ABSTRACT Our survival depends on how well we can rapidly detect threats in our environment. To facilitate this, the brain is faster to bring threatening or rewarding visual stimuli into conscious awareness than neutral stimuli. Unexpected events may indicate a potential threat, and yet we tend to respond slower to unexpected than expected stimuli. It is unclear if or how these effects of emotion and expectation interact with one’s conscious experience. To investigate this, we presented neutral and fearful faces with different probabilities of occurance in a breaking continuous flash suppression (bCFS) paradigm. Across two experiments, we discovered that fulfilled prior expectations hastened responses to neutral faces but had either no significant effect (Experiment 1) or the opposite effect (Experiment 2) on fearful faces. Drift diffusion modelling revealed that, while prior expectations accelerated stimulus encoding time (associated with the visual cortex), evidence was accumulated at an especially rapid rate for unexpected fearful faces (associated with activity in the right inferior frontal gyrus). Hence, these findings demonstrate a novel interaction between emotion and expectation during bCFS, driven by a unique influence of surprising fearful stimuli that expedites evidence accumulation in a fronto-occipital network.

Neuroimaging data analysis often requires purpose-built software, which can be challenging to install and may produce different results across computing environments. Beyond being a roadblock to neuroscientists, these issues of accessibility and portability can hamper the reproducibility of neuroimaging data analysis pipelines. Here, we introduce the Neurodesk platform, which harnesses software containers to support a comprehensive and growing suite of neuroimaging software (https://www.neurodesk.org/). Neurodesk includes a browser-accessible virtual desktop environment and a command line interface, mediating access to containerized neuroimaging software libraries on various computing platforms, including personal and high-performance computers, cloud computing and Jupyter Notebooks. This community-oriented, open-source platform enables a paradigm shift for neuroimaging data analysis, allowing for accessible, flexible, fully reproducible, and portable data analysis pipelines.

Abstract The human brain is thought to optimise the encoding of incoming sensory information through two principal mechanisms: prediction uses stored information to guide the interpretation of forthcoming sensory events, and attention prioritizes these events according to their behavioural relevance. Despite the ubiquitous contributions of attention and prediction to various aspects of perception and cognition, it remains unknown how they interact to modulate information processing in the brain. A recent extension of predictive coding theory suggests that attention optimises the expected precision of predictions by modulating the synaptic gain of prediction error units. Since prediction errors code for the difference between predictions and sensory signals, this model would suggest that attention increases the selectivity for mismatch information in the neural response to a surprising stimulus. Alternative predictive coding models proposes that attention increases the activity of prediction (or ‘representation’) neurons, and would therefore suggest that attention and prediction synergistically modulate selectivity for feature information in the brain. Here we applied multivariate forward encoding techniques to neural activity recorded via electroencephalography (EEG) as human observers performed a simple visual task, to test for the effect of attention on both mismatch and feature information in the neural response to surprising stimuli. Participants attended or ignored a periodic stream of gratings, the orientations of which could be either predictable, surprising, or unpredictable. We found that surprising stimuli evoked neural responses that were encoded according to the difference between predicted and observed stimulus features, and that attention facilitated the encoding of this type of information in the brain. These findings advance our understanding of how attention and prediction modulate information processing in the brain, and support the theory that attention optimises precision expectations during hierarchical inference by increasing the gain of prediction errors.

Coordination of goal-directed behavior depends on the brain's ability to recover the locations of relevant objects in the world. In humans, the visual system encodes the spatial organization of sensory inputs, but neurons in early visual areas map objects according to their retinal positions, rather than where they are in the world. How the brain computes world-referenced spatial information across eye movements has been widely researched and debated. Here, we tested whether shifts of covert attention are sufficiently precise in space and time to track an object's real-world location across eye movements. We found that observers' attentional selectivity is remarkably precise and is barely perturbed by the execution of saccades. Inspired by recent neurophysiological discoveries, we developed an observer model that rapidly estimates the real-world locations of objects and allocates attention within this reference frame. The model recapitulates the human data and provides a parsimonious explanation for previously reported phenomena in which observers allocate attention to task-irrelevant locations across eye movements. Our findings reveal that visual attention operates in real-world coordinates, which can be computed rapidly at the earliest stages of cortical processing.

Abstract A general consensus persists that sensory-perceptual differences in autism, such as hypersensitivities to light or sound, result from an overreliance on new (rather than prior) sensory observations. However, conflicting Bayesian accounts of autism remain unresolved as to whether such alterations are caused by more precise sensory observations (precise likelihood model) or by forming a less precise model of the sensory context (hypo-priors model). We used a decision-under-uncertainty paradigm that manipulated uncertainty in both likelihoods and priors. Contrary to model predictions we found no differences in reliance on likelihood in autistic group (AS) compared to neurotypicals (NT) and found no differences in subjective prior variance between groups. However, we found reduced context adjustment in the AS group compared to NT. Further, the AS group showed heightened variability in their relative weighting of sensory information (vs. prior) on a trial-by-trial basis. When participants were aligned on a continuum of autistic traits, we found no associations with likelihood reliance or prior variance but found an increased likelihood precision with autistic traits. These findings together provide empirical evidence for intact priors, precise likelihood, reduced context updating and heightened variability during sensory learning in autism.

