Ձայնի տեղայնացում. ինչպես է ուղեղը ճանաչում ձայնի աղբյուրները

Ձայնի տեղայնացում. ինչպես է ուղեղը ճանաչում ձայնի աղբյուրները

Մեզ շրջապատող աշխարհը լցված է բոլոր տեսակի տեղեկություններով, որոնք մեր ուղեղն անընդհատ մշակում է: Նա այս տեղեկատվությունը ստանում է զգայական օրգանների միջոցով, որոնցից յուրաքանչյուրը պատասխանատու է իր ազդանշանների համար՝ աչքեր (տեսողություն), լեզու (համ), քիթ (հոտ), մաշկ (հպում), վեստիբուլյար ապարատ (հավասարակշռություն, դիրք տարածության մեջ և զգացողություն): քաշը) և ականջները (ձայնը): Այս բոլոր օրգանների ազդանշանները համատեղելով՝ մեր ուղեղը կարող է ճշգրիտ պատկերացում կազմել մեր միջավայրի մասին: Բայց արտաքին ազդանշանների մշակման ոչ բոլոր ասպեկտները հայտնի են մեզ: Այդ գաղտնիքներից մեկը հնչյունների աղբյուրի տեղայնացման մեխանիզմն է։

Խոսքի և լսողության նեյրոինժեներական լաբորատորիայի գիտնականները (Նյու Ջերսիի տեխնոլոգիական ինստիտուտ) առաջարկել են ձայնի տեղայնացման նյարդային գործընթացի նոր մոդել: Ինչ ճշգրիտ գործընթացներ են տեղի ունենում ուղեղում ձայնի ընկալման ժամանակ, ինչպես է մեր ուղեղը հասկանում ձայնի աղբյուրի դիրքը և ինչպես կարող է այս հետազոտությունը օգնել լսողության թերությունների դեմ պայքարում: Այս մասին տեղեկանում ենք հետազոտական ​​խմբի զեկույցից։ Գնա։

Հետազոտության հիմքը

Տեղեկատվությունը, որը մեր ուղեղը ստանում է մեր զգայարաններից, տարբերվում է միմյանցից և՛ աղբյուրի, և՛ մշակման առումով: Որոշ ազդանշաններ անմիջապես հայտնվում են մեր ուղեղում որպես ճշգրիտ տեղեկատվություն, իսկ մյուսները պահանջում են լրացուցիչ հաշվողական գործընթացներ: Կոպիտ ասած՝ մենք անմիջապես հպում ենք զգում, բայց երբ ձայն ենք լսում, դեռ պետք է գտնենք, թե որտեղից է այն գալիս։

Հորիզոնական հարթությունում հնչյունների տեղայնացման հիմքն է ինտերալսային* ժամանակի տարբերություն (ITD-ից միջլսողական ժամանակի տարբերություն) լսողի ականջին հասնող հնչյուններ.

Ինտերվալային բազա* - ականջների միջև հեռավորությունը.

Ուղեղում կա որոշակի տարածք (միջին վերին ձիթապտուղ կամ MSO), որը պատասխանատու է այս գործընթացի համար: Այն պահին, երբ ձայնային ազդանշանը ստացվում է MVO-ում, միջլսային ժամանակի տարբերությունները վերածվում են նեյրոնների ռեակցիայի արագության: MBO-ի ելքային արագության կորերի ձևը՝ որպես ITD-ի ֆունկցիա, նման է յուրաքանչյուր ականջի մուտքային ազդանշանների խաչաձև հարաբերակցության ֆունկցիայի ձևին:

Ինչպես է տեղեկատվությունը մշակվում և մեկնաբանվում MBO-ում, դեռևս լիովին պարզ չէ, այդ իսկ պատճառով կան մի քանի շատ հակասական տեսություններ: Ձայնի տեղայնացման ամենահայտնի և իրականում դասական տեսությունը Ջեֆրեսի մոդելն է (Լլոյդ Ա. Ջեֆրես) Այն հիմնված է նշված գիծ* դետեկտորային նեյրոններ, որոնք զգայուն են յուրաքանչյուր ականջից նյարդային մուտքերի երկակի համաժամացման նկատմամբ, ընդ որում յուրաքանչյուր նեյրոն առավելագույնս զգայուն է որոշակի քանակությամբ ITD-ի նկատմամբ (1A).

