Cours 1 Flashcards
Nommer 3 raisons de s’intéresser à la perception
1- Si on s’intéresse à la perception –> mieux capable de comprendre fonctionnement des désordres –> meilleure capacité de former les prothèses
2- Meilleure compréhension du fonctionnement de la perception –> meilleure création des interfaces hommes-machines
3- perception domaine plus complet des neurosciences
Définir la sensation et la perception
Sensation : capacité de détecter les stimulus dans l’environnement et d’en faire une expérience personnelle
Perception : donner un sens à cette sensation
Nommer les six méthodes pour étudier la perception
Seuil Scaling théorie de détection des signaux Neuroscience Neuroimagerie Modèle computationnel
Définir la méthode des seuils + QUI
Seuil minimal pour percevoir une sensation
qui : Gustav Fechner (psychophysique)
Définir brièvement la méthode de scaling
Mettre sur une échelle une expérience personnelle de sensation
Expliquer la théorie des détections des signaux
Théorie qui permet de distinguer la sensibilité au signal et la propension à le rapporter, de quantifier la réponse de l’observateur et de faire la différence entre bruit interne et externe.
Nommer les 4 situations possibles dans la théorie des détections des signaux
Hit : stimulus et oui
Miss : stimulus et non
False alarm : pas de stimulus et oui
Correct rejection : pas de stimulus et non
Nommer deux concepts utiles pour la théorie de la détection des signaux
Sensibilité : habileté à détecter les signaux
Critère : propension à rapporter les signaux
*faut avoir une bonne sensibilité et un critère bas pour rapporter un stimulus
Expliquer les neurosciences sensorielles (nerf, synapse)
Importance de QUELLES fibres est stimulés.
Nerf cranien : 12 paires de nerfs qui sortent du tronc cérébral vers les aires sensorielles et muscles.
Synaspe : jonction entre deux neurones pour envoyer des messages entre chacune d’entre elles.
Nommer les 7 techniques de neuroimagerie (brève explication)
1- EEG : technique qui mesure l’act électrique provenant de population neuronale dans le cerveau (resoln temporelle ↑, mais spatial ↓)
2- MEG : mesure changement d’act. magnétique de pop de neurones (meilleure rsoln spatiale)
3- Tomodensitométrique : rayon X pour générer image par tranche de volume (app clinique)
4- IRMf : selon flux sanguin par les aires activées.
5- Signal Bold : ratio oxygéné et désoxygéné ce qui permet localisation neurones
6- PET : isotopes radioactifs (aires cérébrales activées)
7- OPM: canaux près du scalpe (bonne rsoln temp et possible spatiale)
Nommer les quatre modèles computationnels
1- efficient coding : redondance des patrons communs et prédictibles
2- Modèle Bayésien : prédit selon nos connaissances antérieures
3- ANN : couche de neurones interconnectées qui s’Influencent
4- DDL : réseaux de neurones artificiels
