Hang lokalizáció: hogyan ismeri fel az agy a hangforrásokat

Hang lokalizáció: hogyan ismeri fel az agy a hangforrásokat

A körülöttünk lévő világ tele van mindenféle információval, amelyet agyunk folyamatosan feldolgoz. Ezeket az információkat érzékszerveken keresztül kapja, amelyek mindegyike felelős a jelek részéért: szem (látás), nyelv (ízlelés), orr (szaglás), bőr (érintés), vesztibuláris készülék (egyensúly, térbeli helyzet és érzékszervek). súly) és a fülek (hang). Mindezen szervek jeleinek kombinálásával agyunk pontos képet alkothat környezetünkről. De a külső jelek feldolgozásának nem minden aspektusa ismert számunkra. Az egyik ilyen titok a hangforrás lokalizálásának mechanizmusa.

A Beszéd és Hallás Neuromérnöki Laboratóriumának (New Jersey Institute of Technology) tudósai a hang lokalizációjának idegi folyamatának új modelljét javasolták. Milyen pontos folyamatok zajlanak le az agyban a hang észlelése során, hogyan érti agyunk a hangforrás helyzetét, és hogyan segíthet ez a kutatás a halláskárosodás elleni küzdelemben. Erről a kutatócsoport beszámolójából értesülünk. Megy.

Kutatási alap

Azok az információk, amelyeket agyunk érzékszerveinktől kap, eltérnek egymástól, mind a forrás, mind a feldolgozás szempontjából. Egyes jelek azonnal pontos információként jelennek meg agyunk számára, míg mások további számítási folyamatokat igényelnek. Nagyjából egy érintést azonnal érezünk, de ha hangot hallunk, akkor is meg kell találnunk, honnan jön.

A hangok vízszintes síkban történő lokalizálásának alapja az interaurális* időeltolódás (ITD a interaurális időkülönbség) hangok jutnak el a hallgató fülébe.

Interaurális alap* - fülek közötti távolság.

Az agyban van egy meghatározott terület (a mediális felső olíva vagy MSO), amely felelős ezért a folyamatért. Az audiojel vételének pillanatában az MVO-ban az interaurális időkülönbségek a neuronok reakciósebességévé alakulnak. Az MVO kimeneti sebességgörbéinek alakja az ITD függvényében hasonlít az egyes fülek bemeneti jeleinek keresztkorrelációs függvényének alakjára.

Az információ feldolgozása és értelmezése az MBO-ban továbbra sem teljesen világos, ezért számos nagyon egymásnak ellentmondó elmélet létezik. A hanglokalizáció leghíresebb és tulajdonképpen klasszikus elmélete a Jeffress-modell (Lloyd A. Jeffress). Azon alapul megjelölt vonal* detektor neuronok, amelyek érzékenyek az egyes fülekből érkező idegi bemenetek binaurális szinkronjára, és mindegyik neuron maximálisan érzékeny egy bizonyos mennyiségű ITD-re ().

Jelzett vonal elve* egy hipotézis, amely megmagyarázza, hogy a különböző idegek, amelyek mindegyike ugyanazokat a fiziológiai elveket használja az impulzusok axonjai mentén történő továbbítására, hogyan képesek különböző érzeteket generálni. A szerkezetileg hasonló idegek különböző szenzoros észleléseket generálhatnak, ha a központi idegrendszerben olyan egyedi neuronokhoz kapcsolódnak, amelyek képesek különböző módon dekódolni a hasonló idegi jeleket.

Hang lokalizáció: hogyan ismeri fel az agy a hangforrásokat
1. kép

Ez a modell számítási szempontból hasonlít a neurális kódoláshoz, amely a mindkét fület elérő hangok korlátlan keresztkorrelációin alapul.

Létezik olyan modell is, amely azt sugallja, hogy a hang lokalizációja modellezhető az agy különböző féltekéiből származó neuronok egyes populációinak válaszsebességének különbségei alapján, pl. félgömbök közötti aszimmetria modellje (1V).

Mindeddig nehéz volt egyértelműen megállapítani, hogy a két elmélet (modell) közül melyik a helyes, mivel mindegyik a hang lokalizációjának a hangintenzitástól való eltérő függőségét jósolja.

A ma vizsgált tanulmányban a kutatók úgy döntöttek, hogy a két modellt kombinálják, hogy megértsék, vajon a hangok észlelése neurális kódoláson vagy az egyes idegi populációk reakcióiban mutatkozó különbségeken alapul-e. Számos kísérletet végeztek, amelyben 18 és 27 év közöttiek (5 nő és 7 férfi) vettek részt. A résztvevők audiometriája (a hallásélesség mérése) 25 dB vagy magasabb volt 250 és 8000 Hz között. A kísérletekben résztvevőt egy hangszigetelt helyiségben helyezték el, amelyben speciális, nagy pontossággal kalibrált berendezéseket helyeztek el. A résztvevőknek hangjelzés hallatán jelezniük kellett, hogy melyik irányból érkezett.