Նշված գծի սկզբունքը* հիպոթեզ է, որը բացատրում է, թե ինչպես են տարբեր նյարդերը, որոնք բոլորն էլ օգտագործում են նույն ֆիզիոլոգիական սկզբունքներն իրենց աքսոնների երկայնքով իմպուլսները փոխանցելու համար, կարողանում են տարբեր սենսացիաներ առաջացնել: Կառուցվածքային նման նյարդերը կարող են առաջացնել տարբեր զգայական ընկալումներ, եթե դրանք կապված են կենտրոնական նյարդային համակարգի եզակի նեյրոնների հետ, որոնք ունակ են տարբեր կերպ վերծանել նմանատիպ նյարդային ազդանշանները:

Ձայնի տեղայնացում. ինչպես է ուղեղը ճանաչում ձայնի աղբյուրները
Պատկեր թիվ 1

Այս մոդելը հաշվողականորեն նման է նյարդային կոդավորմանը, որը հիմնված է երկու ականջին հասնող հնչյունների անսահմանափակ խաչաձեւ հարաբերակցության վրա:

Գոյություն ունի նաև մոդել, որը ենթադրում է, որ ձայնի տեղայնացումը կարող է մոդելավորվել ուղեղի տարբեր կիսագնդերից նեյրոնների որոշակի պոպուլյացիաների արձագանքման արագության տարբերությունների հիման վրա, այսինքն. միջ կիսագնդային ասիմետրիայի մոդելը (1V).

Մինչ այժմ դժվար էր միանշանակ ասել, թե երկու տեսություններից (մոդելներից) որն է ճիշտ, հաշվի առնելով, որ դրանցից յուրաքանչյուրը կանխատեսում է ձայնի տեղայնացման տարբեր կախվածություն ձայնի ինտենսիվությունից։

Ուսումնասիրության մեջ, որը մենք ուսումնասիրում ենք այսօր, հետազոտողները որոշեցին համատեղել երկու մոդելները՝ հասկանալու համար, թե հնչյունների ընկալումը հիմնված է նյարդային կոդավորման վրա, թե առանձին նյարդային պոպուլյացիաների արձագանքման տարբերությունների վրա: Մի քանի փորձեր են անցկացվել, որոնց մասնակցել են 18-ից 27 տարեկան մարդիկ (5 կին և 7 տղամարդ)։ Մասնակիցների աուդիոմետրիան (լսողության սրության չափում) եղել է 25 դԲ կամ ավելի բարձր՝ 250-ից 8000 Հց հաճախականությամբ: Փորձարկումների մասնակցին տեղավորել են ձայնամեկուսիչ սենյակում, որտեղ տեղադրված է եղել բարձր ճշգրտությամբ կալիբրացված հատուկ սարքավորում։ Մասնակիցները, լսելով ձայնային ազդանշան, պետք է նշեին այն ուղղությունը, որտեղից այն եկավ:

Ուսումնասիրության արդյունքները

Կախվածությունը գնահատելու համար կողայինացում* Ուղեղի ակտիվությունը ձայնի ինտենսիվությունից՝ ի պատասխան պիտակավորված նեյրոնների, կիրառվել են նեյրոնների ռեակցիայի արագության վերաբերյալ տվյալները գոմի բուի ուղեղի շերտավոր միջուկում:

Կողմնակիություն* - մարմնի ձախ և աջ կեսերի ասիմետրիա.

Նեյրոնների որոշակի պոպուլյացիաների ռեակցիայի արագությունից ուղեղի ակտիվության կողային կախվածությունը գնահատելու համար օգտագործվել են ռեզուս կապիկի ուղեղի ստորին կոլիկուլուսի ակտիվության տվյալները, որից հետո լրացուցիչ հաշվարկվել են տարբեր կիսագնդերից նեյրոնների արագության տարբերությունները: .

Դետեկտորային նեյրոնների գծանշված գծային մոդելը կանխատեսում է, որ ձայնի ինտենսիվության նվազումով, ընկալվող աղբյուրի կողայինությունը կմիանա միջին արժեքներին, որոնք նման են փափուկ և բարձր ձայների հարաբերակցությանը (1S).

