Диссертация (1147492), страница 17
Текст из файла (страница 17)
На данных срезах отображена преимущественно активация фронтальной (BA9),премоторной (BA6) и теменной коры (BA40 и BA7). в условиях предъявления одного лица на уровне срезов: 28 (**p=0.005), 40 (**p=0.003),44 (*p=0,033), 52 (*p=0,041), 56 (*p=0,016), 60 (**p=0,006), 64 (**p=0.003), 68 (*p=0.033). Срез28 отображает преимущественно активацию BA9 - области фронтальной коры головного мозга.Остальные срезы - активацию областей премоторной (BA6) и теменной коры (BA40).В условиях вычитания "фаза 2-фаза 1" статистически значимые отличия найдены: в условиях предъявления разных лиц на уровне срезов 8 (*p=0.05), 16 (*p=0.033) и 20(*p=0.023).
На данных срезах отображается активация преимущественно передней пояснойизвилины - MPFC. в условиях предъявления одинаковых лиц на уровне срезов 44 (*p=0.05) и 48(**p=0.009), что соответствует теменной коре.На третьем этапе анализировали количество активированных вокселей по полямБродмана. Отличия от второго этапа анализа заключается в том, что на предыдущем шаге мыанализировали крупномасштабные нейронные сети - целые паттерны активации, в которыемогло входить разные зоны по Бродману. А на третьем этапе - только отдельныецитоархитектонические поля, под которыми понимаем отделы коры больших полушарийголовного мозга, отличающиеся по своей цитоархитектонике (строению на клеточном уровне) в1 и 2 половину исследования.
Критерий Уилкоксона (Wilcoxon Signed Ranks Test) для95зависимых переменных показал значимые отличия только в условиях предъявления разныхлиц: в переднем мозге в области путамен (*p=0.026), в височной коре в зоне BA37 (*p=0,050) итеменной коре в зоне BA40 (*p=0.026).Статистически значимого влияния пола и принадлежности к группе студент-не студентне выявлено.3.3.4 Оценка изменения BOLD-сигналаНа каждом этапе анализа фМРТ-данных проводили оценку BOLD-сигнала. Так, во всехэкспериментах было показано, что среднее значение интенсивности BOLD-сигнала в различныхфазах стимуляции не меняется, несмотря на изменение общей площади активации (таблица 24).Небольшое изменение интенсивности сигнала наблюдается в условиях выполнения инструкциив задаче определения поворота лица (фаза 2).Таблица 24 - Данные по количеству вокселей и интенсивности BOLD-сигнала в 1 и 2фазы стимуляции в 3 фМРТ исследованииФаза 1Количество вокселей x 10³Среднее значение интенсивности BOLDсигналаФаза 2Количество вокселей x 10³Среднее значение интенсивности BOLDсигналаЭмоции Поворот41,232,94,74,48Эмоции Поворот64,328,5-4,47-3,76Важно подчеркнуть, что зоны головного мозга объединяются в тот или иной паттернактивации (сложные нейронные сети) на основе корреляции их функционирования.Соответственно, можно определить синхронность срабатывания разных областей.
Методомоценки локального кровотока во времени (BOLD-сигнала) был проведен анализ междувовлеченными в данную работу разными структурами мозга в различных фазах стимуляции.Показано, что уровень BOLD-сигнала в этих структурах сходным образом модулируетсяусловиями стимуляции – чередованием фаз: в фазе 1 уровень локального кровотока у одной итой же зоны возрастает, а в фазе 2 – у этой же зоны уменьшается (рисунок 46).960.31.20.210.10.80.60111 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191-0.10.4-0.20.2-0.30BA40BA6BA37stРисунок 46 - Изменение во времени BOLD-сигнала в синхронно работающих зонахмозга (BA40, BA37 и BA6) в фазу 1 стимуляции в 3 фМРТ исследованииПолученные результаты, несмотря на разнородную функциональную спецификууказанных областей, позволили усреднить их и сравнить между собой.
