$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
الصور السمعية هي عملية تؤدي إلى تجربة سماع الأصوات ، حتى في حالة عدم وجود محفزات سمعية خارجية.
على سبيل المثال ، فكر في سماع صوت رنين الهاتف الخلوي. في حين أن المعلومات الموجودة في الذاكرة تكمن وراء هذا الحدث الخيالي ، تشير الأدلة إلى أن دماغ الفرد يستخدم نفس آليات الخيال مثل تلك التي تشارك في الإدراك الفعلي.
فقط عند تخيل الرنين ، يتم تنشيط المناطق داخل القشرة السمعية. ومع ذلك ، على الرغم من أن هذا صحيح عبر المحفزات الصوتية ، إلا أن كيفية تشفير الأصوات للسماح بالمعالجة التفصيلية للأصوات المميزة - مثل التمييز بين رنين جرس الباب والأغنية التي يتم تشغيلها على الراديو - هو سؤال مهم.
استنادا إلى العمل السابق الذي قام به ماير وزملاؤه ، يوضح هذا الفيديو كيفية الجمع بين التصوير بالرنين المغناطيسي الوظيفي مع عروض تقديمية لمقاطع فيديو صامتة مختلفة للتحقيق في كيفية استجابة الدماغ للصور السمعية.
سنصف أيضا كيفية استخدام طريقة تسمى تحليل نمط الفوكسل المتعدد؟ MVPA باختصار؟للتنبؤ بما تخيله الأشخاص من خلال تحليل أنماط التنشيط التي تم الحصول عليها أثناء جلسات التصوير بالرنين المغناطيسي الوظيفي.
في هذه التجربة ، يستلقي المشاركون في ماسح التصوير بالرنين المغناطيسي الوظيفي ويعرضون عليهم سلسلة من مقاطع الفيديو الصامتة. كل واحد - سواء كان صراخ الديك ، أو منشارا يقطع شجرة ، أو شخص يعزف على البيانو - يثير صورا سمعية مميزة وحيوية ، ويطلب منهم تخيل الأصوات أثناء كل عرض تقديمي.
يعتمد إجراء الحصول على التصوير على أخذ عينات زمنية متفرقة ، حيث يتم الحصول على حجم واحد للتصوير بالرنين المغناطيسي الوظيفي بعد 4 إلى 5 ثوان من تقديم كل محفز. يلتقط هذا التوقيت ذروة الاستجابة الديناميكية الدموية ويقلل من احتمالية إخفاء الإشارات بضوضاء الماسح الضوئي.
من المتوقع أن يحفز كل صوت متخيل أنماطا خفية ومميزة للنشاط العصبي ، وتحديدا في القشرة السمعية. هنا ، النمط هو الكلمة الأساسية: تستخدم الطريقة الكلاسيكية لتحليل هذه البيانات نهجا أحادي المتغير ، حيث يتم طي voxels الفردية - التي تمثل مستوى معينا من التنشيط - في متوسط واحد.
ثم تتم مقارنة هذه القيم عبر الأصوات وقد لا تنتج أي اختلافات كبيرة في مستويات التنشيط.
بدلا من ذلك ، باستخدام تحليل متعدد المتغيرات ، يتم وضع فوكسل متعددة لكل صوت ويمكن مقارنة مستويات التنشيط بشكل جماعي ، عبر جميع فوكسيل - مما يساهم في نمط عام فريد لكل صوت متخيل.
مع نهج تحليل النمط متعدد الفوكسل ، أو MVPA ، إذا كانت الأنماط حساسة بالفعل لمحتوى معين ، فمن الممكن استخدامها للتنبؤ بالحافز الأصلي. هذا صحيح؟ غالبا ما يشار إلى MVPA على أنه تقنية قراءة الأفكار!
لتحقيق جانب التنبؤ هذا ، يجب إجراء معالجة أكثر كثافة بعد جمع المشاركين؟ البيانات ، والتي تنقسم إلى مجموعات التدريب والاختبار.
تخضع البيانات المصنفة من مجموعة التدريب أولا لحسابات التعلم الآلي ، على وجه التحديد ، خوارزمية آلة ناقل الدعم. تستخدم هذه العملية لتصنيف البيانات بدقة من خلال التعرف على الميزات في الأنماط العصبية التي قد تميز الأنواع الثلاثة من الأصوات عن بعضها البعض.