Կիսագնդային ասիմետրիայի մոդելն իր հերթին ենթադրում է, որ երբ ձայնի ինտենսիվությունը նվազում է մինչև շեմային մակարդակի մոտ, ընկալվող կողայինությունը կտեղափոխվի դեպի միջին գիծ (1D).

Ընդհանուր ձայնի ավելի բարձր ինտենսիվության դեպքում ակնկալվում է, որ կողայինացումը կլինի ինտենսիվության անփոփոխ (ներդիրներ 1S и 1D).

Հետևաբար, վերլուծելով, թե ինչպես է ձայնի ինտենսիվությունը ազդում ձայնի ընկալվող ուղղության վրա, մեզ թույլ է տալիս ճշգրիտ որոշել այդ պահին տեղի ունեցող գործընթացների բնույթը՝ նեյրոններ նույն ընդհանուր տարածքից կամ նեյրոններ տարբեր կիսագնդերից:

Ակնհայտ է, որ ITD-ն տարբերելու անձի կարողությունը կարող է տարբեր լինել՝ կախված ձայնի ինտենսիվությունից: Այնուամենայնիվ, գիտնականներն ասում են, որ դժվար է մեկնաբանել նախորդ բացահայտումները, որոնք կապում են զգայունությունը ITD-ի հետ և լսողների դատողությունը ձայնի աղբյուրի ուղղության վերաբերյալ՝ որպես ձայնի ինտենսիվության ֆունկցիա: Որոշ ուսումնասիրություններ ասում են, որ երբ ձայնի ինտենսիվությունը հասնում է սահմանային շեմին, աղբյուրի ընկալվող կողայինությունը նվազում է: Այլ ուսումնասիրություններ ցույց են տալիս, որ ինտենսիվության ազդեցությունը ընդհանրապես ընկալման վրա չկա:

Այլ կերպ ասած, գիտնականները «նրբորեն» ակնարկում են, որ գրականության մեջ քիչ տեղեկություններ կան ՏՏՏ-ի, ձայնի ինտենսիվության և դրա աղբյուրի ուղղությունը որոշելու վերաբերյալ: Կան տեսություններ, որոնք գոյություն ունեն որպես մի տեսակ աքսիոմներ՝ ընդհանուր առմամբ ընդունված գիտական ​​հանրության կողմից։ Ուստի որոշվեց գործնականում մանրամասն փորձարկել լսողության ընկալման բոլոր տեսությունները, մոդելները և հնարավոր մեխանիզմները։

Առաջին փորձը հիմնված էր հոգեֆիզիկական պարադիգմայի վրա, որը թույլ էր տալիս ուսումնասիրել ITD-ի վրա հիմնված կողմնորոշումը որպես ձայնի ինտենսիվության ֆունկցիա տասը նորմալ լսող մասնակիցների խմբում:

Ձայնի տեղայնացում. ինչպես է ուղեղը ճանաչում ձայնի աղբյուրները
Պատկեր թիվ 2

Ձայնի աղբյուրները հատուկ կարգավորվել են՝ ծածկելու հաճախականության տիրույթի մեծ մասը, որի շրջանակներում մարդիկ ի վիճակի են հայտնաբերել ITD, այսինքն. 300-ից մինչև 1200 Հց (2A).

Յուրաքանչյուր փորձարկման ժամանակ ունկնդիրը պետք է նշեր ընկալվող կողայինությունը, որը չափվում է որպես սենսացիայի մակարդակի ֆունկցիա, ITD արժեքների տիրույթում 375-ից մինչև 375 ms: Ձայնի ինտենսիվության ազդեցությունը որոշելու համար օգտագործվել է ոչ գծային խառը էֆեկտների մոդելը (NMLE), որը ներառում է ինչպես ֆիքսված, այնպես էլ պատահական ձայնի ինտենսիվություն:

Գույքացուցակ 2V ցուցադրում է գնահատված կողայինացում՝ սպեկտրալ հարթ աղմուկով երկու ձայնային ինտենսիվությամբ ներկայացուցչական լսողի համար: Եվ ժամանակացույցը 2S ցույց է տալիս բոլոր լսողների չմշակված տվյալները (շրջանակները) և տեղադրված NMLE մոդելը (գծերը):