Kutatási eredmények

A függőség felmérésére lateralizáció* az agyi aktivitást a hangintenzitásból a jelölt neuronokra adott válaszként, a macskabagoly agy lamináris magjában található neuronok reakciósebességének adatait használtuk fel.

oldalirányúság* - a test bal és jobb felének aszimmetriája.

Az agyi aktivitás lateralizációja bizonyos neuronpopulációk reakciósebességétől való függésének felmérésére a rhesus majom agyának inferior colliculusának aktivitásából származó adatokat használtuk, majd a különböző féltekékből származó neuronok sebességének különbségeit is kiszámítottuk. .

A detektor neuronok markáns vonalmodellje azt jósolja, hogy a hangintenzitás csökkenésével az észlelt forrás oldalirányúsága a halk és a hangos hangok arányához hasonló átlagértékekhez konvergál (1S).

A félgömb aszimmetria modellje viszont azt sugallja, hogy a hangintenzitás közel küszöbszintre csökkenésével az észlelt oldalirányúság a középvonal felé tolódik (1D).

Magasabb általános hangintenzitás esetén a lateralizáció várhatóan invariáns intenzitású (beszúrások 1S и 1D).

Ezért annak elemzése, hogy a hangintenzitás hogyan befolyásolja a hang észlelt irányát, lehetővé teszi számunkra, hogy pontosan meghatározzuk az adott pillanatban lezajló folyamatok természetét - az azonos általános területről származó neuronokat vagy a különböző féltekékről származó neuronokat.

Nyilvánvaló, hogy egy személy képessége az ITD megkülönböztetésére a hang intenzitásától függően változhat. A tudósok azonban azt mondják, hogy nehéz értelmezni azokat a korábbi eredményeket, amelyek az érzékenységet az ITD-vel és a hallgatók által a hangforrás irányáról alkotott véleményét a hangintenzitás függvényében kapcsolták össze. Egyes tanulmányok azt mondják, hogy amikor a hang intenzitása elér egy határküszöböt, a forrás észlelt oldalirányúsága csökken. Más tanulmányok azt sugallják, hogy az intenzitásnak egyáltalán nincs hatása az észlelésre.

Más szóval, a tudósok „szelíden” utalnak arra, hogy a szakirodalomban kevés információ áll rendelkezésre az ITD, a hangintenzitás és a forrás irányának meghatározása közötti kapcsolatról. Vannak elméletek, amelyek egyfajta axiómaként léteznek, és általánosan elfogadott a tudományos közösség. Ezért úgy döntöttek, hogy a hallásészlelés összes elméletét, modelljét és lehetséges mechanizmusát részletesen tesztelik a gyakorlatban.

Az első kísérlet egy pszichofizikai paradigmán alapult, amely lehetővé tette az ITD-alapú lateralizáció tanulmányozását a hangintenzitás függvényében tíz normál hallású résztvevőből álló csoportban.

Hang lokalizáció: hogyan ismeri fel az agy a hangforrásokat
2. kép

A hangforrásokat kifejezetten úgy hangolták, hogy lefedjék annak a frekvenciatartománynak a nagy részét, amelyen belül az emberek képesek felismerni az ITD-t, pl. 300 és 1200 Hz között ().

Minden egyes próbánál a hallgatónak jeleznie kellett az észlelt lateralitást, az érzékelési szint függvényében mérve, egy 375 és 375 ms közötti ITD-érték tartományban. A hangintenzitás hatásának meghatározásához nemlineáris kevert effektus-modellt (NMLE) használtunk, amely rögzített és véletlenszerű hangintenzitást is tartalmazott.

Menetrend 2V becsült lateralizációt mutat spektrálisan lapos zajjal két hangintenzitás mellett egy reprezentatív hallgató számára. És a menetrend 2S mutatja az összes hallgató nyers adatait (körök) és az illesztett NMLE modellt (vonalakat).

Hang lokalizáció: hogyan ismeri fel az agy a hangforrásokat
Asztal 1

A fenti táblázat az összes NLME paramétert mutatja. Látható, hogy az észlelt lateralitás az ITD növekedésével nőtt, ahogy azt a tudósok várták. Ahogy a hang intenzitása csökkent, az érzékelés egyre jobban eltolódott a középvonal felé (a grafikonon 2C).

Ezeket a tendenciákat támasztotta alá az NLME modell, amely az ITD és a hangintenzitás szignifikáns hatását mutatta ki a maximális oldalirányúságra, alátámasztva a félgömbök közötti különbségek modelljét.

Ezenkívül a tiszta hangok átlagos audiometriai küszöbértékei csekély hatással voltak az észlelt oldalirányúságra. De a hangintenzitás nem befolyásolta jelentősen a pszichometriai funkciók mutatóit.

