ശബ്ദ പ്രാദേശികവൽക്കരണം: മസ്തിഷ്കം ശബ്ദ സ്രോതസ്സുകളെ എങ്ങനെ തിരിച്ചറിയുന്നു

നമുക്ക് ചുറ്റുമുള്ള ലോകം നമ്മുടെ മസ്തിഷ്കം തുടർച്ചയായി പ്രോസസ്സ് ചെയ്യുന്ന എല്ലാത്തരം വിവരങ്ങളാലും നിറഞ്ഞിരിക്കുന്നു. ഇന്ദ്രിയ അവയവങ്ങളിലൂടെയാണ് അദ്ദേഹത്തിന് ഈ വിവരങ്ങൾ ലഭിക്കുന്നത്, അവ ഓരോന്നും അതിന്റെ സിഗ്നലുകളുടെ പങ്ക് വഹിക്കുന്നു: കണ്ണുകൾ (കാഴ്ച), നാവ് (രുചി), മൂക്ക് (മണം), ചർമ്മം (സ്പർശനം), വെസ്റ്റിബുലാർ ഉപകരണം (സന്തുലിതാവസ്ഥ, ബഹിരാകാശത്തിലെ സ്ഥാനം, അർത്ഥം. ഭാരം) ചെവികൾ (ശബ്ദം). ഈ എല്ലാ അവയവങ്ങളിൽ നിന്നുമുള്ള സിഗ്നലുകൾ സംയോജിപ്പിച്ച്, നമ്മുടെ മസ്തിഷ്കത്തിന് നമ്മുടെ പരിസ്ഥിതിയുടെ കൃത്യമായ ചിത്രം നിർമ്മിക്കാൻ കഴിയും. എന്നാൽ ബാഹ്യ സിഗ്നലുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന്റെ എല്ലാ വശങ്ങളും ഞങ്ങൾക്ക് അറിയില്ല. ഈ രഹസ്യങ്ങളിലൊന്ന് ശബ്ദങ്ങളുടെ ഉറവിടം പ്രാദേശികവൽക്കരിക്കുന്നതിനുള്ള സംവിധാനമാണ്.

ലബോറട്ടറി ഓഫ് ന്യൂറോ എഞ്ചിനീയറിംഗ് ഓഫ് സ്പീച്ച് ആൻഡ് ഹിയറിംഗിലെ (ന്യൂജേഴ്‌സി ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്നോളജി) ശാസ്ത്രജ്ഞർ ശബ്ദ പ്രാദേശികവൽക്കരണത്തിന്റെ ന്യൂറൽ പ്രക്രിയയുടെ ഒരു പുതിയ മാതൃക നിർദ്ദേശിച്ചു. ശബ്ദത്തിന്റെ ധാരണ സമയത്ത് തലച്ചോറിൽ എന്ത് കൃത്യമായ പ്രക്രിയകൾ സംഭവിക്കുന്നു, ശബ്ദ സ്രോതസ്സിൻറെ സ്ഥാനം നമ്മുടെ മസ്തിഷ്കം എങ്ങനെ മനസ്സിലാക്കുന്നു, ശ്രവണ വൈകല്യങ്ങൾക്കെതിരായ പോരാട്ടത്തിൽ ഈ ഗവേഷണം എങ്ങനെ സഹായിക്കും. ഗവേഷണ ഗ്രൂപ്പിന്റെ റിപ്പോർട്ടിൽ നിന്ന് ഞങ്ങൾ ഇതിനെക്കുറിച്ച് മനസ്സിലാക്കുന്നു. പോകൂ.

ഗവേഷണ അടിസ്ഥാനം

നമ്മുടെ ഇന്ദ്രിയങ്ങളിൽ നിന്ന് നമ്മുടെ മസ്തിഷ്കത്തിന് ലഭിക്കുന്ന വിവരങ്ങൾ, അതിന്റെ ഉറവിടത്തിന്റെ കാര്യത്തിലും അതിന്റെ പ്രോസസ്സിംഗിന്റെ കാര്യത്തിലും പരസ്പരം വ്യത്യസ്തമാണ്. ചില സിഗ്നലുകൾ നമ്മുടെ മസ്തിഷ്കത്തിൽ കൃത്യമായ വിവരങ്ങളായി ഉടൻ പ്രത്യക്ഷപ്പെടുന്നു, മറ്റുള്ളവയ്ക്ക് അധിക കമ്പ്യൂട്ടേഷണൽ പ്രക്രിയകൾ ആവശ്യമാണ്. ഏകദേശം പറഞ്ഞാൽ, നമുക്ക് പെട്ടെന്ന് ഒരു സ്പർശനം അനുഭവപ്പെടുന്നു, പക്ഷേ ഒരു ശബ്ദം കേൾക്കുമ്പോൾ, അത് എവിടെ നിന്നാണ് വരുന്നതെന്ന് നമ്മൾ കണ്ടെത്തേണ്ടതുണ്ട്.

