NeuroDaily
نویسنده این سطور، علیالظاهر به صورتی تقریباً مساوی ( با نسبت 54 به 46 ) از نیمکره های چپ و راست مغز خود استفاده میکند! نتایج تستی که در لینک پایین قرار گرفته که اینرا میگوید. شما از کدام نیمکره مغزتان بیشتر استفاده میکنید؟ نیمکره منطقی تر، قانونمند تر،…
تابحال به این فکر افتاده اید که آیا حیوان خانگی تان که توانایی سخن گفتن ندارد نیز همانند خود شما دارای نیمکره های مغزی نامتقارنی است یا نه؟ دستبرتری و نامتقارن بودن نیمکرههای مغزی بصورت گسترده ای بعنوان یک ویژگی مختص انسان شناخته شده و با تعاریف مکملی چون " نیمکره چپ: محل اختصاصی توانایی های زبانی " یا " نیمکره راست: نیمکره اختصاصی خلاقیت " بیان میشود. یعنی شاید عدهای بگویند نامتقارن بودن نیمکره ها به چه درد حیوانی که توانایی سخن گفتن یا critical analysis ندارد میخورد!؟ ولی در واقع، شواهدی از نامتقارن بودن نیمکره ها در میان حیوانات هم دیده شده که این خود، از نگاه تکاملی؛ تاییدی بر پیدایش تدریجی توانایی های پیچیده ای مانند زبان یا استفاده از ابزار ها در درازنای تاریخ میباشد.
مقاله زیر نگاهی دارد به برخی حقایق و فانتزی هایی که به نامتقارن بودن نیمکره های مغزی نسبت داده شده اند.
https://t.me/NIAGg
📃https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3897366/
مقاله زیر نگاهی دارد به برخی حقایق و فانتزی هایی که به نامتقارن بودن نیمکره های مغزی نسبت داده شده اند.
https://t.me/NIAGg
📃https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3897366/
Telegram
Dksaggajsjdkdidi
You can contact @NIAGg right away.
همیشه برای بیان نظرات خود میتوانید از ارتباط مستقیم با ادمینها استفاده کنید.
@monsieur_ha
@akcarash
@SamiraRaminFard
@Hamed_Dehqaan
@Batouli_SAH
https://t.me/NIAGg
@monsieur_ha
@akcarash
@SamiraRaminFard
@Hamed_Dehqaan
@Batouli_SAH
https://t.me/NIAGg
هم اکنون تعدادی از شماره های نشریات معروف مرتبط با نوروساینس بصورت رایگان از سایت انتشارات وایلی در دسترس پژوهشگران و علاقمندان قرار گرفته اند. حتی اگر هنوز درگیر فعالیت علمی یا آکادمیک مرتبط با نوروساینس نیستید و صرفا یک علاقمند به مباحث مختلف حوزه علوم اعصابید، اوقات فراغت خود را با ورق زدن مجازی مقالات نوروساینس در موضوعات مختلف بگذرانید!
📋 Brain and Behavior
📋Autism Research
📋Developmental Neurobiology
📋Developmental Psychobiology
📋European Journal of Neurology
📋European Journal of Neuroscience
📋Human Brain Mapping
....
👉🏻👉🏻👉🏻 http://yon.ir/52mQ 👈🏻👈🏻👈🏻
👓 https://t.me/NIAGg
📋 Brain and Behavior
📋Autism Research
📋Developmental Neurobiology
📋Developmental Psychobiology
📋European Journal of Neurology
📋European Journal of Neuroscience
📋Human Brain Mapping
....
👉🏻👉🏻👉🏻 http://yon.ir/52mQ 👈🏻👈🏻👈🏻
👓 https://t.me/NIAGg
Telegram
Dksaggajsjdkdidi
You can contact @NIAGg right away.
آیا نوروساینس میتواند به شما در " سریعتر آموختن " کمک کند؟ در ویدئوی زیر به استفاده از نوروتکنولوژی در بهبود فعالیت های حرکتی پرداخته شده. از دیدگاه فعل و انفعالات عصبی، موسیقیدان بودن و ورزشکار بودن یکسان اند، چون در هر دو مورد باید بر روی آموختن و تکرار فعالیت های حرکتی مشخصی تمرکز شود. نکته اصلی، چگونگی کنترل فعالیت های بهینه عضلاتی خاص است.
📽https://t.me/NIAGg
📽https://t.me/NIAGg
Telegram
Dksaggajsjdkdidi
You can contact @NIAGg right away.
.:: آیا پیتر منسفیلد تنها مخترع MRI است؟ (بخش اول) پاسخ به این سوال با توجه به اخبار رسانه های رسمی و غیر رسمی می تواند جذاب باشد.
https://t.me/NIAGg
https://t.me/NIAGg
با سلام
فردا ساعت 10 الی 12 در آدرس زیر سخنرانی بنده (بتولی) با موضوع "سالمندی سالم" در هفته آگاهی از مغز برگزار می شود:
اتوبان شهید محلاتی، بعد از پل آهنگ، خ 17 شهریور، خ کیامنش، نبش ک اسپندی، سرای محله مینا
https://www.google.com/maps/@35.6753252,51.4473986,19.71z
https://t.me/NIAGg
فردا ساعت 10 الی 12 در آدرس زیر سخنرانی بنده (بتولی) با موضوع "سالمندی سالم" در هفته آگاهی از مغز برگزار می شود:
اتوبان شهید محلاتی، بعد از پل آهنگ، خ 17 شهریور، خ کیامنش، نبش ک اسپندی، سرای محله مینا
https://www.google.com/maps/@35.6753252,51.4473986,19.71z
https://t.me/NIAGg
Telegram
Dksaggajsjdkdidi
You can contact @NIAGg right away.
.:: آیا پیتر منسفیلد تنها مخترع MRI است؟ (بخش دوم) پاسخ به این سوال با توجه به اخبار رسانه های رسمی و غیر رسمی می تواند جذاب باشد.
https://t.me/NIAGg
https://t.me/NIAGg
🔸مخترع MRI کیست؟
چندی قبل خبر در گذشت پیتر منسفیلد Sir Peter Mansfield در نورودیلی منتشر شد. او از پیشگامان علم MRI و برنده ی جایزه نوبل در سال 2003 است. در عین حال وی مبدع پروتکل تصویربرداری Echo Plannar Imaging/EPI، است که fMRI را امکانپذیر ساخت. اما در رسانه های رسمی و غیر رسمی از جمله پایگاه شبکه ی خبر، برنامه ی چرخ شبکه 4 سیما و روزنامه ی سپید از او به عنوان مخترع MRI یاد کردند. آیا براستی پیتر منسفیلد تنها مخترع MRI است؟
@NIAGg
در سال ۱۹۴۶ دو فیزیکدان آمریکایی به نام فلیکس بلاخ (Flexi Bloch) و ادوارد پرسل (Adward Purcell) که به طور جداگانه بر روی فیزیک اتمی کار می کردند متوجه شدند که اگر لوله آزمایشی را که محتوی ماده ای خالص می باشد با امواج مغناطیسی انرژی دار کرده و مورد بمباران امواج RF قرار دهند، اتمها تهییج شده و سپس با طیفی که متناسب با اتمها مورد آزمایش است شروع به پاسخ دادن می کنند.