A második kísérlet fő célja annak meghatározása volt, hogy az ingerek (hangok) spektrális jellemzőit figyelembe véve hogyan változnak az előző kísérletben kapott eredmények. A spektrálisan lapos zaj tesztelésének szükségessége alacsony hangintenzitás mellett az, hogy a spektrum egyes részei esetleg nem hallhatók, és ez befolyásolhatja a hang irányának meghatározását. Ebből következően az első kísérlet eredményei tévesen összetéveszthetők azzal, hogy a hangintenzitás csökkenésével a spektrum hallható részének szélessége csökkenhet.

Ezért úgy döntöttek, hogy egy másik kísérletet végeznek, de fordítva A-súlyozott* zaj

A-súly* hangszintekre alkalmazzák, hogy figyelembe vegyék az emberi fül által érzékelt relatív hangerőt, mivel a fül kevésbé érzékeny az alacsony hangfrekvenciákra. Az A-súlyozás úgy valósul meg, hogy a dB-ben mért hangnyomásszintekhez oktávsávokban felsorolt ​​értékek táblázatát számtanilag hozzáadják.

A diagramon 2D mutatja a kísérletben részt vevő összes résztvevő nyers adatait (körök) és az NMLE modellhez illesztett adatait (vonalak).

Az adatok elemzése azt mutatta, hogy ha a hang minden része megközelítőleg egyformán hallható (mind az első, mind a második kísérletben), az észlelt lateralitás és a grafikonon az ITD hatására bekövetkező lateralitás változását magyarázó meredekség csökken a hangintenzitás csökkenésével.

Így a második kísérlet eredményei megerősítették az első eredményeit. Azaz a gyakorlatban bebizonyosodott, hogy a Jeffress által 1948-ban javasolt modell nem helyes.

Kiderült, hogy a hangok lokalizációja a hangintenzitás csökkenésével romlik, és Jeffress úgy vélte, hogy a hangokat az emberek ugyanúgy érzékelik és dolgozzák fel, függetlenül azok intenzitásától.

A tanulmány árnyalatainak részletesebb megismeréséhez javaslom, hogy tekintse meg tudósítanak.

Epilógus

Az elméleti feltevések és az ezeket alátámasztó gyakorlati kísérletek kimutatták, hogy az emlősök agyi neuronjai a hangjel irányától függően eltérő sebességgel aktiválódnak. Az agy ezután összehasonlítja ezeket a sebességeket a folyamatban részt vevő összes neuron között, hogy dinamikusan felállítsa a hangkörnyezet térképét.

Jeffresson modellje valójában nem 100%-ban hibás, hiszen tökéletesen leírható vele a hangforrás lokalizációja macskabaglyoknál. Igen, a macskabagolyok számára a hang intenzitása nem számít, mindenesetre ők határozzák meg a hangforrás helyét. Ez a modell azonban nem működik rhesus majmokkal, amint azt a korábbi kísérletek kimutatták. Ezért ez a Jeffresson-modell nem írja le minden élőlény hangjának lokalizációját.

A humán résztvevőkkel végzett kísérletek ismét megerősítették, hogy a hangok lokalizációja a különböző organizmusokban eltérően történik. A résztvevők közül sokan nem tudták helyesen meghatározni a hangjelek forrásának helyzetét a hangok alacsony intenzitása miatt.

A tudósok úgy vélik, hogy munkájuk bizonyos hasonlóságokat mutat aközött, ahogy látunk és ahogy hallunk. Mindkét folyamat az agy különböző részein található neuronok sebességéhez kapcsolódik, valamint ennek a különbségnek a felméréséhez, hogy meghatározzuk mind a tárgyak, amelyeket a térben látunk, mind a hallott hang forrásának helyzetét.

A jövőben a kutatók kísérletsorozatot fognak végezni, hogy részletesebben megvizsgálják az emberi hallás és látás kapcsolatát, ami lehetővé teszi számunkra, hogy jobban megértsük, hogyan építi fel agyunk dinamikusan a minket körülvevő világ térképét.

Köszönöm a figyelmet, maradjatok kíváncsiak és szép hetet mindenkinek! 🙂

Köszönjük, hogy velünk tartott. Tetszenek cikkeink? További érdekes tartalmakat szeretne látni? Támogass minket rendeléssel vagy ajánlj ismerőseidnek, felhő VPS fejlesztőknek 4.99 dollártól, 30% kedvezmény a Habr felhasználóknak a belépő szintű szerverek egyedülálló analógjára, amelyet mi találtunk ki Önnek: A teljes igazság a VPS-ről (KVM) E5-2650 v4 (6 mag) 10 GB DDR4 240 GB SSD 1 Gbps 20 dollártól, vagy hogyan oszthat meg egy szervert? (RAID1 és RAID10, akár 24 maggal és akár 40 GB DDR4-gyel is elérhető).

Dell R730xd kétszer olcsóbb? Csak itt 2x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6 GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV 199 dollártól Hollandiában! Dell R420 - 2x E5-2430 2.2 Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - 99 dollártól! Olvasni valamiről Hogyan építsünk infrastrukturális vállalatot? osztályú Dell R730xd E5-2650 v4 szerverek használatával 9000 eurót ér egy fillérért?

Forrás: will.com

Hozzászólás