തിരശ്ചീന തലത്തിൽ ശബ്ദങ്ങൾ പ്രാദേശികവൽക്കരിക്കുന്നതിനുള്ള അടിസ്ഥാനം ആന്തരികം* സമയ വ്യത്യാസം (ITD മുതൽ ഇന്റർഓറൽ സമയ വ്യത്യാസം) ശ്രോതാവിന്റെ ചെവിയിൽ എത്തുന്ന ശബ്ദങ്ങൾ.

ആന്തരിക അടിസ്ഥാനം* - ചെവികൾ തമ്മിലുള്ള ദൂരം.

ഈ പ്രക്രിയയ്ക്ക് ഉത്തരവാദിയായ മസ്തിഷ്കത്തിൽ ഒരു പ്രത്യേക പ്രദേശമുണ്ട് (മീഡിയൽ സുപ്പീരിയർ ഒലിവ് അല്ലെങ്കിൽ എംഎസ്ഒ). എം‌വി‌ഒയിൽ ശബ്ദ സിഗ്നൽ ലഭിക്കുന്ന നിമിഷത്തിൽ, ഇന്റററൽ സമയ വ്യത്യാസങ്ങൾ ന്യൂറോണുകളുടെ പ്രതികരണ നിരക്കായി പരിവർത്തനം ചെയ്യപ്പെടുന്നു. ITD യുടെ പ്രവർത്തനമെന്ന നിലയിൽ MBO ഔട്ട്‌പുട്ട് പ്രവേഗ കർവുകളുടെ ആകൃതി ഓരോ ചെവിക്കുമുള്ള ഇൻപുട്ട് സിഗ്നലുകളുടെ ക്രോസ്-കോറിലേഷൻ ഫംഗ്‌ഷന്റെ ആകൃതിയോട് സാമ്യമുള്ളതാണ്.

എം‌ബി‌ഒയിൽ വിവരങ്ങൾ എങ്ങനെ പ്രോസസ്സ് ചെയ്യുകയും വ്യാഖ്യാനിക്കുകയും ചെയ്യുന്നു എന്നത് പൂർണ്ണമായും വ്യക്തമല്ല, അതിനാലാണ് നിരവധി വൈരുദ്ധ്യാത്മക സിദ്ധാന്തങ്ങൾ ഉള്ളത്. ശബ്‌ദ പ്രാദേശികവൽക്കരണത്തിന്റെ ഏറ്റവും പ്രശസ്തവും യഥാർത്ഥത്തിൽ ക്ലാസിക്കൽ സിദ്ധാന്തവും ജെഫ്രെസ് മാതൃകയാണ് (ലോയ്ഡ് എ ജെഫ്രെസ്). ഇത് അടിസ്ഥാനമാക്കിയുള്ളതാണ് അടയാളപ്പെടുത്തിയ വരി* ഓരോ ചെവിയിൽ നിന്നുമുള്ള ന്യൂറൽ ഇൻപുട്ടുകളുടെ ബൈനറൽ സിൻക്രൊണിയോട് സെൻസിറ്റീവ് ആയ ഡിറ്റക്ടർ ന്യൂറോണുകൾ, ഓരോ ന്യൂറോണും ഒരു നിശ്ചിത അളവിലുള്ള ഐടിഡിയോട് പരമാവധി സെൻസിറ്റീവ് ആണ് (1).

അടയാളപ്പെടുത്തിയ വരി തത്വം* വ്യത്യസ്ത ഞരമ്പുകൾ, അവയുടെ ആക്സോണുകളിൽ പ്രേരണകൾ കൈമാറുന്നതിൽ ഒരേ ഫിസിയോളജിക്കൽ തത്വങ്ങൾ ഉപയോഗിക്കുന്നതെങ്ങനെ, വ്യത്യസ്ത സംവേദനങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയുന്നതെങ്ങനെയെന്ന് വിശദീകരിക്കുന്ന ഒരു സിദ്ധാന്തമാണിത്. സമാനമായ നാഡി സിഗ്നലുകൾ വ്യത്യസ്ത രീതികളിൽ ഡീകോഡ് ചെയ്യാൻ കഴിവുള്ള കേന്ദ്ര നാഡീവ്യൂഹത്തിലെ അതുല്യമായ ന്യൂറോണുകളുമായി ബന്ധിപ്പിച്ചാൽ ഘടനാപരമായി സമാനമായ ഞരമ്പുകൾക്ക് വ്യത്യസ്ത സെൻസറി ധാരണകൾ സൃഷ്ടിക്കാൻ കഴിയും.

