پژوهشگران دانشگاه کالج لندن (UCL) موفق شدند تنها با استفاده از فعالیت مغزی موشها ویدئوهایی را که این حیوانات مشاهده کرده بودند با دقت قابل توجهی بازسازی کنند. این دستاورد میتواند دریچهای تازه برای درک نحوه پردازش اطلاعات بصری در مغز و حتی مطالعه ادراک در گونههای مختلف جانوری بگشاید.
به گزارش ساینس دیلی، تیمی از دانشمندان به سرپرستی پژوهشگران دانشگاه کالج لندن (UCL) توانستهاند با تحلیل سیگنالهای عصبی ثبتشده از مغز موشها فیلمهایی را که این حیوانات در حال تماشای آن بودند بازسازی کنند. نتایج این پژوهش که در نشریه eLife منتشر شده است نشان میدهد فعالیت نورونهای مغز میتواند با دقت بالایی برای بازسازی آنچه موجود زنده میبیند مورد استفاده قرار گیرد.
در سالهای اخیر دانشمندان تلاشهای گستردهای برای رمزگشایی از نحوه پردازش اطلاعات بینایی در مغز انسان انجام دادهاند. در این مطالعات معمولا افراد هنگام مشاهده تصاویر یا فیلمها در دستگاههای تصویربرداری تشدید مغناطیسی عملکردی (fMRI) قرار میگیرند و پژوهشگران سعی میکنند اطلاعات بصری را حتی در سطح پیکسل از روی فعالیت مغزی استخراج کنند، اما پژوهش جدید رویکرد متفاوتی را در پیش گرفته است.
به جای استفاده از تصویربرداری fMRI محققان فعالیت تکتک سلولهای عصبی در قشر بینایی مغز موش را ثبت کردند. این روش امکان مشاهده بسیار دقیقتر نحوه نمایش صحنههای بصری در مغز را فراهم میکند.
پژوهشگران تنها با استفاده از اطلاعات ثبتشده از قشر بینایی توانستند نسخههایی با کیفیت بالا از ویدئوهایی که موشها مشاهده کرده بودند تولید کنند.
جوئل بائر، نویسنده اصلی این پژوهش از مرکز Sainsbury Wellcome Centre در دانشگاه کالج لندن گفت: هدف ما توسعه روشی بود که بتواند نحوه تفسیر اطلاعات بصری توسط مغز را بهتر نشان دهد. روشهای فعلی معمولا تنها برای شرایطی که از پیش آزمایش شدهاند کاربرد دارند، اما ما به دنبال مدلی بودیم که بتواند آنچه مغز واقعا بازنمایی میکند را ثبت کرده و با واقعیت مقایسه کند.
این فناوری میتواند به پژوهشگران کمک کند اختلاف میان آنچه واقعا در برابر چشم قرار دارد و آنچه مغز از آن ایجاد میکند را بررسی کنند. این تفاوتها میتوانند سرنخهای ارزشمندی درباره نحوه تاثیر نشانههای بصری بر فعالیت نورونها ارائه دهند.
برای انجام این مطالعه محققان از یک مدل رمزگذاری عصبی پویا استفاده کردند که پیشتر توسط گروه دیگری برای رقابت Sensorium ۲۰۲۳ توسعه یافته بود. این مدل میتواند بر اساس فیلمهای نمایشدادهشده به موشها فعالیت نورونهای منفرد را پیشبینی کند و همزمان عواملی مانند حرکات بدن حیوان و قطر مردمک چشم را نیز در نظر بگیرد.
تیم دانشگاه کالج لندن این مدل را ارتقا داد. آنها فعالیت پیشبینیشده نورونها هنگام مشاهده یک صفحه کاملا خالی را با فعالیت واقعی ثبتشده نورونها مقایسه کردند. فعالیت سلولهای عصبی نیز با استفاده از یک روش تصویربرداری میکروسکوپی مبتنی بر تغییرات سطح کلسیم که نشاندهنده فعال شدن نورونها است، اندازهگیری شد.
سپس الگوریتم با شروع از یک تصویر کاملا خالی بهصورت تدریجی پیکسلهای تصویر را اصلاح کرد تا ویدئوی تولیدشده بیشترین شباهت را به فیلم واقعی نمایشدادهشده برای موش پیدا کند.
پس از آموزش مدل پژوهشگران موفق شدند تنها بر اساس فعالیت عصبی موش، یک ویدئوی ۱۰ ثانیهای را بازسازی کنند. نکته مهم آن بود که این فعالیت مغزی هنگام مشاهده فیلمی ثبت شده بود که پیش از این برای آموزش مدل مورد استفاده قرار نگرفته بود؛ موضوعی که توانایی مدل در تعمیم به دادههای جدید را نشان میدهد.
بائر در این باره گفت: توانستیم ویدئوهای ۱۰ ثانیهای را با کیفیت بالایی بازسازی کنیم. همچنین مشاهده کردیم هرچه دادههای مربوط به نورونهای بیشتری در اختیار مدل قرار گیرد، دقت بازسازی نیز افزایش پیدا میکند.
برای ارزیابی دقت بازسازی پژوهشگران میزان همبستگی هر پیکسل در ویدئوی اصلی با پیکسل متناظر آن در نسخه بازسازیشده را اندازهگیری کردند. نتایج نشان داد اختلاف زمانی میان دو ویدئو بسیار ناچیز بوده و تصاویر بازسازیشده شباهت قابل توجهی با نسخه اصلی دارند.
این تیم اکنون قصد دارد با جمعآوری دادههای عصبی بیشتر، وضوح تصاویر و گستره میدان دید بازسازیشده را افزایش دهد تا بتوان صحنههای بصری را با کیفیت و جزئیات بیشتری بازسازی کرد.
یکی از اهداف اصلی این پژوهش درک بهتر تفاوت میان دنیای واقعی و تصویری است که مغز از آن میسازد. پژوهشگران معتقدند مغز صرفا یک نسخه دقیق از جهان خارج تولید نمیکند بلکه اطلاعات دریافتی را پردازش، تغییر و تفسیر میکند.
بائر در پایان گفت: ما نسخهای کاملا دقیق از جهان را در ذهن خود نداریم. مسیر پردازش بینایی باعث تغییر و بازآرایی اطلاعات میشود. این تفاوت میان واقعیت و بازنمایی مغزی الزاما یک خطا نیست بلکه ویژگی مهمی از نحوه تفسیر و غنیسازی اطلاعات حسی توسط ذهن محسوب میشود. اکنون میخواهیم دقیقتر بررسی کنیم این فرآیند چگونه در مغز رخ میدهد.
به گفته پژوهشگران این فناوری در آینده میتواند به درک عمیقتر سازوکارهای بینایی مطالعه بیماریهای عصبی و حتی توسعه فناوریهای پیشرفته رابط مغز و رایانه کمک کند.
انتهای پیام/