ध्वनि स्थानीयकरण: मस्तिष्कले ध्वनि स्रोतहरू कसरी पहिचान गर्छ

हाम्रो वरपरको संसार सबै प्रकारका जानकारीहरूले भरिएको छ जुन हाम्रो मस्तिष्कले निरन्तर प्रक्रिया गर्दछ। उसले इन्द्रिय अंगहरू मार्फत यो जानकारी प्राप्त गर्दछ, जसमध्ये प्रत्येक संकेतहरूको आफ्नो अंशको लागि जिम्मेवार छ: आँखा (दृष्टि), जिब्रो (स्वाद), नाक (गन्ध), छाला (स्पर्श), भेस्टिबुलर उपकरण (सन्तुलन, अन्तरिक्षमा स्थिति र भावना। वजन) र कान (ध्वनि)। यी सबै अंगहरूबाट सङ्केतहरू मिलाएर हाम्रो मस्तिष्कले हाम्रो वातावरणको सही तस्वीर बनाउन सक्छ। तर बाह्य संकेतहरू प्रशोधन गर्ने सबै पक्षहरू हामीलाई थाहा छैन। यी रहस्य मध्ये एक ध्वनि को स्रोत स्थानीयकरण को लागी संयन्त्र हो।

न्युरोइन्जिनियरिङ अफ स्पीच एण्ड हियरिङको प्रयोगशाला (न्यू जर्सी इन्स्टिच्युट अफ टेक्नोलोजी) का वैज्ञानिकहरूले ध्वनि स्थानीयकरणको तंत्रिका प्रक्रियाको नयाँ मोडल प्रस्ताव गरेका छन्। ध्वनीको अनुभूतिको क्रममा मस्तिष्कमा के के प्रक्रियाहरू हुन्छन्, हाम्रो मस्तिष्कले ध्वनि स्रोतको स्थिति कसरी बुझ्छ र यस अनुसन्धानले श्रवण दोषहरू विरुद्ध लड्न कसरी मद्दत गर्न सक्छ। हामीले अनुसन्धान समूहको प्रतिवेदनबाट यसबारे जान्दछौं। जानुहोस्।

अनुसन्धानको आधार

हाम्रो मस्तिष्कले हाम्रा इन्द्रियहरूबाट प्राप्त गर्ने जानकारी यसको स्रोत र यसको प्रशोधनको सन्दर्भमा एक अर्काबाट भिन्न हुन्छ। केही संकेतहरू तुरुन्तै हाम्रो मस्तिष्कमा सही जानकारीको रूपमा देखा पर्छन्, जबकि अरूलाई थप गणना प्रक्रियाहरू चाहिन्छ। सामान्य रूपमा भन्नुपर्दा, हामी तुरुन्तै स्पर्श महसुस गर्छौं, तर जब हामीले आवाज सुन्छौं, हामीले अझै पनि त्यो कहाँबाट आउँछ पत्ता लगाउनुपर्दछ।

तेर्सो प्लेनमा ध्वनिहरू स्थानीयकरण गर्ने आधार हो अन्तर्देशीय* समय भिन्नता (ITD बाट अन्तराल समय भिन्नता) आवाज श्रोताको कानमा पुग्छ।

अन्तर्देशीय आधार* - कान बीचको दूरी।

मस्तिष्कमा एक विशिष्ट क्षेत्र (मेडियल सुपीरियर जैतून वा MSO) छ जुन यस प्रक्रियाको लागि जिम्मेवार छ। MVO मा ध्वनि संकेत प्राप्त भएको क्षणमा, अन्तर्देशीय समय भिन्नताहरू न्यूरोनको प्रतिक्रिया दरमा रूपान्तरण हुन्छन्। ITD को प्रकार्यको रूपमा MBO आउटपुट वेग कर्भको आकार प्रत्येक कानको लागि इनपुट संकेतहरूको क्रस-सम्बन्ध प्रकार्यको आकारसँग मिल्दोजुल्दो छ।

MBO मा जानकारी कसरी प्रशोधन र व्याख्या गरिन्छ पूर्ण रूपमा स्पष्ट छैन, त्यसैले त्यहाँ धेरै धेरै विरोधाभासी सिद्धान्तहरू छन्। ध्वनि स्थानीयकरणको सबैभन्दा प्रसिद्ध र वास्तवमा शास्त्रीय सिद्धान्त जेफ्रेस मोडेल हो (लोयड ए जेफ्रेस)। मा आधारित छ चिन्हित रेखा* डिटेक्टर न्यूरोनहरू जुन प्रत्येक कानबाट न्यूरल इनपुटहरूको बाइनोरल सिंक्रोनीसँग संवेदनशील हुन्छन्, प्रत्येक न्यूरोन ITD को निश्चित मात्रामा अधिकतम रूपमा संवेदनशील हुन्छ (1).