ചിത്രം #1

രണ്ട് ചെവികളിലേക്കും എത്തുന്ന ശബ്ദങ്ങളുടെ അനിയന്ത്രിതമായ പരസ്പര ബന്ധത്തെ അടിസ്ഥാനമാക്കി, ഈ മോഡൽ ന്യൂറൽ കോഡിംഗിനോട് സാമ്യമുള്ളതാണ്.

മസ്തിഷ്കത്തിന്റെ വിവിധ അർദ്ധഗോളങ്ങളിൽ നിന്നുള്ള ന്യൂറോണുകളുടെ ചില പോപ്പുലേഷനുകളുടെ പ്രതികരണ വേഗതയിലെ വ്യത്യാസങ്ങളെ അടിസ്ഥാനമാക്കി ശബ്ദ പ്രാദേശികവൽക്കരണം മാതൃകയാക്കാമെന്ന് സൂചിപ്പിക്കുന്ന ഒരു മാതൃകയും ഉണ്ട്, അതായത്. ഇന്റർഹെമിസ്ഫെറിക് അസമമിതിയുടെ മാതൃക (1B).

ഇതുവരെ, രണ്ട് സിദ്ധാന്തങ്ങളിൽ ഏതാണ് (മാതൃകകൾ) ശരിയെന്ന് അവ്യക്തമായി പ്രസ്താവിക്കുന്നത് ബുദ്ധിമുട്ടായിരുന്നു, അവ ഓരോന്നും ശബ്ദ തീവ്രതയിൽ ശബ്ദ പ്രാദേശികവൽക്കരണത്തിന്റെ വ്യത്യസ്ത ആശ്രിതത്വം പ്രവചിക്കുന്നു.

ഇന്ന് നമ്മൾ നോക്കുന്ന പഠനത്തിൽ, ശബ്ദങ്ങളുടെ ധാരണ ന്യൂറൽ കോഡിംഗിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണോ അതോ വ്യക്തിഗത ന്യൂറൽ പോപ്പുലേഷനുകളുടെ പ്രതികരണത്തിലെ വ്യത്യാസങ്ങളെ അടിസ്ഥാനമാക്കിയാണോ എന്ന് മനസിലാക്കാൻ രണ്ട് മോഡലുകളും സംയോജിപ്പിക്കാൻ ഗവേഷകർ തീരുമാനിച്ചു. 18 നും 27 നും ഇടയിൽ പ്രായമുള്ള ആളുകൾ (5 സ്ത്രീകളും 7 പുരുഷന്മാരും) പങ്കെടുത്ത നിരവധി പരീക്ഷണങ്ങൾ നടത്തി. പങ്കെടുക്കുന്നവരുടെ ഓഡിയോമെട്രി (ശ്രവണ തീവ്രതയുടെ അളവ്) 25 നും 250 Hz നും ഇടയിൽ 8000 dB അല്ലെങ്കിൽ ഉയർന്നതാണ്. പരീക്ഷണങ്ങളിൽ പങ്കെടുക്കുന്നയാളെ ശബ്ദരഹിതമായ മുറിയിൽ സ്ഥാപിച്ചു, അതിൽ പ്രത്യേക ഉപകരണങ്ങൾ സ്ഥാപിച്ചു, ഉയർന്ന കൃത്യതയോടെ കാലിബ്രേറ്റ് ചെയ്തു. പങ്കെടുക്കുന്നവർ, ഒരു ശബ്ദ സിഗ്നൽ കേൾക്കുമ്പോൾ, അത് വന്ന ദിശ സൂചിപ്പിക്കണം.

ഗവേഷണ ഫലങ്ങൾ

ആശ്രിതത്വം വിലയിരുത്താൻ പാർശ്വവൽക്കരണം* ലേബൽ ചെയ്ത ന്യൂറോണുകളോടുള്ള പ്രതികരണമായി ശബ്ദ തീവ്രതയിൽ നിന്നുള്ള മസ്തിഷ്ക പ്രവർത്തനം, ബാൺ മൂങ്ങയുടെ തലച്ചോറിലെ ലാമിനാർ ന്യൂക്ലിയസിലെ ന്യൂറോണുകളുടെ പ്രതികരണ വേഗതയെക്കുറിച്ചുള്ള ഡാറ്റ ഉപയോഗിച്ചു.

പാർശ്വസ്ഥത* - ശരീരത്തിന്റെ ഇടത്, വലത് ഭാഗങ്ങളുടെ അസമമിതി.