بعد أن يتعلم المصنف ميزات لتحديد الأنواع بدقة ، يتم تقديمه ببيانات غير مسماة من مجموعة الاختبار ، ثم تتم مقارنة تخميناته بملصقات المحفزات الصحيحة.
في هذه الحالة ، يعمل أداء التصنيف كمتغير تابع - مسجل كدقة المصنف - والذي تتم مقارنته أيضا بفوكسل التي يتم استحضارها في مكان مختلف في الدماغ ، مثل القطب الأمامي.
من المتوقع أن يتنبأ المصنف بتحديد الصور السمعية ، مما يكشف عن أهمية MVPA في اكتشاف النشاط الخاص بالمحتوى داخل القشرة السمعية.
وفقا للمخاوف التجريبية والمتعلقة بالسلامة ، تحقق من أن جميع المشاركين يستخدمون اليد اليمنى ، ولديهم رؤية طبيعية أو مصححة إلى طبيعية ، وليس لديهم تاريخ من الاضطرابات العصبية أو رهاب الأماكن المغلقة ، ولا يمتلكون أي معدن في أجسامهم. تأكد أيضا من ملء نماذج الموافقة اللازمة.
قبل المتابعة ، اشرح لهم أنهم سيشاهدون العديد من مقاطع الفيديو الصامتة القصيرة في الماسح الضوئي والتي قد تثير صوتا في أذهانهم. اطلب منهم التركيز على الأصوات المتخيلة ، و "سماعها" بأفضل ما في وسعهم ، والبقاء ثابتين طوال مدة المهمة.
الآن ، قم بإعداد المشارك لدخول الماسح الضوئي. لرؤية هذه الخطوات بالتفصيل ، يرجى الرجوع إلى فيديو آخر بالرنين المغناطيسي الوظيفي تم إنتاجه في هذه المجموعة.
بعد التحضير ، قم بمحاذاة المشارك وأرسله داخل التجويف. في الغرفة المجاورة ، قم أولا بجمع مسح تشريحي عالي الدقة. بعد ذلك ، قم بمزامنة بداية عرض الفيديو الصامت مع بداية المسح الوظيفي.
لتحقيق أخذ عينات زمنية متفرقة ، اضبط وقت اكتساب حجم التصوير بالرنين المغناطيسي على 2 ثانية ، مع تأخير 9 ثوان بينهما.
الأهم من ذلك ، قم بتنسيق بداية كل مقطع فيديو 5 ثوان ليبدأ 4 ثوان بعد أن يبدأ اكتساب التصوير بالرنين المغناطيسي السابق في التقاط النشاط الديناميكي الدموي الذي يتوافق مع منتصف الفيلم.
قدم كل مقطع فيديو 10 مرات ، بترتيب عشوائي ، وقم بإنشاء جلسة مسح واحدة تستغرق 5.5 دقيقة. كرر تسلسل الاستحواذ الوظيفي هذا ثلاث مرات أخرى.
بعد إجراء عمليات المسح الوظيفية الأربعة ، أخرج المشارك من الماسح الضوئي ، واستأخر من استخلاص المعلومات لإنهاء الدراسة.
لتحديد مناطق الاهتمام ، استخدم عمليات المسح التشريحي عالية الدقة لكل مشارك وتتبع الفوكسل على سطح الفص الصدغي التي تتوافق مع القشرة السمعية المبكرة ، والمعروفة أيضا باسم المسطح الصدغي. بالإضافة إلى ذلك ، قم بإنشاء قناع يحتوي على voxels في الفص الجبهي ، والذي سيتم استخدامه كمنطقة تحكم.
بعد ذلك ، قم بالمعالجة المسبقة للبيانات عن طريق إجراء تصحيح الحركة لتقليل القطع الأثرية للحركة والتصفية الزمنية لإزالة انجرافات الإشارة.
بعد ذلك ، قسم البيانات إلى مجموعتين: التدريب والاختبار. في مجموعة بيانات واحدة ، قم بتدريب المصنف - خوارزمية آلة متجهة الدعم - مع التأكد من إبقاء البيانات من منطقتي الدماغ منفصلة لكل موضوع.
في المجموعة الأخرى ، قم بتقييم ما تعلمه المصنف - قدرته على تخمين هوية البيانات غير المسماة بشكل صحيح - وتسجيل دقة الخوارزمية عبر عمليات التشغيل. قم بتنفيذ هذا الإجراء ما مجموعه أربع مرات ، مع ترك فحص وظيفي واحد كبيانات اختبار في كل مرة - وهي عملية تسمى التحقق المتبادل.
