Abstract How do dogs understand human words? At a basic level, understanding would require the discrimination of words from non-words. To determine the mechanisms of such a discrimination, we trained 12 dogs to retrieve two objects based on object names, then probed the neural basis for these auditory discriminations using awake-fMRI. We compared the neural response to these trained words relative to “oddball” pseudowords the dogs had not heard before. Consistent with novelty detection, we found greater activation for pseudowords relative to trained words bilaterally in the parietotemporal cortex. To probe the neural basis for representations of trained words, searchlight multivoxel pattern analysis (MVPA) revealed that a subset of dogs had clusters of informative voxels that discriminated between the two trained words. These clusters included the left temporal cortex and amygdala, left caudate nucleus, and thalamus. These results demonstrate that dogs’ processing of human words utilizes basic processes like novelty detection, and for some dogs, may also include auditory and hedonic representations.

ABSTRACT Given humans’ habitual use of screens, they rarely consider potential differences when viewing two dimensional (2D) stimuli and real-world versions of dimensional stimuli. Dogs also have access to many forms of screens and touch pads, with owners even subscribing to dog-directed content. Humans understand that 2D stimuli are representations of real-world objects, but do dogs? In canine cognition studies, 2D stimuli are almost always used to study what is normally 3D, like faces, and may assume that both 2D and 3D stimuli are represented in the brain the same way. Here, we used awake fMRI of 15 dogs to examine the neural mechanisms underlying dogs’ perception of two- and three-dimensional objects after the dogs were trained on either a two- or three-dimensional version of the objects. Activation within reward processing regions and parietal cortex of the dog brain to 2D and 3D versions of objects was determined by their training experience, as dogs trained on one dimensionality showed greater activation to the dimension on which they were trained. These results show that dogs do not automatically generalize between two- and three-dimensional stimuli and caution against implicit assumptions when using pictures or videos with dogs.

In working and practical contexts, dogs rely upon their ability to discriminate a target odor from distracting odors and other sensory stimuli. Few studies have examined odor discrimination using non-behavioral methods or have approached odor discrimination from the dog’s perspective. Using awake fMRI in 18 dogs, we examined the neural mechanisms underlying odor discrimination between two odors and a mixture of the odors. Neural activation was measured during the presentation of a target odor (A) associated with a food reward, a distractor odor (B) associated with nothing, and a mixture of the two odors (A+B). Changes in neural activation during the presentations of the odor stimuli in individual dogs were measured over time within three regions known to be involved with odor processing: the caudate nucleus, the amygdala, and the olfactory bulbs. Average activation within the amygdala showed that dogs maximally differentiated between odor stimuli based on the stimulus-reward associations by the first run, while activation to the mixture (A+B) was most similar to the no-reward (B) stimulus. To identify the neural representation of odor mixtures in the dog brain, we used a random forest classifier to compare multilabel (elemental) vs. multiclass (configural) models. The multiclass model performed much better than the multilabel (weighted-F1 0.44 vs. 0.14), suggesting the odor mixture was processed configurally. Analysis of the subset of high-performing dogs based on their brain classification metrics revealed a network of olfactory information-carrying brain regions that included the amygdala, piriform cortex, and posterior cingulate. These results add further evidence for the configural processing of odor mixtures in dogs and suggest a novel way to identify high-performers based on brain classification metrics.