ന്യൂറോണുകളുടെ ചില പോപ്പുലേഷനുകളുടെ പ്രതികരണ വേഗതയിൽ മസ്തിഷ്ക പ്രവർത്തനത്തിന്റെ ലാറ്ററലൈസേഷന്റെ ആശ്രിതത്വം വിലയിരുത്തുന്നതിന്, റീസസ് മങ്കി തലച്ചോറിന്റെ ഇൻഫീരിയർ കോളിക്യുലസിന്റെ പ്രവർത്തനത്തിൽ നിന്നുള്ള ഡാറ്റ ഉപയോഗിച്ചു, അതിനുശേഷം വിവിധ അർദ്ധഗോളങ്ങളിൽ നിന്നുള്ള ന്യൂറോണുകളുടെ വേഗതയിലെ വ്യത്യാസങ്ങൾ അധികമായി കണക്കാക്കി. .

ഡിറ്റക്ടർ ന്യൂറോണുകളുടെ അടയാളപ്പെടുത്തിയ ലൈൻ മോഡൽ പ്രവചിക്കുന്നത്, ശബ്ദത്തിന്റെ തീവ്രത കുറയുന്നതിനനുസരിച്ച്, ഗ്രഹിച്ച ഉറവിടത്തിന്റെ ലാറ്ററലിറ്റി മൃദുവും ഉച്ചത്തിലുള്ളതുമായ ശബ്ദങ്ങളുടെ അനുപാതത്തിന് സമാനമായ അർത്ഥ മൂല്യങ്ങളിലേക്ക് കൂടിച്ചേരുമെന്ന് പ്രവചിക്കുന്നു (1C).

അർദ്ധഗോള അസമമിതി മാതൃക സൂചിപ്പിക്കുന്നത്, ശബ്ദത്തിന്റെ തീവ്രത ത്രെഷോൾഡ് ലെവലിലേക്ക് കുറയുന്നതിനനുസരിച്ച്, പാർശ്വസ്ഥത മധ്യരേഖയിലേക്ക് മാറും (1D).

മൊത്തത്തിലുള്ള ഉയർന്ന ശബ്ദ തീവ്രതയിൽ, ലാറ്ററലൈസേഷൻ തീവ്രത മാറ്റമില്ലാത്തതായിരിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു (ഇൻസെറ്റുകൾ 1C и 1D).

അതിനാൽ, ശബ്ദ തീവ്രത ശബ്ദത്തിന്റെ ദിശയെ എങ്ങനെ ബാധിക്കുന്നുവെന്ന് വിശകലനം ചെയ്യുന്നത് ആ നിമിഷം സംഭവിക്കുന്ന പ്രക്രിയകളുടെ സ്വഭാവം കൃത്യമായി നിർണ്ണയിക്കാൻ ഞങ്ങളെ അനുവദിക്കുന്നു - ഒരേ പൊതു പ്രദേശത്ത് നിന്നുള്ള ന്യൂറോണുകൾ അല്ലെങ്കിൽ വ്യത്യസ്ത അർദ്ധഗോളങ്ങളിൽ നിന്നുള്ള ന്യൂറോണുകൾ.

വ്യക്തമായും, ശബ്ദ തീവ്രതയെ ആശ്രയിച്ച് ഐടിഡിയെ വിവേചിച്ചറിയാനുള്ള ഒരു വ്യക്തിയുടെ കഴിവ് വ്യത്യാസപ്പെടാം. എന്നിരുന്നാലും, ഐടിഡിയുമായി സംവേദനക്ഷമതയെ ബന്ധിപ്പിക്കുന്ന മുൻ കണ്ടെത്തലുകളും ശബ്‌ദ ഉറവിട ദിശയെക്കുറിച്ചുള്ള ശ്രോതാക്കളുടെ വിധിയും ശബ്‌ദ തീവ്രതയുടെ പ്രവർത്തനമായി വ്യാഖ്യാനിക്കുന്നത് ബുദ്ധിമുട്ടാണെന്ന് ശാസ്ത്രജ്ഞർ പറയുന്നു. ചില പഠനങ്ങൾ പറയുന്നത്, ശബ്ദത്തിന്റെ തീവ്രത ഒരു അതിർത്തി പരിധിയിലെത്തുമ്പോൾ, സ്രോതസ്സിന്റെ പാർശ്വസ്ഥത കുറയുന്നു എന്നാണ്. മറ്റ് പഠനങ്ങൾ സൂചിപ്പിക്കുന്നത്, ധാരണയിൽ തീവ്രതയുടെ യാതൊരു ഫലവുമില്ല എന്നാണ്.

മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഐടിഡി, ശബ്‌ദ തീവ്രത, അതിന്റെ ഉറവിടത്തിന്റെ ദിശ നിർണ്ണയിക്കൽ എന്നിവ തമ്മിലുള്ള ബന്ധം സംബന്ധിച്ച് സാഹിത്യത്തിൽ കുറച്ച് വിവരങ്ങൾ ഉണ്ടെന്ന് ശാസ്ത്രജ്ഞർ "സൌമ്യമായി" സൂചന നൽകുന്നു. ശാസ്ത്ര സമൂഹം പൊതുവെ അംഗീകരിക്കുന്ന ഒരുതരം സിദ്ധാന്തങ്ങളായി നിലനിൽക്കുന്ന സിദ്ധാന്തങ്ങളുണ്ട്. അതിനാൽ, പ്രായോഗികമായി ശ്രവണ ധാരണയുടെ എല്ലാ സിദ്ധാന്തങ്ങളും മോഡലുകളും സാധ്യമായ സംവിധാനങ്ങളും വിശദമായി പരിശോധിക്കാൻ തീരുമാനിച്ചു.

ആദ്യത്തെ പരീക്ഷണം ഒരു സൈക്കോഫിസിക്കൽ മാതൃകയെ അടിസ്ഥാനമാക്കിയുള്ളതായിരുന്നു, ഇത് പത്ത് സാധാരണ ശ്രവണ പങ്കാളികളുടെ ഒരു ഗ്രൂപ്പിൽ ശബ്ദ തീവ്രതയുടെ പ്രവർത്തനമായി ഐടിഡി അടിസ്ഥാനമാക്കിയുള്ള ലാറ്ററലൈസേഷൻ പഠിക്കാൻ അനുവദിച്ചു.

ചിത്രം #2

മനുഷ്യർക്ക് ഐടിഡി തിരിച്ചറിയാൻ കഴിയുന്ന ഫ്രീക്വൻസി ശ്രേണിയുടെ ഭൂരിഭാഗവും ഉൾക്കൊള്ളുന്നതിനായി ശബ്ദ സ്രോതസ്സുകൾ പ്രത്യേകം ട്യൂൺ ചെയ്തിട്ടുണ്ട്, അതായത്. 300 മുതൽ 1200 Hz വരെ (2).

ഓരോ ട്രയലിലും, ശ്രോതാവ് 375 മുതൽ 375 എംഎസ് വരെയുള്ള ഐടിഡി മൂല്യങ്ങളുടെ പരിധിയിൽ, സെൻസേഷൻ ലെവലിന്റെ ഒരു ഫംഗ്‌ഷനായി കണക്കാക്കിയ ലാറ്ററാലിറ്റിയെ സൂചിപ്പിക്കേണ്ടതുണ്ട്. ശബ്‌ദ തീവ്രതയുടെ പ്രഭാവം നിർണ്ണയിക്കാൻ, സ്ഥിരവും ക്രമരഹിതവുമായ ശബ്ദ തീവ്രത ഉൾപ്പെടുന്ന ഒരു നോൺ-ലീനിയർ മിക്സഡ് ഇഫക്റ്റ് മോഡൽ (NMLE) ഉപയോഗിച്ചു.

ഗ്രാഫ് 2B ഒരു പ്രതിനിധി ശ്രോതാവിന് രണ്ട് ശബ്ദ തീവ്രതയിൽ സ്പെക്ട്രലി ഫ്ലാറ്റ് നോയിസ് ഉപയോഗിച്ച് കണക്കാക്കിയ ലാറ്ററലൈസേഷൻ പ്രകടമാക്കുന്നു. ഒപ്പം ഷെഡ്യൂളും 2C എല്ലാ ശ്രോതാക്കളുടെയും റോ ഡാറ്റയും (സർക്കിളുകൾ) ഘടിപ്പിച്ച NMLE മോഡലും (ലൈനുകൾ) കാണിക്കുന്നു.

പട്ടിക നമ്പർ 1

മുകളിലുള്ള പട്ടിക എല്ലാ NLME പാരാമീറ്ററുകളും കാണിക്കുന്നു. ശാസ്ത്രജ്ഞർ പ്രതീക്ഷിച്ചതുപോലെ, ITD വർദ്ധിക്കുന്നതിനനുസരിച്ച് പാർശ്വസ്ഥത വർദ്ധിച്ചതായി കാണാൻ കഴിയും. ശബ്‌ദ തീവ്രത കുറയുന്നതിനനുസരിച്ച്, ധാരണ കൂടുതൽ കൂടുതൽ മധ്യരേഖയിലേക്ക് മാറി (ഗ്രാഫിലെ ഇൻസെറ്റ് 2C).