चिन्हित रेखा सिद्धान्त* एक परिकल्पना हो जसले व्याख्या गर्दछ कि कसरी विभिन्न स्नायुहरू, ती सबैले एउटै शारीरिक सिद्धान्तहरू तिनीहरूको अक्षहरूमा आवेगहरू प्रसारण गर्न प्रयोग गर्छन्, विभिन्न संवेदनाहरू उत्पन्न गर्न सक्षम छन्। संरचनात्मक रूपमा समान स्नायुहरूले विभिन्न संवेदी धारणाहरू उत्पन्न गर्न सक्छन् यदि तिनीहरू केन्द्रीय स्नायु प्रणालीमा अद्वितीय न्यूरोन्ससँग जोडिएका छन् जुन विभिन्न तरिकामा समान तंत्रिका संकेतहरू डिकोड गर्न सक्षम छन्।

छवि #1

यो मोडेल कम्प्युटेशनल रूपमा न्यूरल कोडिङसँग मिल्दोजुल्दो छ, दुवै कानमा पुग्ने आवाजहरूको अनियन्त्रित क्रस-सम्बन्धमा आधारित।

त्यहाँ एक मोडेल पनि छ जसले सुझाव दिन्छ कि ध्वनि स्थानीयकरण मस्तिष्कको विभिन्न गोलार्धबाट न्यूरोन्सको निश्चित जनसंख्याको प्रतिक्रिया गतिमा भिन्नताको आधारमा मोडेल गर्न सकिन्छ, अर्थात्। अन्तरगोलाकार विषमता को मोडेल (1B).

अहिले सम्म, यो स्पष्ट रूपमा बताउन गाह्रो थियो कि कुन दुई सिद्धान्तहरू (मोडेलहरू) सही छन्, ती प्रत्येकले ध्वनि तीव्रतामा ध्वनि स्थानीयकरणको विभिन्न निर्भरताहरू भविष्यवाणी गर्दछ।

हामीले आज हेरिरहेका अध्ययनमा, शोधकर्ताहरूले ध्वनिहरूको धारणा तंत्रिका कोडिङमा आधारित छ वा व्यक्तिगत तंत्रिका जनसंख्याको प्रतिक्रियामा भिन्नताहरूमा आधारित छ भनेर बुझ्न दुवै मोडेलहरू संयोजन गर्ने निर्णय गरे। धेरै प्रयोगहरू सञ्चालन गरियो जसमा 18 देखि 27 वर्ष उमेरका मानिसहरू (5 महिला र 7 पुरुष) भाग लिए। सहभागीहरूको अडियोमेट्री (श्रवण तीक्ष्णताको मापन) 25 र 250 Hz को बीचमा 8000 dB वा उच्च थियो। प्रयोगहरूमा सहभागीलाई ध्वनिरोधी कोठामा राखिएको थियो, जसमा विशेष उपकरणहरू राखिएको थियो, उच्च सटीकताका साथ क्यालिब्रेट गरिएको थियो। सहभागीहरूले ध्वनि सङ्केत सुनेपछि, यो कुन दिशाबाट आयो भनेर संकेत गर्नुपर्छ।

अनुसन्धान परिणामहरू

निर्भरता मूल्याङ्कन गर्न पार्श्वीकरण* लेबल गरिएको न्यूरोन्सको प्रतिक्रियामा ध्वनि तीव्रताबाट मस्तिष्क गतिविधि, खलिहान उल्लू मस्तिष्कको लामिनार न्यूक्लियसमा न्यूरोनको प्रतिक्रिया गतिमा डेटा प्रयोग गरियो।

पार्श्वता* - शरीरको बायाँ र दायाँ भागहरूको असममिति।

न्यूरोन्सको निश्चित जनसंख्याको प्रतिक्रिया गतिमा मस्तिष्क गतिविधिको पार्श्वीकरणको निर्भरता मूल्याङ्कन गर्न, रीसस बाँदर मस्तिष्कको निम्न स्तरको कोलिकुलसको गतिविधिबाट डेटा प्रयोग गरियो, जस पछि विभिन्न गोलार्धहरूबाट न्यूरोनको गतिमा भिन्नताहरू पनि गणना गरियो। ।

डिटेक्टर न्यूरोन्सको चिन्हित रेखा मोडेलले भविष्यवाणी गर्दछ कि ध्वनिको तीव्रता घट्दै जाँदा, कथित स्रोतको पार्श्वताले नरम र ठूलो आवाजको अनुपातमा समान मानहरूमा रूपान्तरण गर्नेछ।1С).

