The border of the source region biases connective field estimates: simulation, human V1 to V2 and V3, and a correction
यह शोधपत्र प्रदर्शित करता है कि संयोजी क्षेत्र (कनेक्टिविटी फील्ड) के अनुमान रुचि के स्रोत क्षेत्र की सीमाओं से महत्वपूर्ण रूप से प्रभावित होते हैं, जिससे आकार और स्थिति के विस्थापन का कम आकलन होता है, और यह प्रस्तावित करता है कि स्रोत क्षेत्र को शारीरिक सीमाओं से आगे बढ़ाना या सीमा के निकट स्थित लक्ष्यों को बाहर करना इन आर्टिफैक्ट्स को प्रभावी ढंग से कम कर सकता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
न्यूरोसाइंटिस्ट यह समझने के लिए कि हम दुनिया को कैसे देखते हैं, मस्तिष्क को अलग-थलग हिस्सों के संग्रह के रूप में नहीं, बल्कि एक विशाल, परस्पर जुड़े हुए परिदृश्य के रूप में देखते हैं। विजुअल कॉर्टेक्स (visual cortex) में, जो मस्तिष्क का वह हिस्सा है जो दृष्टि के लिए समर्पित है, सूचना एक क्षेत्र से दूसरे क्षेत्र में एक अत्यधिक संगठित मानचित्र के रूप में प्रवाहित होती है। एक रिले रेस की कल्पना करें जहाँ एक ज़ोन का धावक अगले ज़ोन के धावक को बैटन सौंपता है; पहला धावक बैटन केवल एक व्यक्ति को नहीं फेंकता, बल्कि लक्ष्य के आसपास के एक छोटे समूह को देता है। मस्तिष्क में, इस "समूह" को 'कनेक्टिव फील्ड' (connective field) कहा जाता है। यह मस्तिष्क की सतह पर एक ऐसा क्षेत्र है जहाँ गतिविधि को एक विशिष्ट लक्ष्य बिंदु को प्रभावित करने के लिए एक साथ एकत्रित किया जाता है। वैज्ञानिक इन अदृश्य क्षेत्रों के आकार और स्थान का अनुमान लगाने के लिए कंप्यूटर मॉडल का उपयोग करते हैं, इस उम्मीद में कि वे यह मानचित्र सकें कि मस्तिष्क दृश्य दुनिया को कैसे जोड़ता है। ये अनुमान मस्तिष्क के विश्राम करने के तरीके से लेकर इसके स्वयं को व्यवस्थित करने के तरीके तक, सब कुछ समझने के लिए एक मानक उपकरण बन गए हैं।
हालाँकि, परसा तहमसेबी (Parsa Tahmasebi) का एक नया अध्ययन बताता है कि वर्तमान में इन मॉडलों का उपयोग करने में एक छिपा हुआ दोष है। समस्या उन मस्तिष्क क्षेत्रों के बिल्कुल किनारों से उत्पन्न होती है जिनका अध्ययन किया जा रहा है। जब शोधकर्ता किसी विशिष्ट क्षेत्र के लिए एक मॉडल फिट करते हैं, तो वे उसके चारों ओर एक सीमा खींच देते हैं। यदि लक्ष्य का वास्तविक 'पूलिंग ज़ोन' (pooling zone) इस किनारे के पास स्थित है, तो उस ज़ोन का कुछ हिस्सा उस रेखा के पार निकलकर उस क्षेत्र में चला जाता है जिसे मॉडल देख नहीं सकता। मॉडल को उस ज़ोन के आकार और स्थान का अनुमान केवल दृश्य आधे हिस्से का उपयोग करके लगाने के लिए मजबूर किया जाता है, ठीक वैसे ही जैसे अपनी प्लेट पर रखे केवल एक टुकड़े को देखकर पूरे सेब के आकार का अनुमान लगाने की कोशिश करना। शोधकर्ताओं ने पाया कि यह "एज इफेक्ट" (edge effect) एक व्यवस्थित त्रुटि पैदा करता है: मॉडल इन क्षेत्रों के आकार को लगातार कम आंकता है और उनके स्थान को सीमा की ओर खिसका देता है। यह कोई मामूली गड़बड़ी नहीं है; यह एक मौलिक पूर्वाग्रह है जो मस्तिष्क की कनेक्टिविटी के मानचित्र को विकृत कर देता है।