آنها این سیگنالها را آشکار کرده و بر اساس مقدار فرکانسشان که به صورت تصاویر اسپکتروسکپی ثبت نمودند به این ترتیب بنیان تشدید مغناطیسی هسته ای که مقدمه ای بر MRI بود گذاشته شد.
این کشف در ابتدا کاربردهای صنعتی داشت. امروزه می توان فرکانس اجزای مولکولی یک ماده ساده را مورد تجزیه و تحلیل قرار داد. ( سرانجام بلاخ و پارسل موفق به اخذ جایزه نوبل سال ۱۹۵۲ شدند).
در مدت ۲۵ سال پس از این کشف ، بیش از هزار دستگاه NMR ساخته و هزاران متخصص اسپکتروسکپی روانه عرصه بین المللی شدند و بدین ترتیب اسپکتروسکپی پیشرفت کرد. محققین ، انواع و اقسام آزمایشها و تجزیه و تحلیلهای NMR را به صورت In vitro انجام دادند. اما بکارگیری آن برای تصویربرداری از بدن انسان از لحاظ آنها نه تنها غیر ممکن بلکه امری بسیار احمقانه بود.
در سال ۱۹۵۰، حصول تصویر یک بعدی MRI توسط هرمن کار (Herman Carr) گزارش گردید. پاول لاتربر، شیمیدان آمریکایی با کار بر روی تحقیقات پیشین، موفق به ابداع روشهایی برای تولید تصاویر دو بعدی و سه بعدی MRI گردید سرانجام وی در سال ۱۹۷۳ اولین تصویر گرفته شده بر اساس تشدید مغناطیس هستهای (NMR) خود را منتشر نموداولین تصویر مقطع نگاری از یک موش زنده در ژانویه ۱۹۷۴ منتشر گردید.
از سوی دیگر تحقیقات و پیشرفتهای مهمی در زمینهٔ تصویر برداری بر اساس تشدید مغناطیسی هسته برای نخستین بار در دانشگاه ناتینگهام انگلستان صورت پذیرفت، جایی که پیتر منسفیلد فیزیکدان برجستهٔ آن مؤسسه با گسترش یک روش ریاضی موفق به کاهش زمان تصویربرداری و افزایش کیفت تصاویر نسبت به روش بکارگرفته شده توسط لاتربر گردید. در همان زمان در سال ۱۹۷۱ دانشمند آمریکایی ارمنی تبار ریموند دامادیان استاد دانشگاه ایالتی نیویورک در مقالهای که در مجلهٔ Science منتشر گردید، اعلام نمود که امکان تشخیص تومور از بافتهای عادی به کمک تصویر برداری NMR میسر میباشد.
با اینکه دانشگاهام آی تی در سال ۲۰۰۱ با اعطای جایزهای ۱۰۰٬۰۰۰ دلاری، وی را «مخترع ام آر آی» معرفی نمود، کمیته داوری جایزه نوبل در سوئد از شناختن دامادیان بعنوان یکی از مخترعین ام آر آی برای کسب جایزه نوبل سال ۲۰۰۳ (جهت اختراع ام آر آی) ممانعت ورزید، که منجر به جنجال شد.
سرانجام جایزهٔ نوبل پزشکی سال ۲۰۰۳ به خاطر اختراع ام آر آی به پاول لاتربر از دانشگاه ایلینوی در اوربانا شامپاینو پیتر منسفیلد از انگلستان اعطا گردید.
👈در اینجا خواندن مقاله ی مجله ی معتبر اکونومیست درباره ی جنجال نوبل پزشکی سال 2003 را به شما پیشنهاد می کنیم.
✍️http://www.economist.com/node/2246166
👈و در پایان نگاهی گذرا به تاریخچه ی MRI و مرور بنیان های علمی آن می تواند جذاب باشد.
✍️https://www.ncbi.nlm.nih.gov/pubmed/23070095
https://t.me/NIAGg
چندی قبل خبر در گذشت پیتر منسفیلد Sir Peter Mansfield در نورودیلی منتشر شد. او از پیشگامان علم MRI و برنده ی جایزه نوبل در سال 2003 است. در عین حال وی مبدع پروتکل تصویربرداری Echo Plannar Imaging/EPI، است که fMRI را امکانپذیر ساخت. اما در رسانه های رسمی و غیر رسمی از جمله پایگاه شبکه ی خبر، برنامه ی چرخ شبکه 4 سیما و روزنامه ی سپید از او به عنوان مخترع MRI یاد کردند. آیا براستی پیتر منسفیلد تنها مخترع MRI است؟
@NIAGg
در سال ۱۹۴۶ دو فیزیکدان آمریکایی به نام فلیکس بلاخ (Flexi Bloch) و ادوارد پرسل (Adward Purcell) که به طور جداگانه بر روی فیزیک اتمی کار می کردند متوجه شدند که اگر لوله آزمایشی را که محتوی ماده ای خالص می باشد با امواج مغناطیسی انرژی دار کرده و مورد بمباران امواج RF قرار دهند، اتمها تهییج شده و سپس با طیفی که متناسب با اتمها مورد آزمایش است شروع به پاسخ دادن می کنند.
آنها این سیگنالها را آشکار کرده و بر اساس مقدار فرکانسشان که به صورت تصاویر اسپکتروسکپی ثبت نمودند به این ترتیب بنیان تشدید مغناطیسی هسته ای که مقدمه ای بر MRI بود گذاشته شد.
این کشف در ابتدا کاربردهای صنعتی داشت. امروزه می توان فرکانس اجزای مولکولی یک ماده ساده را مورد تجزیه و تحلیل قرار داد. ( سرانجام بلاخ و پارسل موفق به اخذ جایزه نوبل سال ۱۹۵۲ شدند).
در مدت ۲۵ سال پس از این کشف ، بیش از هزار دستگاه NMR ساخته و هزاران متخصص اسپکتروسکپی روانه عرصه بین المللی شدند و بدین ترتیب اسپکتروسکپی پیشرفت کرد. محققین ، انواع و اقسام آزمایشها و تجزیه و تحلیلهای NMR را به صورت In vitro انجام دادند. اما بکارگیری آن برای تصویربرداری از بدن انسان از لحاظ آنها نه تنها غیر ممکن بلکه امری بسیار احمقانه بود.
در سال ۱۹۵۰، حصول تصویر یک بعدی MRI توسط هرمن کار (Herman Carr) گزارش گردید. پاول لاتربر، شیمیدان آمریکایی با کار بر روی تحقیقات پیشین، موفق به ابداع روشهایی برای تولید تصاویر دو بعدی و سه بعدی MRI گردید سرانجام وی در سال ۱۹۷۳ اولین تصویر گرفته شده بر اساس تشدید مغناطیس هستهای (NMR) خود را منتشر نموداولین تصویر مقطع نگاری از یک موش زنده در ژانویه ۱۹۷۴ منتشر گردید.