Ձայնի տեղայնացում. ինչպես է ուղեղը ճանաչում ձայնի աղբյուրները
Աղյուսակ # 1

Վերևի աղյուսակը ցույց է տալիս NLME-ի բոլոր պարամետրերը: Կարելի է տեսնել, որ ընկալվող կողայինությունը մեծացել է ՏՏՏ-ի աճի հետ, ինչպես ակնկալում էին գիտնականները: Քանի որ ձայնի ինտենսիվությունը նվազում էր, ընկալումն ավելի ու ավելի էր փոխվում դեպի միջին գիծ (ներդիր գրաֆիկում 2C).

Այս միտումները պաշտպանվում էին NLME մոդելով, որը ցույց տվեց ITD-ի և ձայնի ինտենսիվության զգալի ազդեցությունը կողայինության առավելագույն աստիճանի վրա՝ աջակցելով միջկիսֆերային տարբերությունների մոդելին:

Բացի այդ, մաքուր տոնների միջին աուդիոմետրիկ շեմերը քիչ ազդեցություն ունեցան ընկալվող կողայինության վրա: Բայց ձայնի ինտենսիվությունը էապես չի ազդել հոգեմետրիկ ֆունկցիաների ցուցանիշների վրա։

Երկրորդ փորձի հիմնական նպատակն էր որոշել, թե ինչպես կփոխվեն նախորդ փորձի արդյունքում ստացված արդյունքները՝ հաշվի առնելով գրգռիչների (հնչյունների) սպեկտրալ առանձնահատկությունները։ Ցածր ձայնի ինտենսիվության դեպքում սպեկտրալ հարթ աղմուկի ստուգման անհրաժեշտությունն այն է, որ սպեկտրի մասերը կարող են լսելի չլինել, և դա կարող է ազդել ձայնի ուղղության որոշման վրա: Հետևաբար, առաջին փորձի արդյունքները կարող են սխալմամբ շփոթվել այն փաստի հետ, որ սպեկտրի լսելի մասի լայնությունը կարող է նվազել ձայնի ինտենսիվության նվազմամբ:

Ուստի որոշվեց անցկացնել մեկ այլ փորձ, սակայն օգտագործելով հակառակը A-կշռված* աղմուկ

A-կշռում* կիրառվում է ձայնի մակարդակների վրա՝ հաշվի առնելու մարդկային ականջի կողմից ընկալվող հարաբերական բարձրությունը, քանի որ ականջը ավելի քիչ զգայուն է ձայնի ցածր հաճախականությունների նկատմամբ: A-կշռումն իրականացվում է dB-ով չափված ձայնային ճնշման մակարդակներին թվաբանական կերպով ավելացնելով օկտավա գոտիներով թվարկված արժեքների աղյուսակը:

Գծապատկերի վրա 2D ցույց է տալիս փորձարկման բոլոր մասնակիցների չմշակված տվյալները (շրջանակները) և NMLE մոդելի վրա տեղադրված տվյալները (գծերը):

Տվյալների վերլուծությունը ցույց է տվել, որ երբ ձայնի բոլոր մասերը մոտավորապես հավասարապես լսելի են (ինչպես առաջին, այնպես էլ երկրորդ փորձարկման ժամանակ), ընկալվող կողայինությունը և թեքությունը գրաֆիկում, որը բացատրում է կողայինության փոփոխությունը ITD-ով, նվազում է ձայնի ինտենսիվության նվազմամբ:

Այսպիսով, երկրորդ փորձի արդյունքները հաստատեցին առաջինի արդյունքները։ Այսինքն՝ գործնականում ցույց է տրվել, որ դեռ 1948 թվականին Ջեֆրեսի առաջարկած մոդելը ճիշտ չէ։

Պարզվում է, որ ձայնի տեղայնացումը վատանում է, երբ ձայնի ինտենսիվությունը նվազում է, և Ջեֆրեսը կարծում էր, որ ձայներն ընկալվում և մշակվում են մարդկանց կողմից նույն կերպ՝ անկախ դրանց ինտենսիվությունից։

Ուսումնասիրության նրբություններին ավելի մանրամասն ծանոթանալու համար խորհուրդ եմ տալիս նայել հայտնում են գիտնականները.

