Представьте, что вы пытаетесь услышать друга, шепчущего в переполненной комнате — именно так ученые пытаются обнаружить сигналы мозга среди шума фМРТ-сканера. Новое исследование исследователей из Массачусетского технологического института и Технологического института Джорджии предлагает более умный способ прислушаться к этому шепоту, выявляя сети мозга, которые активируются, когда мы следим за историей.
Исследование
В статье «Модели кодирования активности мозга на основе независимых компонент при понимании историй» Камья Хари и коллеги из Массачусетского технологического института и Технологического института Джорджии проанализировали данные фМРТ людей, слушающих естественный рассказ. Они использовали технику, называемую анализом независимых компонент (ICA), чтобы разложить активность мозга на отдельные компоненты — некоторые из них вызваны историей, другие — просто шумом. Затем они обучили модели кодирования предсказывать эти компоненты на основе языковых признаков, извлеченных из истории с помощью большой языковой модели.
Они обнаружили, что подмножество компонентов было высокопредсказуемым у всех испытуемых. Эти компоненты были согласованы как по пространственному расположению, так и по времени, и соответствовали хорошо известным когнитивным сетям, включая области слуховой и языковой обработки. Временной ряд слухового компонента сильно коррелировал с акустическими характеристиками истории, показывая, что метод улавливает значимые сигналы, вызванные стимулом. Напротив, компоненты, идентифицированные как шум или артефакты движения стандартным инструментом (ICA-AROMA), показали равномерно плохую предсказательную способность, что подтверждает, что высокопредсказуемые компоненты отражают подлинную нейронную обработку, а не артефакты.
Этот подход на основе IC предлагает несколько преимуществ по сравнению с традиционными моделями кодирования на уровне вокселей. Сосредоточившись на компонентах уровня сетей, он учитывает изменчивость анатомии мозга у разных людей, снижает влияние шума измерений и дает результаты, которые легче сравнивать между людьми.
Почему это важно
Это исследование может привести к более точным интерфейсам мозг-компьютер и лучшему пониманию языковых расстройств. Для обычного человека оно подчеркивает, что мозг обрабатывает истории через скоординированную активность в распределенных сетях, а не только в изолированных областях. Способность метода отделять сигнал от шума имеет решающее значение для улучшения анализа фМРТ, что потенциально приведет к созданию лучших диагностических инструментов для таких состояний, как афазия или аутизм.
Что вы можете сделать
Хотя вы не можете провести ICA на своем собственном мозге, вы можете улучшить свои языковые навыки и понимание, взаимодействуя со сложными историями — читайте романы, слушайте подкасты или ведите глубокие разговоры. Эти действия задействуют те же когнитивные сети, которые выявлены в исследовании, способствуя нейропластичности.
Источник: arXiv q-bio.NC
Интересует ваш собственный мозг? Пройдите наш бесплатный адаптивный тест IQ или попробуйте 306 уровней тренировки мозга.