हेमिस्फेरिक असिमेट्री मोडेल, बदलामा, सुझाव दिन्छ कि ध्वनि तीव्रता नजिकको थ्रेसहोल्ड स्तरहरूमा घट्दै जाँदा, कथित पार्श्वता मिडलाइन तिर सर्नेछ (1D).

उच्च समग्र ध्वनि तीव्रतामा, पार्श्वीकरण तीव्रता अपरिवर्तनीय हुने अपेक्षा गरिन्छ (इनसेटहरू 1С и 1D).

त्यसकारण, ध्वनीको तीव्रताले ध्वनिको कथित दिशालाई कसरी असर गर्छ भन्ने विश्लेषणले हामीलाई त्यस क्षणमा हुने प्रक्रियाहरूको प्रकृति सही रूपमा निर्धारण गर्न अनुमति दिन्छ - समान सामान्य क्षेत्रका न्यूरोन्स वा विभिन्न गोलार्धका न्यूरोन्स।

स्पष्ट रूपमा, ITD लाई भेदभाव गर्ने व्यक्तिको क्षमता आवाजको तीव्रताको आधारमा भिन्न हुन सक्छ। यद्यपि, वैज्ञानिकहरूले ITD सँग संवेदनशीलता र श्रोताहरूको आवाजको तीव्रताको कार्यको रूपमा ध्वनि स्रोत दिशाको निर्णयलाई जोड्ने अघिल्लो निष्कर्षहरूलाई व्याख्या गर्न गाह्रो छ। केही अध्ययनहरू भन्छन् कि जब ध्वनि तीव्रता एक सीमा थ्रेसहोल्डमा पुग्छ, स्रोतको कथित पार्श्वता घट्छ। अन्य अध्ययनहरूले सुझाव दिन्छ कि धारणामा तीव्रताको कुनै प्रभाव छैन।

अर्को शब्दमा, वैज्ञानिकहरूले "बिस्तारै" सङ्केत गरिरहेका छन् कि साहित्यमा ITD, ध्वनि तीव्रता र यसको स्रोतको दिशा निर्धारण गर्ने सम्बन्धको सम्बन्धमा थोरै जानकारी छ। त्यहाँ सिद्धान्तहरू छन् जुन एक प्रकारको axioms को रूपमा अवस्थित छन्, सामान्यतया वैज्ञानिक समुदाय द्वारा स्वीकार गरिन्छ। तसर्थ, सबै सिद्धान्तहरू, मोडेलहरू र व्यवहारमा सुन्ने धारणाको सम्भावित संयन्त्रहरूको विस्तृत रूपमा परीक्षण गर्ने निर्णय गरियो।

पहिलो प्रयोग साइकोफिजिकल प्रतिमानमा आधारित थियो जसले दस सामान्य सुनुवाइ सहभागीहरूको समूहमा ध्वनि तीव्रताको प्रकार्यको रूपमा आईटीडी-आधारित पार्श्वीकरणको अध्ययनलाई अनुमति दियो।

छवि #2

ध्वनि स्रोतहरू विशेष गरी धेरै फ्रिक्वेन्सी दायरा कभर गर्नका लागि ट्युन गरिएको थियो जस भित्र मानिसहरूले ITD पहिचान गर्न सक्षम छन्, अर्थात्। 300 देखि 1200 Hz सम्म (2).

प्रत्येक परीक्षणमा, श्रोताले 375 देखि 375 ms सम्मको ITD मानहरूको दायरामा, सनसनी स्तरको प्रकार्यको रूपमा मापन गरिएको कथित पार्श्वतालाई संकेत गर्नुपर्दछ। ध्वनि तीव्रताको प्रभाव निर्धारण गर्न, एक ननलाइनर मिश्रित प्रभाव मोडेल (NMLE) प्रयोग गरिएको थियो जसमा स्थिर र अनियमित ध्वनि तीव्रता दुवै समावेश थियो।

ग्राफ 2B प्रतिनिधि श्रोताको लागि दुई ध्वनि तीव्रताहरूमा स्पेक्ट्रली फ्लैट शोरको साथ अनुमानित पार्श्वीकरण प्रदर्शन गर्दछ। र तालिका 2С सबै श्रोताहरूको कच्चा डेटा (सर्कलहरू) र फिट गरिएको NMLE मोडेल (लाइनहरू) देखाउँछ।

तालिका नम्बर १

माथिको तालिकाले सबै NLME प्यारामिटरहरू देखाउँछ। यो देख्न सकिन्छ कि बढ्दो ITD संग कथित पार्श्वता बढ्यो, जसरी वैज्ञानिकहरूले अपेक्षा गरे। आवाजको तीव्रता घट्दै जाँदा, धारणा मिडलाइन (ग्राफमा इनसेट) तर्फ बढ्दै गयो 2C).