لتصور البيانات، قم برسم بياني لمتوسط دقة المصنف عبر طيات التحقق المتبادل الأربعة لكل مشارك.
ارسم هذه المتوسطات لكل من المنطقة الأساسية ذات الاهتمام - المسطح الصدغي - ومنطقة التحكم - القطب الأمامي - لمقارنة الخصوصية البؤرية للمصنف ، ومدى التنبؤ بشكل انتقائي بمنطقة معينة ، مثل القشرة السمعية ، بالمشاركة في الخيال السمعي.
في هذه الحالة ، قم بإجراء إحصائية غير معلمية ، اختبار Wilcoxon Signed-Rank ، لاختبار الأداء مقابل الصدفة ، وهو 33٪. لاحظ أن متوسط دقة المصنف في القشرة السمعية كان 59٪ ، وهو ما يختلف اختلافا كبيرا عن مستوى الفرصة.
في المقابل ، كان متوسط الأداء في قناع العمود الأمامي 33٪ ، وهو ما لا يختلف اختلافا كبيرا عن الصدفة.
علاوة على ذلك ، لاحظ أن أداء المصنف يختلف بين الأفراد. بعد استخدام اختبار التقليب لحساب عتبة إحصائية جديدة تبلغ 42٪ ، انظر أن 19 من 20 شخصا لديهم قيم دقة أكبر بكثير من هذا المستوى باستخدام voxels من planum temporale ، في حين لم يكن لدى أي منهم أداء أكبر من الصدفة باستخدام voxels من القطب الأمامي.
بشكل عام ، تشير هذه النتائج إلى أن تقنيات MVPA تنبأت بدقة بأي من الأصوات الثلاثة التي كان المشاركون يتخيلونها بناء على أنماط النشاط العصبي. تم إجراء مثل هذه التنبؤات فقط داخل القشرة السمعية ، مما يشير إلى أن المحتوى الصوتي لا يتم تمثيله عالميا في جميع أنحاء الدماغ.
الآن بعد أن أصبحت على دراية بكيفية تطبيق تحليل الأنماط متعددة الفوكسل لدراسة الصور السمعية ، دعنا نلقي نظرة على كيفية استخدام علماء النفس العصبي لتقنيات متعددة المتغيرات لتطوير نهج مستقبلي لقراءة العقل - فك تشفير الحالات العقلية - في مجالات أخرى.
تم استخدام المصنفات في بيانات الرنين المغناطيسي الوظيفي التي تم الحصول عليها من القشرة الصدغية البطنية للتنبؤ بأنواع الأشياء التي شاهدها المشاركون ، والتمييز بين المنازل والوجوه ، على سبيل المثال.
مع أخذ هذه الخطوة إلى الأمام ، من الممكن حتى التنبؤ بما إذا كان الفرد سيشتري هذا المنزل أو يجد الشخص ممتعا. بقدر ما يبدو ذلك مخيفا ، فإن هذه الآثار المترتبة على التسويق العصبي ليست بعيدة المنال!
يمكن أيضا استخدام نفس النهج لاكتشاف الحالات العاطفية بعد مشاهدة العرض - مع الاعتراف بأن الفيلم المخيف مرعب بالفعل - أو حتى نوع الفيلم. على سبيل المثال ، قد يؤدي النقر المخيف إلى إشراك اللوزة بشكل أكثر توقعا على اللوزة التأملية التي من شأنها أن تشمل قشرة الفص الجبهي بشكل موثوق.
بالإضافة إلى ذلك ، يمكن لواجهات الدماغ والحاسوب تحويل الحالات العقلية إلى إشارات من شأنها أن تعزز التواصل ، في حالة الأفراد الذين يخضعون لعلاج النطق ، أو الحركات ، لأولئك الذين عانوا من بتر أحد الأطراف.
لقد شاهدت للتو فيديو JoVE حول فهم الصور السمعية باستخدام تحليل نمط متعدد الفوكسل. الآن يجب أن يكون لديك فهم جيد لكيفية تصميم وإجراء تجربة الصور السمعية جنبا إلى جنب مع التصوير العصبي الوظيفي ، وأخيرا كيفية تحليل وتفسير أنماط معينة من نشاط الدماغ.
شكرا للمشاهدة!