از سوی دیگر تحقیقات و پیشرفتهای مهمی در زمینهٔ تصویر برداری بر اساس تشدید مغناطیسی هسته برای نخستین بار در دانشگاه ناتینگهام انگلستان صورت پذیرفت، جایی که پیتر منسفیلد فیزیکدان برجستهٔ آن مؤسسه با گسترش یک روش ریاضی موفق به کاهش زمان تصویربرداری و افزایش کیفت تصاویر نسبت به روش بکارگرفته شده توسط لاتربر گردید. در همان زمان در سال ۱۹۷۱ دانشمند آمریکایی ارمنی تبار ریموند دامادیان استاد دانشگاه ایالتی نیویورک در مقالهای که در مجلهٔ Science منتشر گردید، اعلام نمود که امکان تشخیص تومور از بافتهای عادی به کمک تصویر برداری NMR میسر میباشد.
با اینکه دانشگاهام آی تی در سال ۲۰۰۱ با اعطای جایزهای ۱۰۰٬۰۰۰ دلاری، وی را «مخترع ام آر آی» معرفی نمود، کمیته داوری جایزه نوبل در سوئد از شناختن دامادیان بعنوان یکی از مخترعین ام آر آی برای کسب جایزه نوبل سال ۲۰۰۳ (جهت اختراع ام آر آی) ممانعت ورزید، که منجر به جنجال شد.
سرانجام جایزهٔ نوبل پزشکی سال ۲۰۰۳ به خاطر اختراع ام آر آی به پاول لاتربر از دانشگاه ایلینوی در اوربانا شامپاینو پیتر منسفیلد از انگلستان اعطا گردید.
👈در اینجا خواندن مقاله ی مجله ی معتبر اکونومیست درباره ی جنجال نوبل پزشکی سال 2003 را به شما پیشنهاد می کنیم.
✍️http://www.economist.com/node/2246166
👈و در پایان نگاهی گذرا به تاریخچه ی MRI و مرور بنیان های علمی آن می تواند جذاب باشد.
✍️https://www.ncbi.nlm.nih.gov/pubmed/23070095
https://t.me/NIAGg
The Economist
MRI's inside story
Medical imaging: Magnetic-resonance imaging, which provides detailed pictures of people's insides, has proved to be an invaluable medical tool. But exactly who should take credit for its invention is deeply controversial. This case history explains how scientific…
اختلال وسواس فکری یا عملی (به انگلیسی: O.C.D)، یک اختلال اضطرابی مزمن است که با اشتغال ذهنی مفرط درمورد نظم و ترتیب و امور جزئی و همچنین کمالطلبی همراه است، تا حدی که به از دست دادن انعطافپذیری، صراحت و کارایی میانجامد. اگر قرار بود O.C.D را در قالب یک خانه طراحی کرده و به دیگران نشان دهید، چگونه آنرا میکشیدید؟ فدریکو بابینا، معمار و گرافیست ایتالیایی در جدیدترین پروژه خود بنام Archiatric، این کار را در مورد O.C.D و 15 بیماری روانی دیگر انجام داده است. طرح های انتزاعی زیبای بابینا را در ویدئوی زیر ببینید.
🏫 https://t.me/NIAGg
🏫 https://t.me/NIAGg
Telegram
Dksaggajsjdkdidi
You can contact @NIAGg right away.
اگر قرار بود اختلالات روانی را به شکل خانه طراحی میکردید، اختلال وسواسی اجباری به چه شکلی بود؟
در ویدئوی بعدی، طراحی های فدریکو بابینا از 15 اختلال روانی دیگر را هم ببینید
🏫 https://t.me/NIAGg
در ویدئوی بعدی، طراحی های فدریکو بابینا از 15 اختلال روانی دیگر را هم ببینید
🏫 https://t.me/NIAGg
This media is not supported in your browser
VIEW IN TELEGRAM
فدریکو بابینا، معمار و گرافیست ایتالیایی در جدیدترین پروژه خود بنام Archiatric، بیماریهای روانی را در قالب خانه هایی طراحی کرده.
t.me/NIAGg
t.me/NIAGg
🔸 دلیل راست دستی و چپ دستی چیست؟
یک مطالعه ای که به تازگی منتشر شده است، نشان می دهد فعالیت نامتقارن ژن در نخاع که از دوره جنینی آغاز میشود تعیین میکند که یک فرد راست دست یا چپ دست است و برخلاف ایده های قبلی، مغز مسئول تعیین این موضوع نیست.
@NIAGg
تا به امروز فرض بر این بود که تفاوتهای بین فعالیت ژنها در نیمکره راست و چپ مغز احتمالا عامل راست دست یا چپ دست بودن فرد است.
تصویربرداری فراصوت نشان میدهد که تمایل به چپدستی یا راستدستی فرد در هفته هشتم بارداری مادر تعیین میشود و با استفاده از این روش در هفته دهم قابل شناسایی است .از هفته سیزدهم بارداری، جنین در رحم مادر تمایل به مکیدن انگشت شست دارد که نشاندهنده چپدستی یا راستدست بودن اوست.
محققان دانشگاه Ruhr در بوخوم آلمان میگویند: این نتایج اساسا درک ما از علت عدم تقارن نیمکره مغزی را تغییر میدهد. حرکات بازو و دست از ناحیه قشر حرکتی (Motor Cortex) مغز آغاز میشود. این ناحیه سیگنالهایی را به نخاع میفرستد که فرمان صادره را به حرکت تبدیل میکند.
اما " قشر حرکتی " از همان ابتدا به نخاع وصل نیست. حتی قبل از اینکه این اتصال تشکیل شود، علائم چپ دست یا راست دست بودن جنین آشکار میشود .به همین دلیل است که محققان این فرضیه را مطرح کرده اند که عامل راست داست یا چپ دست بودن ریشه در نخاع دارد نه مغز.
@NIAGg
آنها بیان ژن نخاع جنین انسان را بین هفتههای هشتم تا 12 بارداری مورد بررسی قرار دادند و بین جنینهای چپدست و راستدست در هفته هشتم بارداری تفاوتهایی مشاهده شد و این تفاوت در بخشهایی از طناب نخاعی که عامل حرکت دست و پا است، مشهود بود.
✍️خواندن این مقاله ی جذاب را که در مجله ی معتبر eLife منتشر شده است به شما پیشنهاد می کنیم:
🖇https://elifesciences.org/content/6/e22784
✍️با NeuroDaily همراه باشید.
💡https://t.me/NIAGg
یک مطالعه ای که به تازگی منتشر شده است، نشان می دهد فعالیت نامتقارن ژن در نخاع که از دوره جنینی آغاز میشود تعیین میکند که یک فرد راست دست یا چپ دست است و برخلاف ایده های قبلی، مغز مسئول تعیین این موضوع نیست.