यी प्रवृतिहरू NLME मोडेलद्वारा समर्थित थिए, जसले ITD को महत्त्वपूर्ण प्रभावहरू र पार्श्वताको अधिकतम डिग्रीमा ध्वनि तीव्रता देखाउँदछ, अन्तरहेमिस्फेरिक भिन्नताहरूको मोडेललाई समर्थन गर्दछ।

थप रूपमा, शुद्ध टोनहरूको लागि औसत अडियोमेट्रिक थ्रेसहोल्डहरूले कथित पार्श्वतामा थोरै प्रभाव पारेको थियो। तर ध्वनि तीव्रताले साइकोमेट्रिक प्रकार्यका सूचकहरूलाई खासै प्रभाव पारेन।

दोस्रो प्रयोगको मुख्य लक्ष्य भनेको उत्तेजना (ध्वनि) को वर्णक्रमीय विशेषताहरूलाई ध्यानमा राख्दा अघिल्लो प्रयोगमा प्राप्त परिणामहरू कसरी परिवर्तन हुनेछ भनेर निर्धारण गर्नु थियो। कम ध्वनि तीव्रतामा स्पेक्ट्रम फ्ल्याट शोरको लागि परीक्षण गर्न आवश्यक छ कि स्पेक्ट्रमका भागहरू सुन्न नसक्ने हुन सक्छ र यसले ध्वनि दिशाको निर्धारणलाई असर गर्न सक्छ। फलस्वरूप, पहिलो प्रयोगको नतिजालाई गल्तीले यो तथ्यको लागि गलत हुन सक्छ कि स्पेक्ट्रमको श्रव्य भागको चौडाइ घट्दै आवाजको तीव्रतासँग घट्न सक्छ।

त्यसकारण, यो अर्को प्रयोग सञ्चालन गर्ने निर्णय गरियो, तर उल्टो प्रयोग गरेर A-भारित* कोलाहल

A-वजन* मानव कानले बुझ्ने सापेक्ष लाउडनेसलाई ध्यानमा राख्नको लागि ध्वनि स्तरहरूमा लागू गरियो, किनकि कान कम ध्वनि आवृत्तिहरूमा कम संवेदनशील हुन्छ। dB मा मापन गरिएको ध्वनि दबाव स्तरहरूमा अक्टेभ ब्यान्डहरूमा सूचीबद्ध मानहरूको तालिका अंकगणितीय रूपमा थपेर A-वेटिंग लागू गरिन्छ।

चार्टमा 2D प्रयोगमा सबै सहभागीहरूको कच्चा डाटा (सर्कलहरू) र NMLE मोडेल-फिट गरिएको डाटा (लाइनहरू) देखाउँछ।

डेटाको विश्लेषणले देखायो कि जब ध्वनिका सबै भागहरू लगभग समान रूपमा श्रव्य हुन्छन् (दुवै पहिलो र दोस्रो परीक्षणमा), कथित पार्श्वता र ग्राफमा ढलान ITD सँग पार्श्वतामा परिवर्तनको व्याख्या गर्दै ध्वनि तीव्रता घट्दै जान्छ।

यसरी, दोस्रो प्रयोगको नतिजाले पहिलोको नतिजालाई पुष्टि गर्यो। अर्थात्, व्यवहारमा यो देखाइएको छ कि जेफ्रेस द्वारा 1948 मा फिर्ता प्रस्तावित मोडेल सही छैन।

यसले आवाजको तीव्रता घट्दै जाँदा ध्वनि स्थानीयकरण बिग्रन्छ, र जेफ्रेसले ध्वनीहरूलाई तीव्रतालाई ध्यान नदिई मानिसहरूले त्यसरी नै बुझेका र प्रशोधन गर्छन् भन्ने विश्वास गरे।

अध्ययन को सूक्ष्मता संग एक अधिक विस्तृत परिचित को लागी, म हेर्न को लागी सिफारिस गर्दछु वैज्ञानिकहरु रिपोर्ट.

