behavior arises from individual motivations and social interactions that are critical for individual fitness. Fish have long inspired ...