@NIAGg
تا به امروز فرض بر این بود که تفاوتهای بین فعالیت ژنها در نیمکره راست و چپ مغز احتمالا عامل راست دست یا چپ دست بودن فرد است.
تصویربرداری فراصوت نشان میدهد که تمایل به چپدستی یا راستدستی فرد در هفته هشتم بارداری مادر تعیین میشود و با استفاده از این روش در هفته دهم قابل شناسایی است .از هفته سیزدهم بارداری، جنین در رحم مادر تمایل به مکیدن انگشت شست دارد که نشاندهنده چپدستی یا راستدست بودن اوست.
محققان دانشگاه Ruhr در بوخوم آلمان میگویند: این نتایج اساسا درک ما از علت عدم تقارن نیمکره مغزی را تغییر میدهد. حرکات بازو و دست از ناحیه قشر حرکتی (Motor Cortex) مغز آغاز میشود. این ناحیه سیگنالهایی را به نخاع میفرستد که فرمان صادره را به حرکت تبدیل میکند.
اما " قشر حرکتی " از همان ابتدا به نخاع وصل نیست. حتی قبل از اینکه این اتصال تشکیل شود، علائم چپ دست یا راست دست بودن جنین آشکار میشود .به همین دلیل است که محققان این فرضیه را مطرح کرده اند که عامل راست داست یا چپ دست بودن ریشه در نخاع دارد نه مغز.
@NIAGg
آنها بیان ژن نخاع جنین انسان را بین هفتههای هشتم تا 12 بارداری مورد بررسی قرار دادند و بین جنینهای چپدست و راستدست در هفته هشتم بارداری تفاوتهایی مشاهده شد و این تفاوت در بخشهایی از طناب نخاعی که عامل حرکت دست و پا است، مشهود بود.
✍️خواندن این مقاله ی جذاب را که در مجله ی معتبر eLife منتشر شده است به شما پیشنهاد می کنیم:
🖇https://elifesciences.org/content/6/e22784
✍️با NeuroDaily همراه باشید.
💡https://t.me/NIAGg
eLife
Epigenetic regulation of lateralized fetal spinal gene expression underlies hemispheric asymmetries
Gene expression asymmetries in fetal spinal cord are triggered by epigenetic mechanisms suggesting that handedness has a spinal instead of a cortical origin.
در ارتباط با هفته آگاهی از مغز . . .
سالمندی سالم:
با بهبود شرایط بهداشتی در جوامع، رفته رفته بر سن امید به زندگی در کشور های پیشرفته و همچنین کشور های در حال توسعه جهان افزوده می شود، و این به معنای افزایش تعداد افراد سالمند در جوامع می باشد. کشور ما نیز از این قاعده مستثنی نیست و تا حدود 20 سال آینده جمعیت سالمندان ایران حدود دو برابر جمعیت این افراد در سال 1385 می شود.
افزایش تعداد سالمندان هزینه های زیادی را به جوامع تحمیل می کند، و لذا این امر می بایست مدیریت شود. استفاده از تجارب سالمندان، و همچنین تاکید دین و فرهنگ ما بر لزوم توجه به بزرگتر ها از دیگر دلایل اهمیت این بحث می باشد. بهترین روش کاهش هزینه های اقتصادی و روانی مرتبط با سالمندی فراهم آوردن سالمندی سالم، و هر چه بیشتر نزدیک کردن "طول عمر" به "طول عمر سلامت" می باشد.
بر اساس مطالعات انجام شده در حوزه ژنتیک، مشاهده شده است که دو فاکتور ژنتیک و محیط تمامی فاکتور های بدن انسان را مدیریت می کنند. همچنین مشاهده شده است که بیشترین احتمال دستیابی به سالمندی سالم از طریق کنترل فاکتور های محیطی و انتخاب گزینه های سالم برای سبک زندگی امکان پذیر است.
لذا، سیگار نکشیدن، تغذیه سالم، ورزش کردن، تمرینات شناختی، یادگیری در سنین بالا، و سایر عوامل محیطی می توانند طول عمر و همچنین حداکثر میزان سلامتی در دوران سالمندی را تضمین نمایند.
"انتخاب گزینه های سالم برای زندگی بهترین راه دستیابی به سالمندی سالم است".
جهت کسب اطلاعات بیشتر در این خصوص، به کتاب "سالمندی سالم" از انتشارات ارجمند مراجعه نمایید.
https://t.me/NIAGg
سالمندی سالم:
با بهبود شرایط بهداشتی در جوامع، رفته رفته بر سن امید به زندگی در کشور های پیشرفته و همچنین کشور های در حال توسعه جهان افزوده می شود، و این به معنای افزایش تعداد افراد سالمند در جوامع می باشد. کشور ما نیز از این قاعده مستثنی نیست و تا حدود 20 سال آینده جمعیت سالمندان ایران حدود دو برابر جمعیت این افراد در سال 1385 می شود.
افزایش تعداد سالمندان هزینه های زیادی را به جوامع تحمیل می کند، و لذا این امر می بایست مدیریت شود. استفاده از تجارب سالمندان، و همچنین تاکید دین و فرهنگ ما بر لزوم توجه به بزرگتر ها از دیگر دلایل اهمیت این بحث می باشد. بهترین روش کاهش هزینه های اقتصادی و روانی مرتبط با سالمندی فراهم آوردن سالمندی سالم، و هر چه بیشتر نزدیک کردن "طول عمر" به "طول عمر سلامت" می باشد.
بر اساس مطالعات انجام شده در حوزه ژنتیک، مشاهده شده است که دو فاکتور ژنتیک و محیط تمامی فاکتور های بدن انسان را مدیریت می کنند. همچنین مشاهده شده است که بیشترین احتمال دستیابی به سالمندی سالم از طریق کنترل فاکتور های محیطی و انتخاب گزینه های سالم برای سبک زندگی امکان پذیر است.
لذا، سیگار نکشیدن، تغذیه سالم، ورزش کردن، تمرینات شناختی، یادگیری در سنین بالا، و سایر عوامل محیطی می توانند طول عمر و همچنین حداکثر میزان سلامتی در دوران سالمندی را تضمین نمایند.
"انتخاب گزینه های سالم برای زندگی بهترین راه دستیابی به سالمندی سالم است".
جهت کسب اطلاعات بیشتر در این خصوص، به کتاب "سالمندی سالم" از انتشارات ارجمند مراجعه نمایید.
https://t.me/NIAGg
Telegram
Dksaggajsjdkdidi
You can contact @NIAGg right away.
🔸 محاسبه ی سن مغز در تصویربرداری MRI
تواناییهای شناختی انسان با افزایش سن کاهش مییابند. دانشمندان علوم اعصاب از مدتها پیش میدانند که کاهش این تواناییها با تغییرات آناتومی مغز ارتباط دارد؛ بنابراین، اینکه بر مبنای عکسهای MRI بتوان نشانههای پیری مغز را پیدا کنیم و اینکه حتی بتوانیم «سن مغز» را تعیین کنیم، جای تعجب ندارد. تفاوت بین سن مغز و سن تقویمی شخص میتواند به ما در کشف بروز مشکلاتی مانند زوال عقل کمک کند.