Epilogue

सैद्धान्तिक अनुमानहरू र तिनीहरूलाई पुष्टि गर्ने व्यावहारिक प्रयोगहरूले देखाएका छन् कि स्तनधारीहरूमा मस्तिष्क न्यूरोनहरू ध्वनि संकेतको दिशामा निर्भर गर्दै विभिन्न दरहरूमा सक्रिय हुन्छन्। त्यसपछि मस्तिष्कले यी गतिहरूलाई प्रक्रियामा संलग्न सबै न्यूरोन्सहरू बीच गतिशील रूपमा ध्वनि वातावरणको नक्सा निर्माण गर्न तुलना गर्दछ।

जेफ्रेसनको मोडेल वास्तवमा 100% गलत छैन, किनकि यो खलिहान उल्लूहरूमा ध्वनि स्रोतको स्थानीयकरणलाई पूर्ण रूपमा वर्णन गर्न प्रयोग गर्न सकिन्छ। हो, खलिहान उल्लूहरूको लागि आवाजको तीव्रताले फरक पार्दैन; कुनै पनि अवस्थामा, तिनीहरूले यसको स्रोतको स्थिति निर्धारण गर्नेछन्। यद्यपि, यस मोडेलले रेसस बाँदरहरूसँग काम गर्दैन, जस्तै अघिल्लो प्रयोगहरूले देखाएको छ। त्यसकारण, यो जेफ्रेसन मोडेलले सबै जीवित चीजहरूको लागि ध्वनिहरूको स्थानीयकरण वर्णन गर्न सक्दैन।

मानव सहभागीहरूसँगको प्रयोगले एकपटक फेरि पुष्टि गरेको छ कि ध्वनि स्थानीयकरण विभिन्न जीवहरूमा फरक तरिकाले हुन्छ। धेरै सहभागीहरूले आवाजको कम तीव्रताको कारण ध्वनि संकेतहरूको स्रोतको स्थिति सही रूपमा निर्धारण गर्न असमर्थ थिए।

वैज्ञानिकहरू विश्वास गर्छन् कि तिनीहरूको कामले हामी कसरी देख्छौं र कसरी सुन्छौं बीचमा केही समानताहरू देखाउँछ। दुबै प्रक्रियाहरू मस्तिष्कका विभिन्न भागहरूमा न्युरोन्सको गतिसँग सम्बन्धित छन्, साथै हामीले अन्तरिक्षमा देख्ने वस्तुहरूको स्थिति र हामीले सुन्ने ध्वनिको स्रोतको स्थिति दुवै निर्धारण गर्न यो भिन्नताको मूल्याङ्कनसँग सम्बन्धित छ।

भविष्यमा, अन्वेषकहरूले मानव श्रवण र दृष्टि बीचको सम्बन्धलाई अझ विस्तृत रूपमा जाँच गर्न प्रयोगहरूको श्रृंखला सञ्चालन गर्न जाँदैछन्, जसले हामीलाई हाम्रो मस्तिष्कले हाम्रो वरपरको संसारको नक्सा कसरी गतिशील रूपमा निर्माण गर्छ भन्ने कुरालाई अझ राम्ररी बुझ्न अनुमति दिनेछ।

तपाइँको ध्यान को लागी धन्यवाद, जिज्ञासु रहनुहोस् र सबैको एक राम्रो हप्ता हो! 🙂

हामीसँग रहनु भएकोमा धन्यवाद। तपाईलाई हाम्रा लेखहरू मनपर्छ? थप रोचक सामग्री हेर्न चाहनुहुन्छ? हामीलाई अर्डर गरेर वा साथीहरूलाई सिफारिस गरेर समर्थन गर्नुहोस्, $4.99 बाट विकासकर्ताहरूको लागि क्लाउड VPS, Habr प्रयोगकर्ताहरूको लागि 30% छुट प्रविष्टि-स्तर सर्भरहरूको एक अद्वितीय एनालगमा, जुन तपाईंको लागि हामीद्वारा आविष्कार गरिएको थियो: VPS (KVM) E5-2650 v4 (6 कोर) 10GB DDR4 240GB SSD 1Gbps $ 20 बाट वा कसरी सर्भर साझा गर्ने बारे सम्पूर्ण सत्य? (RAID1 र RAID10 सँग उपलब्ध, 24 कोर सम्म र 40GB DDR4 सम्म)।

डेल R730xd 2 गुणा सस्तो? यहाँ मात्र 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV $199 बाट नेदरल्याण्ड मा! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 बाट! बारे पढ्नुहोस् पूर्वाधार कर्पोरेशन कसरी निर्माण गर्ने। डेल R730xd E5-2650 v4 सर्भरहरूको प्रयोगको साथ एक पैसाको लागि 9000 यूरो मूल्यको वर्ग?

स्रोत: www.habr.com