Результат на примерепредставлен на рисунке 47. На приведенном графике виден оппонентный ход кривых.Подчеркнем, что этот принцип является крайне важным в механизме принятия решения взадачах распознавания лиц. Можно предположить, что баланс критериев оценок при принятиирешений осуществляется при помощи оппонентного механизма взаимодействия разныхнейронных структур, аналогично тем оппонентным механизмам, которые известны впервичных структурах зрительной системы. Например, оппонентные on- и off- системы,ориентационно-оппонентные системы.1.20.210.10.800.6-0.1171319253137434955616773798591971031091151211271331391451511571631691751811871931990.3-0.20.40.2-0.30Чередование фаз стимуляцииСеть базового режима мозгаСеть распознавания лицаStРисунок 47 - Изменение во времени BOLD-сигнала в структурах мозга, которыепроактивировались в разных фазах стимуляции. Пунктирной линией обозначен BOLD-сигнал вфазу 2, а сплошной линией – в фазу 1.
Сигнал усреднен по различным зонам мозга97Этот принцип является крайне важным в механизме принятия решения в задачахраспознавания лиц. Таким образом, между всеми структурами мозга происходит прямое иобратное взаимодействие, а не просто восходящая передача сигнала с каскада на каскад.Различные структуры объединяются в сложные динамические мозговые паттерны активации(нейронные сети).
Причем, какой именно паттерн системы распознавания лица на уровневыходного слоя будет активирован, зависит от инструкции и других экспериментальныхусловий.На следующих этапах проводили анализ HRF – функции гемодинамического ответа(Friston et al., 1994) по усредненным фазам стимуляции. На рисунке 48 приведен пример ходакривых во время выполнения первого фМРТ – исследования (выявления зависимостиактивации головного мозга человека в зависимости от градации выраженности признака: 0, 2, 4,7). По оси абсцисс представлена временная шкала в пределах одной фазы стимуляции, а по осиординат – уровень BOLD-сигнал.
Во-первых, видно, что форма сигнала по зонам Бродманасильно отличается. В ряде областей наблюдается четкий пик на 6 сек. с начала стимуляции(первое значение не учитываем, так как в это время предъявлялась инструкция). В даннуюгруппу вошли области BA37, BA17, BA18, BA19, BA30, BA31. В другой группе явного подъеманет. В данную группу вошли области BA13, BA6, BA8, BA9, BA10, BA40. Необходимоподчеркнуть, что, согласно опубликованным данным, обычно пик HRF приходится на 5 сек(Friston et al., 1994).
В наших условиях мы измеряли HRF не на единичный отклик, апоследовательность множества стимулов, предъявляемых в соответствии с методикойисследования. Сдвиг, вероятно, связан с наложением откликов от множества стимулов,предъявленных в наших условиях.98поворот_0поворот_2поворот_4поворот_7BA3718800001875000187500018700001870000BOLD-сигналBOLD-сигналэмоция_0эмоция_2эмоция_4эмоция_7BA371865000186000018550001865000186000018550001850000185000018450001234567819 10поворот_0поворот_2поворот_4поворот_72890000456789BA1310эмоция_0эмоция_2эмоция_4эмоция_7289000028850002885000BOLD-сигналBOLD-сигнал3длительность фазы стимуляциидлительность фазы стимуляцииBA1322880000287500028700002880000287500028650002870000286000028650002855000123456789длительность фазы стимуляции10286000012345678910длительность фазы стимуляцииРисунок 48 – Усредненный BOLD-сигнал на выборке испытуемых в зонах BA37 и BA13 в инструкциях распознавания эмоции и поворота99Во-вторых, видно, что в зависимости от градации выраженности признака, амплитудасигнала меняется.
Так, при градации признака 2 (и поворота и эмоции) амплитуда сигналазначительно выше в сравнении с остальными параметрами стимуляции. Полученныерезультаты позволили усреднить BOLD-сигнал и оценить суммарную разницу междуградациями выраженности признака при выполнении различных инструкций. Применилидвухфакторный дисперсионный анализ. Для снижения размерности все значения переведены вz-scores.