@NIAGg
اما در این میان مشکلی وجود دارد؛ واقعیت این است که آنالیز سن مغز فرایند بسیار وقتگیری است، چون دادههای بهدستآمده از MRI باید مورد پردازش قرار گیرند تا در ادامه بتوانیم در مورد سن مغز اظهار نظر قابل اتکایی داشته باشیم. این پردازش شامل حذف بافتهای غیرمغزی موجود در تصویر بالا است؛ بافتهایی مانند جمجمه؛ دستهبندی مادهی سفید مغز؛ مادهی خاکستری مغز. ضمن آنکه حذف ایرادات خود عکس نیز از طریق تکنیکهای حذف نویز و هموارسازی دادهها انجام میشود.
پردازش این حجم از داده میتواند ۲۴ ساعت به طول انجامد؛ بنابراین موضوع فوق برای پزشکانی که درصدد در نظر گرفتن سن مغز یک بیمار در تشخیص بالینی خود هستند، تبدیل به یک مشکل قابل توجه میشود.
اما امروزه به لطف زحمات جیووانی مونتانا و همکارانش در کالج کینگز لندن، شرایط تغییر کرده است. این تیم تحقیقاتی با طراحی یک ماشین با قابلیت یادگیری عمیق (Deep Learning) ، توانستهاند زمان پردازش اطلاعات خام حاصل از MRI را کاهش دهند. تکنیک یادگیری عمیق پزشکان را قادر میکند سن مغز را در عرض چند ثانیه و زمانی که بیمار هنوز داخل اسکنر است، بهصورت دقیق تعیین کنند.
یادگیری عمیق یا یادگیری سلسلهمراتبی، زیرشاخهای از یادگیری ماشینی و بر مبنای مجموعهای از الگوریتمها است؛ این روش یک تکنیک استاندارد برای یادگیری عمیق است. مونتانا به همراه همکارانش از ۲۰۰۰ شخص سالم ۱۸ تا ۹۰ ساله MRI مغزی گرفتند. این اشخاص هیچگونه مشکل مغزی نداشتند، بنابراین سن مغزی و سن تقویمی آنها با هم منطبق بود. این اسکنها از نوع استاندارد T1-wieghted MRI بودند که توسط مدرنترین دستگاههای MRI انجام شدند. نتیجهی هر اسکن حاوی برچسبی بود که سن تقویمی شخص روی آن نوشته شده بود.
این تیم تحقیقاتی با استفاده از ۸۰ درصد عکسها، نوعی از شبکهی پیچیدهی عصبی برای تعیین سن اشخاص طراحی کرد؛ اعضای تیم با استفاده از ۲۰۰ عکس دیگر به راستیآزمایی این فرآیند پرداختند. در نهایت، با استفاده از ۲۰۰ عکس استفادهنشده، محققان تعیین کردند که این شبکه تا چه اندازه در تعیین سن مغزی افراد خوب عمل میکند.
همزمان، تیم تحقیقاتی تصمیم گرفت روش یادگیری عمیق را با روشهای مرسوم تعیین سن مغز مقایسه کند. برای این کار به پردازش گستردهی اطلاعات برای شناسایی مادهی سفید مغز و مادهی خاکستری مغز نیاز بود. همچنین در ادامه باید از یک روش تحلیل آماری به نام رگرسیون فرآیند گاوسی (GPRR) استفاده میشد.
نتایج حاصل از انجام این کار جالب بود؛ هر دو روش یادگیری عمیق و GPR توانستند سن تقویمی اشخاص را با استفاده از پردازش دادههای پیشپردازش شده MRI با دقت تعیین کنند. هر دو روش، این کار را با خطای کمتر از ۵ سال انجام دادند. با این حال روش یادگیری عمیق، برتری خود بر روش GPR را در پردازش دادههای خام MRI نشان داد. میانگین خطای این روش مانند حالت قبلی و در حدود ۴.۶۶ سال بود. این رقم در حالی مطرح میشد که روش استاندارد GPR عملکرد ضعیفی داشت و میانگین خطای آن در تشخیص سن افراد ۱۲ سال بود.
علاوه بر این؛ آنالیز دادهها توسط یادگیری عمیق تنها چند ثانیه زمان میبرد، در حالی که زمان صرف شده برای پیشپردازش دادههای مورد نیاز روش استاندارد، ۲۴ ساعت است. تنها پردازش مورد نیاز ماشین یادگیری عمیق، حصول اطمینان از همسانی موقعیت عکسها و فواصل سهبعدی بین آنها است. این روش تأثیر قابل ملاحظهای بر کارکرد پزشکان خواهد گذاشت. مونتانا و همکاران وی در مقالهی خود چنین آوردهاند:
با استفادهی درست از نرمافزار، دادههای تشخیص سن مغزی را میتوان زمانی که هنوز بیمار داخل دستگاه اسکنر است، به دست آورد.
تیم تحقیقاتی همچنین از عکسهای گرفتهشده از دستگاههای مختلف MRI در تحقیق خود استفاده کردهاند تا نشان دهند این روش را میتوان برای دستگاههای گوناگون در سراسر جهان استفاده کرد. آنها همچنین سن مغزی دوقلوها را با هم مقایسه کردند تا نقش فاکتورهای ژنتیکی در پیری مغز را بسنجند. نکتهی جالب این است که ارتباط بین سن مغزی دوقلوها با گذشت زمان کم میشود؛ به این معنی که فاکتورهای محیطی نقش مهمتری در روند پیری مغز ایفا میکنند. بنابراین میتوان گفت تحقیقات این تیم منجر به گشایش مسیرهای جدید برای مطالعات آتی شده است.
تواناییهای شناختی انسان با افزایش سن کاهش مییابند. دانشمندان علوم اعصاب از مدتها پیش میدانند که کاهش این تواناییها با تغییرات آناتومی مغز ارتباط دارد؛ بنابراین، اینکه بر مبنای عکسهای MRI بتوان نشانههای پیری مغز را پیدا کنیم و اینکه حتی بتوانیم «سن مغز» را تعیین کنیم، جای تعجب ندارد. تفاوت بین سن مغز و سن تقویمی شخص میتواند به ما در کشف بروز مشکلاتی مانند زوال عقل کمک کند.
@NIAGg
اما در این میان مشکلی وجود دارد؛ واقعیت این است که آنالیز سن مغز فرایند بسیار وقتگیری است، چون دادههای بهدستآمده از MRI باید مورد پردازش قرار گیرند تا در ادامه بتوانیم در مورد سن مغز اظهار نظر قابل اتکایی داشته باشیم. این پردازش شامل حذف بافتهای غیرمغزی موجود در تصویر بالا است؛ بافتهایی مانند جمجمه؛ دستهبندی مادهی سفید مغز؛ مادهی خاکستری مغز. ضمن آنکه حذف ایرادات خود عکس نیز از طریق تکنیکهای حذف نویز و هموارسازی دادهها انجام میشود.
