Neurowetenschappelijke onderzoekers van de Universiteit van Cambridge hebben computervisie gecombineerd met semantiek, het ontwikkelen van een nieuw model dat kan helpen om beter te begrijpen hoe objecten in de hersenen worden verwerkt.

Het menselijk vermogen om objecten te herkennen omvat twee hoofdprocessen, een snelle visuele analyse van het object en de activering van gedurende het hele leven verworven semantische kennis. De meeste eerdere studies hebben deze twee processen afzonderlijk onderzocht; daarom, hun interactie blijft grotendeels onduidelijk.

Het team van onderzoekers uit Cambridge heeft objectherkenningsprocessen onderzocht met behulp van een nieuwe methode die diepe neurale netwerken combineert met een semantiekmodel van een attractornetwerk. In tegenstelling tot de meeste eerdere onderzoeken, hun techniek is goed voor zowel visuele informatie als conceptuele kennis over objecten.

"We hadden eerder veel onderzoek gedaan met gezonde mensen en patiënten met hersenbeschadiging om beter te begrijpen hoe objecten in de hersenen worden verwerkt, " vertelden de Cambridge-onderzoekers: Tech Xplore . "Een van de belangrijkste bijdragen van dit werk is om te laten zien dat het begrijpen van wat een object is, inhoudt dat de visuele input in de loop van de tijd snel wordt omgezet in een zinvolle representatie, en dit transformatieve proces wordt bereikt langs de lengte van de ventrale temporale kwab."

De onderzoekers zijn er vast van overtuigd dat toegang tot het semantische geheugen een belangrijk onderdeel is van het begrijpen van wat een object is, dus theorieën die zich alleen richten op zichtgerelateerde eigenschappen geven dit complexe proces niet volledig weer.

"Dit was de eerste trigger voor het huidige onderzoek, waar we volledig wilden begrijpen hoe visuele input op laag niveau wordt toegewezen aan een semantische weergave van de betekenis van het object, " legden de onderzoekers uit. Om dit te doen, ze gebruikten een standaard diep neuraal netwerk gespecialiseerd in computervisie, genaamd AlexNet.

"Dit model, en anderen vinden het leuk kan objecten in afbeeldingen met zeer hoge nauwkeurigheid identificeren, maar ze bevatten geen expliciete kennis over de semantische eigenschappen van objecten, " legden ze uit. "Bijvoorbeeld, bananen en kiwi's zien er heel verschillend uit (andere kleur, vorm, textuur, enz.), maar toch we begrijpen goed dat ze beide vruchten zijn. Modellen van computervisie kunnen onderscheid maken tussen bananen en kiwi's, maar ze coderen niet de meer abstracte kennis dat beide vruchten zijn."

De beperkingen van neurale netwerken voor computervisie erkennen, de onderzoekers combineerden het AlexNet vision-algoritme met een neuraal netwerk dat conceptuele betekenis analyseert, inclusief semantische kennis in de vergelijking.

"In het gecombineerde model visuele verwerking komt overeen met semantische verwerking en activeert onze semantische kennis over concepten, ', aldus de onderzoekers.

Hun nieuwe techniek werd getest op neuroimaging-gegevens van 16 vrijwilligers, die was gevraagd om foto's van objecten te noemen terwijl ze een fMRI-scan hadden. Vergeleken met traditionele deep neural network (DNN) modellen van visie, de nieuwe methode was in staat hersengebieden te identificeren die verband houden met zowel visuele als semantische verwerking.

"De meest kritische bevinding van de studie was dat hersenactiviteit tijdens objectherkenning beter wordt gemodelleerd door rekening te houden met zowel visuele als semantische eigenschappen van objecten, en dit kan worden vastgelegd door middel van een computationele modelleringsbenadering, ', leggen de onderzoekers uit.

De methode die ze bedachten, deed voorspellingen over de stadia van semantische activering in de hersenen die consistent zijn met eerdere beschrijvingen van objectverwerking, waar meer grofkorrelige semantische verwerking plaats maakt voor meer fijnkorrelige verwerking. De onderzoekers ontdekten ook dat verschillende stadia van het model activering voorspelden in verschillende regio's van de objectverwerkingsroute van de hersenen.

"Uiteindelijk, betere modellen van hoe mensen visuele objecten zinvol verwerken, kunnen praktische klinische implicaties hebben; bijvoorbeeld, in het begrijpen van aandoeningen zoals semantische dementie, waar mensen hun kennis van de betekenis van objectconcepten verliezen, ', aldus de onderzoekers.

De studie uitgevoerd in Cambridge is een belangrijke bijdrage op het gebied van neurowetenschappen, omdat het liet zien hoe verschillende hersengebieden bijdragen aan de visuele en semantische verwerking van objecten.

"Het is nu van vitaal belang om te onderzoeken hoe informatie in één regio kan worden omgezet in een andere staat die we in verschillende regio's in de hersenen zien, " voegden de onderzoekers eraan toe. "Hiervoor, we moeten begrijpen hoe connectiviteit, en temporele dynamiek ondersteunen deze transformatieve neurale processen."

Het onderzoek is gepubliceerd in Wetenschappelijke rapporten onlangs.

© 2018 Tech Xplore