Understanding Face Perception using Minimum Spanning Tree Dynamic Brain Networks

मानव मस्तिष्क कनेक्शनों का एक विशाल, जटिल जाल है, जो दुनिया को समझने के लिए लगातार संकेत भेजता रहता है। जब हम किसी चीज़ को देखते हैं, तो हमारी आँखें एक छवि को पकड़ लेती हैं, लेकिन यह मस्तिष्क ही है जिसे यह तय करना होता है कि वह छवि क्या है। पहचान की यह प्रक्रिया कोई एकल घटना नहीं है, बल्कि मस्तिष्क के विभिन्न क्षेत्रों के बीच एक जटिल संवाद है, जो पलक झपकते ही घटित होता है। वैज्ञानिक लंबे समय से इस बात में रुचि रखते रहे हैं कि मस्तिष्क चेहरों को कैसे संभालता है, जो कि हमारे द्वारा देखी जाने वाली सबसे महत्वपूर्ण चीजों में से एक हैं। किसी कुर्सी या पेड़ के विपरीत, एक चेहरा गहरा सामाजिक अर्थ वहन करता है, और मस्तिष्क इसे विशेष तात्कालिकता के साथ देखता है। इसे समझने के लिए, शोधकर्ता इलेक्ट्रोएन्सेफालोग्राफी (EEG) का उपयोग करते हैं, जो एक ऐसी विधि है जिसमें मस्तिष्क की विद्युत गतिविधि को सुनने के लिए स्कैल्प पर सेंसर लगाए जाते हैं। यह तकनीक मन के लिए एक हाई-स्पीड कैमरे की तरह है, जो मस्तिष्क की तरंगों में होने वाले परिवर्तनों को मिलीसेकंड में कैप्चर करती है, जो किसी भी अन्य इमेजिंग टूल की तुलना में बहुत तेज़ है। यह देखकर कि मस्तिष्क के विभिन्न हिस्से अपनी गतिविधि को कैसे सिंक्रोनाइज़ करते हैं, वैज्ञानिक उन अदृश्य मार्गों का मानचित्र बना सकते हैं जिनका उपयोग मस्तिष्क पहचान की पहेली को सुलझाने के लिए करता है।

हाल ही में एक अध्ययन में, भारतीय प्रौद्योगिकी संस्थान दिल्ली के शोधकर्ताओं ने यह देखने के लिए प्रयास किया कि जब मस्तिष्क किसी चेहरे को देखता है, तो एक साधारण वस्तु की तुलना में उसका नेटवर्क कैसे बदल जाता है। उन्होंने बीस से तीस वर्ष की आयु के पंद्रह स्वस्थ वयस्कों को चुना और उन्हें एक अंधेरे, ध्वनि-रोधी कमरे में शांति से बैठने के लिए कहा। उनके सामने एक स्क्रीन पर, चेहरों और वस्तुओं की छवियां बेतरतीब ढंग से दिखाई दीं, जिनमें से प्रत्येक ठीक तीन सौ मिलीसेकंड तक दृश्यमान रही। प्रतिभागियों को स्क्रीन के केंद्र में एक छोटे बिंदु पर ध्यान केंद्रित करने के लिए कहा गया जबकि छवियां तेजी से गुजर रही थीं। जब वे देख रहे थे, तब चौंसठ सेंसरों ने उनकी मस्तिष्क तरंगों को रिकॉर्ड किया। शोधकर्ताओं ने फिर इस विशाल डेटा को समय के छोटे टुकड़ों में विभाजित किया, और यह देखा कि छवि दिखने के बाद हर सौ मिलीसेकंड में क्या हुआ। उन्होंने मस्तिष्क की तरंगों की पांच अलग-अलग गति श्रेणियों पर ध्यान केंद्रित किया, जिन्हें फ्रीक्वेंसी बैंड (frequency bands) कहा जाता है, जो विभिन्न प्रकार की मानसिक गतिविधियों के अनुरूप होते हैं।

सेंसरों के बीच कनेक्शन के जटिल जाल को समझने के लिए, टीम ने 'मिनिमम स्पैनिंग ट्री' (Minimum Spanning Tree) नामक एक गणितीय दृष्टिकोण का उपयोग किया। एक ऐसे शहर की कल्पना करें जिसमें कई मोहल्ले सड़कों द्वारा जुड़े हुए हैं। यदि आप एक नया सड़क तंत्र बनाना चाहते जो कम से कम डामर का उपयोग करके हर मोहल्ले को जोड़ता हो, बिना किसी लूप या मोड़ के, तो आप एक मिनिमम स्पैनिंग ट्री बना रहे होंगे। यह विधि वैज्ञानिकों को यह देखने की अनुमति देती है कि अतिरिक्त, अनावश्यक कनेक्शनों के भ्रम के बिना सूचना मस्तिष्क के माध्यम से सबसे कुशल पथ कैसे ले सकती है। इस विधि को मस्तिष्क के डेटा पर लागू करके, शोधकर्ता देख सके कि जब मस्तिष्क छवियों को प्रोसेस कर रहा था, तो उसके संचार नेटवर्क का कंकाल कैसा था। उन्होंने पाया कि जब मस्तिष्क ने एक चेहरा देखा, तो नेटवर्क बहुत अलग था जब उसने एक वस्तु देखी। चेहरों के लिए कनेक्शनों ने एक ऐसा आकार बनाया जो एक तारे की तरह था, जिसमें एक केंद्रीय बिंदु से कई रेखाएं निकल रही थीं, जबकि वस्तुओं के लिए कनेक्शन अधिक फैले हुए और कम व्यवस्थित थे।