ഈ പ്രവണതകളെ എൻഎൽഎംഇ മോഡൽ പിന്തുണയ്ക്കുന്നു, ഇത് ഇന്റർഹെമിസ്ഫെറിക് വ്യത്യാസങ്ങളുടെ മാതൃകയെ പിന്തുണയ്ക്കുന്ന, പരമാവധി അളവിലുള്ള ലാറ്ററലിറ്റിയിൽ ഐടിഡിയുടെയും ശബ്ദ തീവ്രതയുടെയും കാര്യമായ സ്വാധീനം കാണിക്കുന്നു.

കൂടാതെ, ശുദ്ധമായ ടോണുകൾക്കായുള്ള ശരാശരി ഓഡിയോമെട്രിക് ത്രെഷോൾഡുകൾ മനസ്സിലാക്കിയ പാർശ്വസ്ഥതയിൽ കാര്യമായ സ്വാധീനം ചെലുത്തിയില്ല. എന്നാൽ ശബ്ദ തീവ്രത സൈക്കോമെട്രിക് പ്രവർത്തനങ്ങളുടെ സൂചകങ്ങളെ കാര്യമായി ബാധിച്ചില്ല.

ഉത്തേജകങ്ങളുടെ (ശബ്ദങ്ങൾ) സ്പെക്ട്രൽ സവിശേഷതകൾ കണക്കിലെടുക്കുമ്പോൾ മുൻ പരീക്ഷണത്തിൽ ലഭിച്ച ഫലങ്ങൾ എങ്ങനെ മാറുമെന്ന് നിർണ്ണയിക്കുക എന്നതായിരുന്നു രണ്ടാമത്തെ പരീക്ഷണത്തിന്റെ പ്രധാന ലക്ഷ്യം. കുറഞ്ഞ ശബ്‌ദ തീവ്രതയിൽ സ്‌പെക്‌ട്രലി പരന്ന ശബ്‌ദം പരിശോധിക്കേണ്ടതിന്റെ ആവശ്യകത, സ്‌പെക്‌ട്രത്തിന്റെ ഭാഗങ്ങൾ കേൾക്കാനിടയില്ല, ഇത് ശബ്‌ദ ദിശയുടെ നിർണ്ണയത്തെ ബാധിച്ചേക്കാം. തൽഫലമായി, ശബ്ദ തീവ്രത കുറയുന്നതിനനുസരിച്ച് സ്പെക്ട്രത്തിന്റെ കേൾക്കാവുന്ന ഭാഗത്തിന്റെ വീതി കുറയുമെന്ന വസ്തുതയ്ക്ക് ആദ്യ പരീക്ഷണത്തിന്റെ ഫലങ്ങൾ തെറ്റിദ്ധരിക്കാവുന്നതാണ്.

അതിനാൽ, മറ്റൊരു പരീക്ഷണം നടത്താൻ തീരുമാനിച്ചു, പക്ഷേ റിവേഴ്സ് ഉപയോഗിച്ച് എ-വെയ്റ്റഡ്* ശബ്ദം

എ-ഭാരം* താഴ്ന്ന ശബ്ദ ആവൃത്തികളോട് ചെവിക്ക് സെൻസിറ്റീവ് കുറവായതിനാൽ, മനുഷ്യ ചെവിക്ക് അനുഭവപ്പെടുന്ന ആപേക്ഷിക ശബ്ദം കണക്കിലെടുക്കാൻ ശബ്ദ നിലകളിൽ പ്രയോഗിക്കുന്നു. ഒക്ടേവ് ബാൻഡുകളിൽ ലിസ്റ്റുചെയ്തിരിക്കുന്ന മൂല്യങ്ങളുടെ ഒരു പട്ടിക dB-യിലെ അളന്ന ശബ്ദ സമ്മർദ്ദ നിലകളിലേക്ക് ഗണിതപരമായി ചേർത്താണ് എ-വെയ്റ്റിംഗ് നടപ്പിലാക്കുന്നത്.

ചാർട്ടിൽ 2D പരീക്ഷണത്തിൽ പങ്കെടുത്ത എല്ലാവരുടെയും റോ ഡാറ്റയും (സർക്കിളുകൾ) NMLE മോഡൽ ഫിറ്റ് ചെയ്ത ഡാറ്റയും (ലൈനുകൾ) കാണിക്കുന്നു.