Վերջաբան

Տեսական ենթադրությունները և դրանք հաստատող գործնական փորձերը ցույց են տվել, որ կաթնասունների ուղեղի նեյրոններն ակտիվանում են տարբեր արագությամբ՝ կախված ձայնային ազդանշանի ուղղությունից։ Ուղեղն այնուհետև համեմատում է այդ արագությունները գործընթացում ներգրավված բոլոր նեյրոնների միջև՝ դինամիկ կերպով ձայնային միջավայրի քարտեզ ստեղծելու համար:

Ջեֆրեսոնի մոդելը իրականում 100% սխալ չէ, քանի որ այն կարող է օգտագործվել հիանալի կերպով նկարագրելու ձայնի աղբյուրի տեղայնացումը գոմի բուերում: Այո, գոմի բվերի համար ձայնի ինտենսիվությունը նշանակություն չունի, ամեն դեպքում նրանք կորոշեն դրա աղբյուրի դիրքը։ Այնուամենայնիվ, այս մոդելը չի ​​աշխատում ռեզուս կապիկների հետ, ինչպես ցույց են տվել նախորդ փորձերը: Հետևաբար, Ջեֆրեսոնի այս մոդելը չի ​​կարող նկարագրել ձայների տեղայնացումը բոլոր կենդանի էակների համար:

Մարդկանց մասնակցությամբ իրականացված փորձերը ևս մեկ անգամ հաստատել են, որ տարբեր օրգանիզմներում ձայնի տեղայնացումը տարբեր կերպ է տեղի ունենում: Մասնակիցներից շատերը ձայների ցածր ինտենսիվության պատճառով չեն կարողացել ճիշտ որոշել ձայնային ազդանշանների աղբյուրի դիրքը։

Գիտնականները կարծում են, որ իրենց աշխատանքը ցույց է տալիս որոշակի նմանություններ, թե ինչպես ենք մենք տեսնում և ինչպես ենք լսում: Երկու գործընթացներն էլ կապված են ուղեղի տարբեր մասերում նեյրոնների արագության հետ, ինչպես նաև այս տարբերության գնահատման հետ՝ որոշելու թե՛ տարածության մեջ մեր տեսած օբյեկտների, թե՛ լսած ձայնի աղբյուրի դիրքը:

Հետագայում հետազոտողները պատրաստվում են մի շարք փորձեր անցկացնել՝ ավելի մանրամասն ուսումնասիրելու մարդու լսողության և տեսողության միջև կապը, ինչը թույլ կտա մեզ ավելի լավ հասկանալ, թե ինչպես է մեր ուղեղը դինամիկ կերպով կառուցում մեզ շրջապատող աշխարհի քարտեզը:

Շնորհակալություն կարդալու համար, մնացեք հետաքրքրասեր և լավ շաբաթ ունեցեք տղաներ: 🙂

Շնորհակալություն մեզ հետ մնալու համար: Ձեզ դուր են գալիս մեր հոդվածները: Ցանկանու՞մ եք տեսնել ավելի հետաքրքիր բովանդակություն: Աջակցեք մեզ՝ պատվիրելով կամ խորհուրդ տալով ընկերներին, ամպային VPS մշակողների համար $4.99-ից, 30% զեղչ Habr-ի օգտատերերի համար մուտքի մակարդակի սերվերների եզակի անալոգի վրա, որը ստեղծվել է մեր կողմից ձեզ համար. Ամբողջ ճշմարտությունը VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps 20 դոլարից կամ ինչպես կիսել սերվերը: (հասանելի է RAID1 և RAID10-ով, մինչև 24 միջուկով և մինչև 40 ԳԲ DDR4):

Dell R730xd 2 անգամ ավելի էժան? Միայն այստեղ 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 հեռուստացույց $199-ից Նիդեռլանդներում! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99-ից: Կարդացեք մասին Ինչպես կառուցել ենթակառուցվածքի կորպ. դաս՝ 730 եվրո արժողությամբ Dell R5xd E2650-4 v9000 սերվերների օգտագործմամբ մեկ կոպեկի համար:

Source: www.habr.com

Добавить комментарий