پردازش این حجم از داده میتواند ۲۴ ساعت به طول انجامد؛ بنابراین موضوع فوق برای پزشکانی که درصدد در نظر گرفتن سن مغز یک بیمار در تشخیص بالینی خود هستند، تبدیل به یک مشکل قابل توجه میشود.
اما امروزه به لطف زحمات جیووانی مونتانا و همکارانش در کالج کینگز لندن، شرایط تغییر کرده است. این تیم تحقیقاتی با طراحی یک ماشین با قابلیت یادگیری عمیق (Deep Learning) ، توانستهاند زمان پردازش اطلاعات خام حاصل از MRI را کاهش دهند. تکنیک یادگیری عمیق پزشکان را قادر میکند سن مغز را در عرض چند ثانیه و زمانی که بیمار هنوز داخل اسکنر است، بهصورت دقیق تعیین کنند.
یادگیری عمیق یا یادگیری سلسلهمراتبی، زیرشاخهای از یادگیری ماشینی و بر مبنای مجموعهای از الگوریتمها است؛ این روش یک تکنیک استاندارد برای یادگیری عمیق است. مونتانا به همراه همکارانش از ۲۰۰۰ شخص سالم ۱۸ تا ۹۰ ساله MRI مغزی گرفتند. این اشخاص هیچگونه مشکل مغزی نداشتند، بنابراین سن مغزی و سن تقویمی آنها با هم منطبق بود. این اسکنها از نوع استاندارد T1-wieghted MRI بودند که توسط مدرنترین دستگاههای MRI انجام شدند. نتیجهی هر اسکن حاوی برچسبی بود که سن تقویمی شخص روی آن نوشته شده بود.
این تیم تحقیقاتی با استفاده از ۸۰ درصد عکسها، نوعی از شبکهی پیچیدهی عصبی برای تعیین سن اشخاص طراحی کرد؛ اعضای تیم با استفاده از ۲۰۰ عکس دیگر به راستیآزمایی این فرآیند پرداختند. در نهایت، با استفاده از ۲۰۰ عکس استفادهنشده، محققان تعیین کردند که این شبکه تا چه اندازه در تعیین سن مغزی افراد خوب عمل میکند.
همزمان، تیم تحقیقاتی تصمیم گرفت روش یادگیری عمیق را با روشهای مرسوم تعیین سن مغز مقایسه کند. برای این کار به پردازش گستردهی اطلاعات برای شناسایی مادهی سفید مغز و مادهی خاکستری مغز نیاز بود. همچنین در ادامه باید از یک روش تحلیل آماری به نام رگرسیون فرآیند گاوسی (GPRR) استفاده میشد.
نتایج حاصل از انجام این کار جالب بود؛ هر دو روش یادگیری عمیق و GPR توانستند سن تقویمی اشخاص را با استفاده از پردازش دادههای پیشپردازش شده MRI با دقت تعیین کنند. هر دو روش، این کار را با خطای کمتر از ۵ سال انجام دادند. با این حال روش یادگیری عمیق، برتری خود بر روش GPR را در پردازش دادههای خام MRI نشان داد. میانگین خطای این روش مانند حالت قبلی و در حدود ۴.۶۶ سال بود. این رقم در حالی مطرح میشد که روش استاندارد GPR عملکرد ضعیفی داشت و میانگین خطای آن در تشخیص سن افراد ۱۲ سال بود.
علاوه بر این؛ آنالیز دادهها توسط یادگیری عمیق تنها چند ثانیه زمان میبرد، در حالی که زمان صرف شده برای پیشپردازش دادههای مورد نیاز روش استاندارد، ۲۴ ساعت است. تنها پردازش مورد نیاز ماشین یادگیری عمیق، حصول اطمینان از همسانی موقعیت عکسها و فواصل سهبعدی بین آنها است. این روش تأثیر قابل ملاحظهای بر کارکرد پزشکان خواهد گذاشت. مونتانا و همکاران وی در مقالهی خود چنین آوردهاند:
با استفادهی درست از نرمافزار، دادههای تشخیص سن مغزی را میتوان زمانی که هنوز بیمار داخل دستگاه اسکنر است، به دست آورد.
تیم تحقیقاتی همچنین از عکسهای گرفتهشده از دستگاههای مختلف MRI در تحقیق خود استفاده کردهاند تا نشان دهند این روش را میتوان برای دستگاههای گوناگون در سراسر جهان استفاده کرد. آنها همچنین سن مغزی دوقلوها را با هم مقایسه کردند تا نقش فاکتورهای ژنتیکی در پیری مغز را بسنجند. نکتهی جالب این است که ارتباط بین سن مغزی دوقلوها با گذشت زمان کم میشود؛ به این معنی که فاکتورهای محیطی نقش مهمتری در روند پیری مغز ایفا میکنند. بنابراین میتوان گفت تحقیقات این تیم منجر به گشایش مسیرهای جدید برای مطالعات آتی شده است.
نتایج بهدستآمده از کارهای مونتانا و همکارانش بسیار مهم هستند و میتوانند پروسهی تشخیص شرایط مغزی یک بیمار را برای بالینشناسان آسانتر از قبل کنند. شواهد قابل توجهی وجود دارد که دیابت، شیزوفرنی و جراحات مغزی با پیری سریعتر مغز در ارتباط هستند. بنابراین داشتن روشی برای تعیین سریع و دقیق سن مغز، در آینده میتواند به پزشکان در نحوهی برخورد با این شرایط پزشکی کمک شایانی کند. مونتانا و همکاران وی در این مورد چنین توضیح دادهاند:
سن پیشبینیشدهی مغزی، نشانگر یک ژنوتیپ دقیق، قابل اطمینان و از لحاظ ژنتیکی معتبر است و پتانسیل این را دارد که بهعنوان معیاری برای تشخیص «پیری مغز» به کار رود.
👈برای مطالعه بیشتر لینک این گزارش در MIT Technology Review را به شما پیشنهاد می کنیم:
🖇https://goo.gl/so6znH
👈همینطور مقاله ی مربوط به این گزارش را می توانید از لینک زیر دریافت کنید:
🖇https://goo.gl/0GKkej
✍️با NeuroDaily همراه باشید.
💡https://t.me/NIAGg
سن پیشبینیشدهی مغزی، نشانگر یک ژنوتیپ دقیق، قابل اطمینان و از لحاظ ژنتیکی معتبر است و پتانسیل این را دارد که بهعنوان معیاری برای تشخیص «پیری مغز» به کار رود.
👈برای مطالعه بیشتر لینک این گزارش در MIT Technology Review را به شما پیشنهاد می کنیم:
🖇https://goo.gl/so6znH
👈همینطور مقاله ی مربوط به این گزارش را می توانید از لینک زیر دریافت کنید:
🖇https://goo.gl/0GKkej
✍️با NeuroDaily همراه باشید.