इसे सिद्ध करने के लिए, टीम ने पहले कंप्यूटर पर एक आदर्श, कृत्रिम मस्तिष्क बनाया। उन्होंने सिम्युलेटेड मस्तिष्क ऊतक की एक सपाट शीट बनाई जिसमें पूलिंग ज़ोन का एक ज्ञात, वास्तविक आकार था। फिर उन्होंने इस डेटा पर अपना मानक अनुमान मॉडल चलाया, लेकिन जानबूझकर शीट के किनारों को छिपा दिया, जैसा कि वास्तविक शोधकर्ता करते हैं। परिणाम स्पष्ट और तत्काल थे। जैसे ही एक पूलिंग ज़ोन का केंद्र कृत्रिम किनारे के करीब पहुँचा, मॉडल ने उसके आकार के अनुमान को छोटा करना शुरू कर दिया। सीमा के पहले एक या दो मिलीमीटर के भीतर, अनुमानित आकार एक मिलीमीटर तक गिर गया, चाहे वास्तविक ज़ोन कितना भी बड़ा क्यों न हो। इसके अलावा, मॉडल ने ज़ोन के अनुमानित स्थान को किनारे की ओर खींचा, जैसे कि ज़ोन का गायब आधा हिस्सा केंद्र को असंत로ंलित कर रहा हो। मॉडल विफल होने भी लगा, और उस सबसे छोटे आकार पर सिमट गया जिसकी उसे रिपोर्ट करने की अनुमति थी, जो इस बात का संकेत था कि डेटा बहुत अधिक कटा हुआ था जिससे बड़े अनुमान का समर्थन मिल सके।
शोधकर्ताओं ने फिर वास्तविक मानव डेटा की ओर रुख किया, जिसमें उन्नीस स्वयंसेवकों के मस्तिष्क स्कैन का एक सार्वजनिक डेटासेट शामिल था जिन्होंने रेटिनोटोपिक मैपिंग (retinotopic mapping) करवाई थी—एक ऐसी प्रक्रिया जो यह चार्ट करती है कि दृश्य क्षेत्र मस्तिष्क की सतह पर कैसे प्रदर्शित होता है। उन्होंने प्राथमिक दृश्य क्षेत्र, V1, और उसके पड़ोसी, V2 के बीच के संबंध पर ध्यान केंद्रित किया। चूंकि वे जीवित मानव मस्तिष्क में पूलिंग ज़ोन के वास्तविक आकार को नहीं जान सकते थे, इसलिए उन्होंने दृश्य क्षेत्र के ज्ञात मानचित्र का उपयोग यह अनुमान लगाने के लिए किया कि प्रत्येक ज़ोन का केंद्र कहाँ होना चाहिए। जब उन्होंने मॉडल के अनुमानों की इन भविष्यवाणियों से तुलना की, तो वही पूर्वाग्रह दिखाई दिया। V1 के किनारे के पास के अनुमानित आकार, सीमा से दूर पाए जाने वाले आकार की तुलना में 1.46 मिलीमीटर छोटे थे। यह कमी काफी बड़ी थी, जो आकार में 41 प्रतिशत की गिरावट को दर्शाती है। इसके अतिरिक्त, सबसे छोटे संभव मान तक पहुँच जाने वाले अनुमानों का अंश, क्षेत्र के केंद्र में 12 प्रतिशत से बढ़कर किनारे के पास 46 प्रतिशत हो गया।