यह तारे जैसा आकार महत्वपूर्ण है क्योंकि यह सूचना को स्थानांतरित करने के एक अत्यधिक कुशल तरीके का सुझाव देता है। मस्तिष्क में, एक तारे जैसा नेटवर्क का अर्थ है कि कई अलग-अलग क्षेत्र सीधे एक केंद्रीय हब (central hub) से बात कर रहे हैं, जिससे बहुत तेज़ संचार संभव होता है। अध्ययन ने दिखाया कि यह कुशल, तारे जैसा ढांचा कई अलग-अलग मस्तिष्क तरंग गतियों, विशेष रूप से डेल्टा, थीटा, अल्फा और बीटा बैंड में चेहरों के लिए दिखाई दिया। यह छवि देखने के पहले कुछ सौ मिलीसेकंड के बाद सबसे अधिक स्पष्ट था। उदाहरण के लिए, चेहरा देखने के एक सौ से दो सौ मिलीसेकंड के बीच के समय अंतराल में, मस्तिष्क के नेटवर्क ने एक मजबूत केंद्रीय हब दिखाया, जो यह दर्शाता है कि मस्तिष्क चेहरे को प्रोसेस करने के लिए अपने संसाधनों को तेजी से व्यवस्थित कर रहा था। इसके विपरीत, जब प्रतिभागियों ने वस्तुओं को देखा, तो नेटवर्क कम केंद्रीकृत था और सूचना को अधिक धीरे-धीरे प्रसारित करता था। शोधकर्ताओं ने इन नेटवर्कों के विशिष्ट गुणों को मापा, जैसे कि सबसे दूर के बिंदु एक दूसरे से कितने दूर थे और एक एकल बिंदु के कितने कनेक्शन थे, और पाया कि चेहरा-प्रोसेसिंग नेटवर्क लगातार तेज़ और अधिक संगठित होने के संकेत दिखाता था।

निष्कर्ष बताते हैं कि मस्तिष्क के पास चेहरों के लिए एक विशेष, उच्च-गति प्रणाली समर्पित है। यह प्रणाली केवल थोड़ी अलग तरह से काम नहीं करती है; यह चेहरे को पहचानते ही एक विशिष्ट, कुशल आर्किटेक्चर में खुद को पुनर्गठित कर लेती है। अध्ययन इंगित करता है कि इस प्रक्रिया में कई सब-नेटवर्क मिलकर एक पूर्ण रूप से जुड़े हुए तरीके से काम करते हैं, जिससे मस्तिष्क किसी निर्जीव वस्तु की तुलना में चेहरे के जटिल विवरणों को बहुत तेज़ी से प्रोसेस कर पाता है। हालांकि शोधकर्ताओं ने उल्लेख किया कि उनके अध्ययन में प्रतिभागियों की संख्या अपेक्षाकृत कम थी और एक मानक साठ-चार सेंसर सेटअप का उपयोग किया गया था, फिर भी परिणाम एक स्पष्ट तस्वीर प्रदान करते हैं कि मस्तिष्क का कार्यात्मक नेटवर्क गतिशील रूप से कैसे बदलता है। उन्होंने देखा कि यह कुशल संगठन एक स्थिर विशेषता नहीं है बल्कि समय के साथ बदलता है, और चेहरे को पहचानने के चरणों के माध्यम से विकसित होता है। यह कार्य मस्तिष्क के काम करने के तरीके को देखने का एक नया तरीका प्रदान करता है, जो सरल मानचित्रों से आगे बढ़कर सूचना के गतिशील प्रवाह को समझने की दिशा में बढ़ता है। इन स्वस्थ पैटर्न को समझकर, वैज्ञानिक उन न्यूरोलॉजिकल विकारों की पहचान करने में बेहतर कर सकते हैं जहाँ चेहरे की धारणा बाधित हो सकती है, जिससे मस्तिष्क की स्थितियों के निदान और समझने के लिए एक संभावित नया उपकरण मिल सकता है।