Результат представлен на рисунке 49.АБ44Поворот 0Поворот 2Поворот 4Поворот 732Эмоция 0Эмоция 2Эмоция 4Эмоция 732110-10-2-1-3-2012345678910012345678910Рисунок 49 – Усредненный BOLD-сигнал по всем зонам Бродмана при выполненииинструкции распознавания поворота (А) и эмоции (Б). По оси абсцисс – длительность однойфазы стимуляции, по оси ординат – BOLD-сигнал (z-scores). Все фазы усреднены между собойВ качестве первого фактора выступало время – длительность фазы стимуляции (от 1 до10 значений, на рисунке 49 – ось абсцисс), в качестве второго – градации выраженностипризнака (0, 2, 4, 7) для каждого типа инструкции. Результат дисперсионного анализа длясвязанных выборок с высоким уровнем значимости показал, что в каждый момент времени естьзначимое влияние фактора градации выраженности признака: для поворота - F(30,168) = 59,8,p<0,001; для эмоции - (30,168) = 61,8, p<0,001.
Провели попарные сравнения выборок,состояших из четырех точек (градации 0, 2, 4, 7) в каждый момент времени. Результатыпоказали, что суммарно по четырем кривым в каждом из 10 измерений существуют значимыеразличия на уровне p<0,001. Более детальный анализ апостериорных сравнений показал, чтоамплитуда градации 2 (и при условии выполнения инструкции распознавания эмоции иповорота) статистически значимо выше в сравнении с другими кривыми.
Амплитуда кривой100градации 4 – статистически значимо ниже остальных трех. Выявленные закономерностиодинаковы для всех зон Бродмана. Подробный анализ приведен в Приложении.3.4 Результаты моделирования с помощью искусственной нейронной сети распознаваниямимики в условиях неопределенностиРезультаты распознавания мимики лица на разработанной искусственной нейроннойсети представлены в таблицах 25-26. Для примера приведены результаты на цветных и чернобелых изображениях, количество которых в обучающей и контрольной выборках былоодинаковым.Таблица 25 – Результаты распознавания мимики улыбки в живописи99,02%69,23%101Таблица 26 - Результаты распознавания мимики лица на фотографиях№%«не улыбка»169,80%99.90%2100%100%3100%100%%«улыбка»Можно сказать, что разработанная программа довольно успешно справляется сраспознаванием мимики в пороговых условиях наблюдения.
В данном разделе былпродемонстрирован только пример того, каким образом современные нейротехнологииспособны обеспечить быстрое развитие экономики, социальной и оборонной сфер тех стран,которые планируют и развивают ключевые направления науки в области искусственногоинтеллекта и нейрофизиологии.
Еще одним интересным примером того, как искусственныенейронные сети могут внести вклад в понимание работы зрительного мозга на всех его уровнях,может быть следующий эксперимент. В качестве контрольных стимулов было проведенораспознавание шумов, отфильтрованных в области высоких и низких пространственных частот.Необходимо отметить, что на изображениях были изображены только шумы без скрытых102вставок. Результаты показали, что разработанная нейронная сеть распознает эти дваизображения в большей степени как улыбка, причем в отношении шума с фильтрацией вобласти низких частот уверенности в этом больше, чем при фильтрации в области высокихчастот (таблица 27). Полученный результат полностью соотносится с теоретическимиположениями модели согласованной фильтрации при распознавании лиц в экстремальныхусловиях неопределенности.Таблица 27 - Результаты распознавания шумов, отфильтрованных в области низких ивысоких пространственных частот№вероятность161.72%259.75%«улыбка»103Глава 4 ОБСУЖДЕНИЕ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ4.1 Обсуждение психологической и психофизической серии исследованияЦель данной серии исследования заключалась в том, чтобы методами нейроиконики,функциональногомагнитно-резонансногокартированияактивностимозга(фМРТ)ипсихофизическими методами определить в условиях неопределенности минимум информации,необходимой для распознавания лиц с разной выраженностью мимики.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