यह पुष्टि करने के लिए कि यह मस्तिष्क के किनारे की किसी जैविक विशेषता के कारण नहीं बल्कि कृत्रिम सीमा के कारण था, टीम ने एक चतुर हेरफेर किया। उन्होंने उसी मस्तिष्क डेटा को लिया और बस सीमा रेखा को स्थानांतरित कर दिया। उन्होंने स्रोत क्षेत्र को तीन मिलीमीटर पीछे काट दिया, जिससे V1 के स्वस्थ ऊतकों के भीतर एक नया, कृत्रिम किनारा बन गया। फिर उन्होंने विश्लेषण को दोबारा चलाया। पूर्वाग्रह उस रेखा के साथ ही चला गया। वे लक्ष्य जो पहले क्षेत्र के बीच में सुरक्षित थे, अचानक उसी आकार की कमी दिखाने लगे जब वे इस नए, कृत्रिम किनारे के पास पहुँचे। इससे यह सिद्ध हुआ कि त्रुटि मस्तिष्क की शारीरिक रचना या लक्ष्यों का गुण नहीं थी, बल्कि शोधकर्ताओं द्वारा लागू की गई गणितीय सीमा का सीधा परिणाम थी।
अध्ययन ने एक संभावित समाधान का भी परीक्षण किया। सिमुलेशन में, उन्होंने मॉडल को मूल सीमा के छह मिलीमीटर चौड़े मस्तिष्क ऊतक के स्ट्रिप तक पहुँच प्रदान की, जबकि अनुमान के केंद्र को मूल क्षेत्र तक ही सीमित रखा। इसने मॉडल को पूलिंग ज़ोन के उस हिस्से को "देखने" की अनुमति दी जो बाहर निकल रहा था। इस सरल परिवर्तन ने सिमुलेशन में पूर्वाग्रह को समाप्त कर दिया। जब इसे V1 और V3 के बीच के कनेक्शन के लिए वास्तविक डेटा पर लागू किया गया, तो इस सुधार ने छोटे, सिमटे हुए अनुमानों के संचय को समाप्त कर दिया और किनारे तथा केंद्र के बीच के आकार के अंतर को आधा कर दिया। हालाँकि, इस समाधान की एक सीमा है: इसका उपयोग पड़ोसी क्षेत्रों जैसे V1 और V2 के लिए नहीं किया जा सकता है, क्योंकि स्पिल-ओवर (spill-over) देखने के लिए आवश्यक अतिरिक्त ऊतक स्वयं लक्ष्य क्षेत्र को भी शामिल कर लेगा, जिससे माप दूषित हो जाएगा।
ये निष्कर्ष सुझाव देते हैं कि दृश्य क्षेत्रों के किनारों के पास इन मस्तिष्क कनेक्शनों के आकार और स्थान के बारे में हम जो कुछ भी जानते हैं, उसका एक बड़ा हिस्सा पद्धति का एक आर्टिफैक्ट (artifact) हो सकता है। यह पूर्वाग्रह वास्तविक है, मापने योग्य है, और मस्तिष्क की जीव विज्ञान के बजाय विश्लेषण की ज्यामिति से प्रेरित है। हालांकि शोधकर्ता अभी भी पड़ोसी क्षेत्रों के लिए डेटा को पूरी तरह से ठीक नहीं कर सकते हैं, लेकिन उन्होंने एक स्पष्ट मार्ग पहचान लिया है: या तो किनारों के पास के लक्ष्यों को बाहर निकाल दें, जिससे डेटा का नुकसान स्वीकार करना होगा, या नए तरीके विकसित करें जो मस्तिष्क के मानचित्र के अदृश्य आधे हिस्से को ध्यान में रखें। यह अध्ययन एक महत्वपूर्ण सुधार के रूप में कार्य करता है, जो वैज्ञानिकों को याद दिलाता है कि उनके द्वारा बनाया गया मानचित्र उतना ही सटीक है जितना कि वे स्वयं को देखने की अनुमति देने वाली सीमाएँ हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।