Abstract The sensitivity of the human visual system is thought to be shaped by environmental statistics. A major endeavour in vision science, therefore, is to uncover the image statistics that predict perceptual and cognitive function. When searching for targets in natural images, for example, it has recently been proposed that target detection is inversely related to the spatial similarity of the target to its local background. We tested this hypothesis by measuring observers’ sensitivity to targets that were blended with natural image backgrounds. Targets were designed to have a spatial structure that was either similar or dissimilar to the background. Contrary to masking from similarity, we found that observers were most sensitive to targets that were most similar to their backgrounds. We hypothesised that a coincidence of phase-alignment between target and background results in a local contrast signal that facilitates detection when target-background similarity is high. We confirmed this prediction in a second experiment. Indeed, we show that, by solely manipulating the phase of a target relative to its background, the target can be rendered easily visible or undetectable. Our study thus reveals that, in addition to its structural similarity, the phase of the target relative to the background must be considered when predicting detection sensitivity in natural images.

Abstract Humans have well-documented priors for many features present in nature that guide visual perception. Despite being putatively grounded in the statistical regularities of the environment, scene priors are frequently violated due to the inherent variability of visual features from one scene to the next. However, these repeated violations do not appreciably challenge visuo-cognitive function, necessitating the broad use of priors in conjunction with context-specific information. We investigated the trade-off between participants’ internal expectations formed from both longer-term priors and those formed from immediate contextual information using a perceptual inference task and naturalistic stimuli. Notably, our task required participants to make perceptual inferences about naturalistic images using their own internal criteria, rather than making comparative judgements. Nonetheless, we show that observers’ performance is well approximated by a model that makes inferences using a prior for low-level image statistics, aggregated over many images. We further show that the dependence on this prior is rapidly re-weighted against contextual information, whether relevant or irrelevant. Our results therefore provide insight into how apparent high-level interpretations of scene appearances follow from the most basic of perceptual processes, which are grounded in the statistics of natural images.

Difficulties in multitasking may be the price humans pay for our ability to generalise learning to new tasks. Mitigating these costs through training has been associated with reduced overlap of constituent task representations within a task-related brain network. Transcranial direct current stimulation (tDCS), which can modulate neural activity, has shown promise in generalising training gains. Whether tDCS influences the changes in task-associated representations to produce such training generalisation remains unexplored. Here, we paired prefrontal cortex tDCS with multitasking training, and collected functional magnetic resonance imaging data pre- and post-training. We found that 1mA tDCS enhanced visual search performance, and using machine learning to assess the overlap of brain activity related to the training, show that these generalised gains were predicted by changes in classification accuracy for patterns of frontal, parietal, and cerebellar activity in participants who received left prefrontal cortex stimulation. Thus, prefrontal cortex tDCS interacts with training related changes in task representations, potentially driving the generalisation of learning.

Abstract Slowed responding to sensory inputs presented in contralesional space is pervasive following unilateral cerebral stroke, but the causal neurophysiological pathway by which this occurs remains unclear. To this end, here we leverage a perceptual decision-making framework to disambiguate information processing stages between sensation and action in 30 unilateral stroke patients (18 right hemisphere, 12 left hemisphere) and 27 neurologically healthy adults. By recording neural activity using electroencephalography (EEG) during task performance, we show that the relationship between strokes in either hemisphere and slowed contralesional response times is sequentially mediated by weaker target selection signals in the contralateral hemisphere (the N2c ERP), and subsequently delayed evidence accumulation signals (the centroparietal positivity). Notably, asymmetries in CPP and response times across hemispheres are associated with everyday functioning. Together, these data suggest a plausible neurophysiological pathway by which post-stroke contralesional slowing arises and highlight the utility of neurophysiological assessments for tracking clinically relevant behaviour.

Summary Neural oscillations reflect fluctuations in the relative excitation/inhibition of neural systems 1–5 and are theorised to play a critical role in several canonical neural computations 6–9 and cognitive processes 10–14 . These theories have been supported by findings that detection of visual stimuli fluctuates with the phase of oscillations at the time of stimulus onset 15–23 . However, null results have emerged in studies seeking to demonstrate these effects in visual discrimination tasks 24–27 , raising questions about the generalisability of these phenomena to wider neural processes. Recently, we suggested that methodological limitations may mask effects of oscillation phase in higher-level sensory processing 28 . Thus, to test the generality of phasic influences requires a task that requires stimulus discrimination but depends on early sensory processing. Here, we examined the influence of oscillation phase in the visual tilt illusion, in which an oriented centre grating is perceived titled away from the orientation of a surround grating 29 . This illusion is produced by lateral inhibitory interactions in early visual processing 30–32 . We presented centre gratings at participants’ titrated subjective vertical angle and had participants report whether the grating appeared tilted leftward or rightward of vertical on each trial while measuring their brain activity with EEG. We observed a robust fluctuation in orientation perception across different phases of posterior alpha and theta oscillations, consistent with fluctuating illusion magnitude across the oscillatory cycle. These results confirm that oscillation phase affects complex processing involved in stimulus discrimination, consistent with their purported role in canonical computations that underpin cognition.