ഡാറ്റയുടെ വിശകലനം കാണിക്കുന്നത്, ശബ്ദത്തിന്റെ എല്ലാ ഭാഗങ്ങളും ഏകദേശം ഒരുപോലെ കേൾക്കാവുന്നതായിരിക്കുമ്പോൾ (ആദ്യത്തേയും രണ്ടാമത്തെയും ട്രയലിലും), ലാറ്ററലിറ്റിയും ഗ്രാഫിലെ ചരിവും, ഐടിഡിയുമായുള്ള ലാറ്ററലിറ്റിയിലെ മാറ്റത്തെ വിശദീകരിക്കുന്ന ഗ്രാഫിലെ ചരിവും കുറഞ്ഞ ശബ്ദത്തിന്റെ തീവ്രത കുറയുന്നു.

അങ്ങനെ, രണ്ടാമത്തെ പരീക്ഷണത്തിന്റെ ഫലങ്ങൾ ആദ്യത്തേതിന്റെ ഫലങ്ങൾ സ്ഥിരീകരിച്ചു. അതായത്, 1948 ൽ ജെഫ്രസ് നിർദ്ദേശിച്ച മാതൃക ശരിയല്ലെന്ന് പ്രായോഗികമായി തെളിയിക്കപ്പെട്ടിട്ടുണ്ട്.

ശബ്‌ദത്തിന്റെ തീവ്രത കുറയുന്നതിനനുസരിച്ച് ശബ്‌ദ പ്രാദേശികവൽക്കരണം വഷളാകുമെന്ന് ഇത് മാറുന്നു, കൂടാതെ ശബ്ദങ്ങൾ അവയുടെ തീവ്രത പരിഗണിക്കാതെ തന്നെ മനുഷ്യർ അതേ രീതിയിൽ മനസ്സിലാക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്നുവെന്ന് ജെഫ്രെസ് വിശ്വസിച്ചു.

പഠനത്തിന്റെ സൂക്ഷ്മതകളെക്കുറിച്ച് കൂടുതൽ വിശദമായി അറിയുന്നതിന്, ഞാൻ നോക്കാൻ ശുപാർശ ചെയ്യുന്നു ശാസ്ത്രജ്ഞർ റിപ്പോർട്ട് ചെയ്യുന്നു.

എപ്പിലോഗ്

സൈദ്ധാന്തിക അനുമാനങ്ങളും അവ സ്ഥിരീകരിക്കുന്ന പ്രായോഗിക പരീക്ഷണങ്ങളും സസ്തനികളിലെ മസ്തിഷ്ക ന്യൂറോണുകൾ ശബ്‌ദ സിഗ്നലിന്റെ ദിശയെ ആശ്രയിച്ച് വ്യത്യസ്ത നിരക്കുകളിൽ സജീവമാകുമെന്ന് കാണിക്കുന്നു. ശബ്‌ദ പരിതസ്ഥിതിയുടെ ഒരു ഭൂപടം ചലനാത്മകമായി നിർമ്മിക്കുന്നതിന് പ്രക്രിയയിൽ ഉൾപ്പെട്ടിരിക്കുന്ന എല്ലാ ന്യൂറോണുകളും തമ്മിലുള്ള ഈ വേഗതയെ തലച്ചോറ് താരതമ്യം ചെയ്യുന്നു.

ജെഫ്രെസന്റെ മോഡൽ യഥാർത്ഥത്തിൽ 100% തെറ്റല്ല, കാരണം ഇത് കളപ്പുരയിലെ മൂങ്ങകളിലെ ശബ്ദ സ്രോതസ്സിന്റെ പ്രാദേശികവൽക്കരണത്തെ കൃത്യമായി വിവരിക്കാൻ ഉപയോഗിക്കാം. അതെ, കളപ്പുര മൂങ്ങകൾക്ക് ശബ്ദത്തിന്റെ തീവ്രത പ്രശ്നമല്ല; ഏത് സാഹചര്യത്തിലും, അവർ അതിന്റെ ഉറവിടത്തിന്റെ സ്ഥാനം നിർണ്ണയിക്കും. എന്നിരുന്നാലും, ഈ മോഡൽ റിസസ് കുരങ്ങുകളുമായി പ്രവർത്തിക്കില്ല, മുൻ പരീക്ഷണങ്ങൾ കാണിക്കുന്നു. അതിനാൽ, ഈ ജെഫ്രെസൺ മോഡലിന് എല്ലാ ജീവജാലങ്ങൾക്കും ശബ്ദങ്ങളുടെ പ്രാദേശികവൽക്കരണം വിവരിക്കാൻ കഴിയില്ല.

വ്യത്യസ്ത ജീവജാലങ്ങളിൽ ശബ്ദ പ്രാദേശികവൽക്കരണം വ്യത്യസ്തമായി സംഭവിക്കുന്നുവെന്ന് മനുഷ്യ പങ്കാളികളുമായുള്ള പരീക്ഷണങ്ങൾ ഒരിക്കൽ കൂടി സ്ഥിരീകരിച്ചു. ശബ്ദങ്ങളുടെ തീവ്രത കുറവായതിനാൽ ശബ്ദ സിഗ്നലുകളുടെ ഉറവിടത്തിന്റെ സ്ഥാനം ശരിയായി നിർണ്ണയിക്കാൻ പങ്കെടുക്കുന്നവരിൽ പലർക്കും കഴിഞ്ഞില്ല.