💡https://t.me/NIAGg
MIT Technology Review
Deep-Learning Machine Uses MRI Scans to Determine Your Brain Age
Determining brain age from an MRI scan has always been a time-consuming business. Now an AI machine gives the answer in seconds
پس از نگاه کردن به تصاویر لکهای و انتزاعی آزمون "رورشاخ"، هر پاسخی که میدهید، تاریکترین زوایای ذهن شما را اشکار میکند. این پاسخ براساس پدیده پاریدولیا (Pareidolia)ست.
http://yon.ir/QC92
@NIAGg
http://yon.ir/QC92
@NIAGg
🔸راز معمای رورشاخ ...
وقتی به یکی از تصاویر لکهای و انتزاعی آزمون "رورشاخ" نگاه میکنید فرقی نمیکند یک پروانه ببینید یا یک فیل رقصان، انسانهای غرق در خون یا هر تصویر ذهنی دیگری. در هر حال پاسخی که میدهید برخی از تاریکترین و پنهانترین زوایای ذهن شما را اشکار میکند.
@NIAGg
محققان به تازگی راز آزمون رورشاخ را پیدا کرده و دریافتهاند که چرا وقتی افراد به لکههای جوهری این آزمون نگاه میکنند تصاویر متفاوتی میبینند. تعداد تصاویری که از این لکههای جوهری استخراج میشود مربوط به فرمهای نامنظم لبه هر یک از این شکلهاست.
آزمون رورشاخ توسط یک رواشناس سوئیسی به نام هرمان رورشاخ ابداع شد. آزمون رورشاخ که گاهی با نام آزمایش لکه و جوهر هم شناخته میشود یک آزمون روانی است که در آن ادراکات فرد از لکه های جوهر جمع آوری شده و سپس آن را با کمک تفسیرهای روانی یا الگوریتم های پیچیده تجزیه و تحلیل میکنند .لکههای رورشاخ ابتدا در سال 1921 توسط روانپزشک سوییسی به نام هرمان رورشاخ طراحی شد. او 10 الگوی مختلف را منتشر کرد که بعدها به نام اشعه ایکس روانشناسی معروف شد. این تست مبتنی بر پدیدهای به نام پاریدولیا ست.
پاریدولیا (Pareidolia ) یک پدیده روانشناختی است که در آن، فرد علایم و یا صداهایی را که ادراک میکند به صورت معنادار میشناسد. از مثالهای معمولی که در این باره زده میشود میتوان به این موارد اشاره کرد: دیدن چهره در ابرها، دیدن چهره در ماه و یا شنیدن پیامهای ناشناخته وقتی نوار و یا صدای ضبط شده بهصورت برعکس پخش میشود. رورشاخ از تفسیری که هر یک از بیماران از لکهها میکرد برای ارزیابی وضعیت روانی بیمار بهره میبرد.
برای کشف راز این آزمون، محققان ابتدا به بررسی برخالها یا فرکتالها پرداختند. فرکتالها، الگوهای تکراری هستند که در هر مقیاسی (یعنی از نمای دور و نزدیک) به یک شکل به نظر میرسند. وقتی فرکتالها پیچیدهتر باشند، افراد تصاویر کمتری در آنها میبینند، اما زمانی که همان الگوها سادهتر هستند، تعداد تصاویری که افراد از دل فرکتالها بیرون میکشند بیشتر است.
ریچارد تیلور، فیزیکدان دانشگاه اورگون و سرپرست این گروه تحقیقاتی میگوید: فرکتالها حاوی تصاویر فرضی و غیرواقعی هستند و میتوان گفت که در واقع سیستم بینایی را فریب میدهند.
وی ادامه میدهد: فرکتالها در طبیعت بسیار فراواناند و میتوان نمونههایی از آنها را در درختان، ابرها، نورها و سواحل دریاها پیدا کرد.
سیستم بینایی مغز طوری سازش پیدا کرده که الگوها را پردازش کند. توانایی سیستم بینایی برای پردازش درست این فرکتالها منجر به پدیدهای میشود که محققان به آن «مشاهده بدون تلاش» میگویند.
با توجه به این که لکههای جوهری رورشاخ حاوی الگوهای فرکتال است، تیلور و همکارانش تصمیم گرفتند از این لکهها برای مطالعه چگونگی پردازش تصاویر در مغز استفاده کنند.
@NIAGg
در این تحقیق، 23 دانشجوی روانشناسی به 24 تصویر جوهری رورشاخ نگاه کرده و اشکال مختلفی که در این لکهها میدیدند را به محققان نشان دادند. تعداد این تصاویر از هیچ تا هفت و یا بیشتر متغیر بود. با استفاده از پارامترهای فرضی به نام بُعد فرکتال، محققان میزان پیچیدگی یا سادگی هر لکه جوهر را به طور کمی تعیین کردند. بعد از آنالیز نتایج، مشخص شد که هر چه فرکتالها پیچیدهتر باشند، شرکتکنندهها تصاویر کمتری در این فرکتالها میبینند. در واقع میتوان گفت راز تصاویر رورشاخ در سادگی آنهاست.
محققان امیدوارند از این نتایج برای ایجاد سیستمهای بینایی مصنوعی استفاده کنند. تیلور میگوید: برای این که بتوانیم سیستمهای بینایی مصنوعی بسازیم باید سیستمهای طبیعی را به دقت مطالعه و درک کنیم که این سیستم چگونه و به چه دلیل دچار خطا میشود.د ر حال حاضر این محققان مشغول مطالعه بر روی چشمهای مصنوعی و آزمایش این نوع چشم در موش ها هستند.
✍️خواندن مقاله ی این گزارش را که در مجله معتبر Plos One منتشر شده است را به شما پیشنهاد می کنیم:
🖇http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0171289
📌با NeuroDaily همراه باشید.
💡https://t.me/NIAGg
وقتی به یکی از تصاویر لکهای و انتزاعی آزمون "رورشاخ" نگاه میکنید فرقی نمیکند یک پروانه ببینید یا یک فیل رقصان، انسانهای غرق در خون یا هر تصویر ذهنی دیگری. در هر حال پاسخی که میدهید برخی از تاریکترین و پنهانترین زوایای ذهن شما را اشکار میکند.
@NIAGg
محققان به تازگی راز آزمون رورشاخ را پیدا کرده و دریافتهاند که چرا وقتی افراد به لکههای جوهری این آزمون نگاه میکنند تصاویر متفاوتی میبینند. تعداد تصاویری که از این لکههای جوهری استخراج میشود مربوط به فرمهای نامنظم لبه هر یک از این شکلهاست.
