مقدمه: این پژوهش سازوکارهای محاسباتی تمایز ناهمگونی دوچشمی را در ناحیه V4 قشر بینایی با رویکردی نوین در مدل‌سازی بررسی می‌کند. هدف، تحلیل توانایی نورون‌های V4 در تشخیص ناهمگونی‌های ظریف نزدیک به صفحه تثبیت و ارائه چارچوبی محاسباتی برای تبیین این فرایند است. فرضیه اصلی بیان می‌دارد که تمایز ناهمگونی در V4 به اختلاف مطلق جفت‌ناهمگونی‌ها و نزدیکی آنها به ناهمگونی صفر وابسته است.
روش ‌کار: داده‌های الکتروفیزیولوژیک از ۱۵۶ نورون V4 در میمون‌های ماکاک با ارائه استریوگرام‌های نقطه‌ای تصادفی (RDS) با ناهمگونی‌های 2°/1±، 6°/0±، 3°/0± و ۰° و ضرایب همبستگی متغیر گردآوری شد. شاخصی نوین به نام «شاخص توانایی تمایز ناهمگونی» (DDAI) معرفی شد که توانایی جمعیت نورونی در تفکیک جفت‌ناهمگونی‌ها را با تحلیل ROC کمی‌سازی می‌کند. این شاخص میانگین سطح نرمال‌شده زیر منحنی ROC برای هر جفت محرک است. مدل محاسباتی DCM برای پیش‌بینی الگوهای DDAI توسعه یافت.
یافته‌ها: نتایج نشان داد نورون‌های V4 برای ناهمگونی‌های نزدیک به صفر تنظیم‌پذیری بالایی دارند و تغییرپذیری پاسخ (ضریب تغییرات) در این محدوده کمینه است. با افزایش قدر مطلق ناهمگونی، تغییرپذیری پاسخ افزایش یافت. مدل DCM با دقت بالا (ضریب همبستگی پیرسون= 969/0، ضریب اسپیرمن= 887/0) الگوهای DDAI را پیش‌بینی کرد. آزمون هم‌ارزی (TOST) تأیید کرد که پیش‌بینی‌های مدل عملاً با داده‌های تجربی معادلند (میانگین اختلاف= 00018/0، فاصله اطمینان 90% در بازه ±03/0).
نتیجه‌گیری: یافته‌ها فرضیه اصلی را تأیید می‌کنند که توانایی تمایز ناهمگونی در V4 به اختلاف مطلق جفت‌ناهمگونی‌ها و نزدیکی آنها به ناهمگونی صفر وابسته است. ناحیه V4 از راهبرد رمزگذاری کارآمدی بهره می‌برد که دقت را در ناهمگونی‌های نزدیک به عمق تثبیت اولویت‌بندی می‌کند و برای ناهمگونی‌های بزرگ‌تر رمزگذاری خشن‌تری ارائه می‌دهد. چارچوب DCM پایه‌ای محکم برای درک پردازش ناهمگونی در سطح جمعیت نورونی فراهم می‌کند و کاربردهایی در سیستم‌های بینایی مصنوعی و ارزیابی اختلالات استریوسکوپیک دارد.