നാം കാണുന്ന രീതിയും എങ്ങനെ കേൾക്കുന്നു എന്നതും തമ്മിലുള്ള ചില സമാനതകൾ അവരുടെ സൃഷ്ടി കാണിക്കുന്നുവെന്ന് ശാസ്ത്രജ്ഞർ വിശ്വസിക്കുന്നു. രണ്ട് പ്രക്രിയകളും തലച്ചോറിന്റെ വിവിധ ഭാഗങ്ങളിലെ ന്യൂറോണുകളുടെ വേഗതയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു, അതുപോലെ തന്നെ ബഹിരാകാശത്ത് നാം കാണുന്ന വസ്തുക്കളുടെ സ്ഥാനവും നാം കേൾക്കുന്ന ശബ്ദത്തിന്റെ ഉറവിടത്തിന്റെ സ്ഥാനവും നിർണ്ണയിക്കാൻ ഈ വ്യത്യാസത്തിന്റെ വിലയിരുത്തലുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.

ഭാവിയിൽ, മനുഷ്യന്റെ കേൾവിയും കാഴ്ചയും തമ്മിലുള്ള ബന്ധം കൂടുതൽ വിശദമായി പരിശോധിക്കാൻ ഗവേഷകർ നിരവധി പരീക്ഷണങ്ങൾ നടത്താൻ പോകുന്നു, ഇത് നമ്മുടെ മസ്തിഷ്കം നമുക്ക് ചുറ്റുമുള്ള ലോകത്തിന്റെ ഒരു ഭൂപടം എങ്ങനെ ചലനാത്മകമായി നിർമ്മിക്കുന്നുവെന്ന് നന്നായി മനസ്സിലാക്കാൻ ഞങ്ങളെ അനുവദിക്കും.

നിങ്ങളുടെ ശ്രദ്ധയ്ക്ക് നന്ദി, ജിജ്ഞാസയോടെ തുടരുക, എല്ലാവർക്കും ഒരു മികച്ച ആഴ്ച! 🙂

ഞങ്ങളോടൊപ്പം താമസിച്ചതിന് നന്ദി. ഞങ്ങളുടെ ലേഖനങ്ങൾ നിങ്ങൾക്ക് ഇഷ്ടമാണോ? കൂടുതൽ രസകരമായ ഉള്ളടക്കം കാണാൻ ആഗ്രഹിക്കുന്നുണ്ടോ? ഒരു ഓർഡർ നൽകി അല്ലെങ്കിൽ സുഹൃത്തുക്കൾക്ക് ശുപാർശ ചെയ്തുകൊണ്ട് ഞങ്ങളെ പിന്തുണയ്ക്കുക, $4.99 മുതൽ ഡെവലപ്പർമാർക്കുള്ള ക്ലൗഡ് VPS, നിങ്ങൾക്കായി ഞങ്ങൾ കണ്ടുപിടിച്ച എൻട്രി ലെവൽ സെർവറുകളുടെ തനതായ അനലോഗിൽ Habr ഉപയോക്താക്കൾക്ക് 30% കിഴിവ്: VPS (KVM) E5-2650 v4 (6 കോറുകൾ) 10GB DDR4 240GB SSD 1Gbps-നെക്കുറിച്ചുള്ള മുഴുവൻ സത്യവും $20 മുതൽ അല്ലെങ്കിൽ എങ്ങനെ ഒരു സെർവർ പങ്കിടാം? (RAID1, RAID10 എന്നിവയ്‌ക്കൊപ്പം 24 കോറുകൾ വരെയും 40GB DDR4 വരെയും ലഭ്യമാണ്).

Dell R730xd 2 മടങ്ങ് വിലകുറഞ്ഞോ? ഇവിടെ മാത്രം 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV $199 മുതൽ നെതർലാൻഡിൽ! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 മുതൽ! കുറിച്ച് വായിക്കുക ഇൻഫ്രാസ്ട്രക്ചർ കോർപ്പറേഷൻ എങ്ങനെ നിർമ്മിക്കാം. ഒരു പൈസയ്ക്ക് 730 യൂറോ വിലയുള്ള Dell R5xd E2650-4 v9000 സെർവറുകൾ ഉപയോഗിക്കുന്ന ക്ലാസ്?

അവലംബം: www.habr.com