آزمون رورشاخ توسط یک رواشناس سوئیسی به نام هرمان رورشاخ ابداع شد. آزمون رورشاخ که گاهی با نام آزمایش لکه و جوهر هم شناخته میشود یک آزمون روانی است که در آن ادراکات فرد از لکه های جوهر جمع آوری شده و سپس آن را با کمک تفسیرهای روانی یا الگوریتم های پیچیده تجزیه و تحلیل میکنند .لکههای رورشاخ ابتدا در سال 1921 توسط روانپزشک سوییسی به نام هرمان رورشاخ طراحی شد. او 10 الگوی مختلف را منتشر کرد که بعدها به نام اشعه ایکس روانشناسی معروف شد. این تست مبتنی بر پدیدهای به نام پاریدولیا ست.
پاریدولیا (Pareidolia ) یک پدیده روانشناختی است که در آن، فرد علایم و یا صداهایی را که ادراک میکند به صورت معنادار میشناسد. از مثالهای معمولی که در این باره زده میشود میتوان به این موارد اشاره کرد: دیدن چهره در ابرها، دیدن چهره در ماه و یا شنیدن پیامهای ناشناخته وقتی نوار و یا صدای ضبط شده بهصورت برعکس پخش میشود. رورشاخ از تفسیری که هر یک از بیماران از لکهها میکرد برای ارزیابی وضعیت روانی بیمار بهره میبرد.
برای کشف راز این آزمون، محققان ابتدا به بررسی برخالها یا فرکتالها پرداختند. فرکتالها، الگوهای تکراری هستند که در هر مقیاسی (یعنی از نمای دور و نزدیک) به یک شکل به نظر میرسند. وقتی فرکتالها پیچیدهتر باشند، افراد تصاویر کمتری در آنها میبینند، اما زمانی که همان الگوها سادهتر هستند، تعداد تصاویری که افراد از دل فرکتالها بیرون میکشند بیشتر است.
ریچارد تیلور، فیزیکدان دانشگاه اورگون و سرپرست این گروه تحقیقاتی میگوید: فرکتالها حاوی تصاویر فرضی و غیرواقعی هستند و میتوان گفت که در واقع سیستم بینایی را فریب میدهند.
وی ادامه میدهد: فرکتالها در طبیعت بسیار فراواناند و میتوان نمونههایی از آنها را در درختان، ابرها، نورها و سواحل دریاها پیدا کرد.
سیستم بینایی مغز طوری سازش پیدا کرده که الگوها را پردازش کند. توانایی سیستم بینایی برای پردازش درست این فرکتالها منجر به پدیدهای میشود که محققان به آن «مشاهده بدون تلاش» میگویند.
با توجه به این که لکههای جوهری رورشاخ حاوی الگوهای فرکتال است، تیلور و همکارانش تصمیم گرفتند از این لکهها برای مطالعه چگونگی پردازش تصاویر در مغز استفاده کنند.
@NIAGg
در این تحقیق، 23 دانشجوی روانشناسی به 24 تصویر جوهری رورشاخ نگاه کرده و اشکال مختلفی که در این لکهها میدیدند را به محققان نشان دادند. تعداد این تصاویر از هیچ تا هفت و یا بیشتر متغیر بود. با استفاده از پارامترهای فرضی به نام بُعد فرکتال، محققان میزان پیچیدگی یا سادگی هر لکه جوهر را به طور کمی تعیین کردند. بعد از آنالیز نتایج، مشخص شد که هر چه فرکتالها پیچیدهتر باشند، شرکتکنندهها تصاویر کمتری در این فرکتالها میبینند. در واقع میتوان گفت راز تصاویر رورشاخ در سادگی آنهاست.
محققان امیدوارند از این نتایج برای ایجاد سیستمهای بینایی مصنوعی استفاده کنند. تیلور میگوید: برای این که بتوانیم سیستمهای بینایی مصنوعی بسازیم باید سیستمهای طبیعی را به دقت مطالعه و درک کنیم که این سیستم چگونه و به چه دلیل دچار خطا میشود.د ر حال حاضر این محققان مشغول مطالعه بر روی چشمهای مصنوعی و آزمایش این نوع چشم در موش ها هستند.
✍️خواندن مقاله ی این گزارش را که در مجله معتبر Plos One منتشر شده است را به شما پیشنهاد می کنیم:
🖇http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0171289
📌با NeuroDaily همراه باشید.
💡https://t.me/NIAGg
journals.plos.org
Seeing shapes in seemingly random spatial patterns: Fractal analysis of Rorschach inkblots
Rorschach inkblots have had a striking impact on the worlds of art and science because of the remarkable variety of associations with recognizable and namable objects they induce. Originally adopted as a projective psychological tool to probe mental health…
🔸مدلسازی ریاضی مغز یک قاتل زنجیره ای🔸
پژوهشگران مدعی شدهاند که جرایم قاتلین زنجیرهای الگوی مشخصی دارد که از قانون توانی (Power Law) در آمار پیروی میکند. به نظر میرسد برانگیختگی زیاد عصبی در مغز، قاتل را به سمت جنایت میکشاند و قتل، او را آرام میکند.
@NIAGg
میخاییل سیمکین و وانی رویکودهری، دو استاد گروه مهندسی برق دانشگاه کالیفرنیا (UCLA)، الگوی رفتاری یک قاتل زنجیرهای متولد اوکراین به نام اندری چیکاتیلو را تحلیل کرده و به این نتیجه رسیدهاند که با الگوی شلیک عصبی سلولهای عصبی مغز که از قبل پیشبینی کرده بودند، همبستگی دارد. آنها بر این باورند که اگر قوانین توانی ریاضیات را به حوزه جرمشناسی و بررسی رفتار قاتلین وارد کنیم، بهتر میتوانیم رفتار آنها را درک یا شاید پیشبینی کنیم.
در دهه 1990 چیکاتیلو به قتل 56 نفر در طول 12 سال اعتراف کرد و در سال 1994 اعدام شد. به تصویر کشیدن عملکرد او روی یک خط زمانی نشان میدهد که ظاهرا، قتلها از یک الگوی خاص پیروی میکنند، الگویی که در ریاضیات با نام پلکان شیطان Devil's staircase) ( شناخته میشود.
فرضیه این محققین این است که فاصله بین قتلها از یک قانون توانی پیروی میکند و به نظر میرسد که زمانی قاتل مرتکب یک قتل میشود که برانگیختگی عصبی در مغز از آستانه مشخصی فراتر رود. آنها توضیح میدهند: "ما نمیتوانیم انتظار داشته باشیم که به محض این که برانگیختگی عصبی در مغز قاتل از حد آستانه گذشت، وی مرتکب قتل شود. بلکه او نیاز به زمان دارد تا نقشه بکشد و خودش را برای ارتکاب جرم آماده کند. بنابراین فرض ما این است که بعد از این که برانگیختگی عصبی از حد آستانه گذشت، طی یک دوره مشخص، وی دست به جنایت بزند. فرضیه دیگر ما این است که قتل روی مغز قاتل تاثیری مانند مسکن دارد و باعث میشود که برانگیختگی عصبی به پایینتر از حد آستانه برسد."
به زبان دیگر، این محققین چنین فرض میکنند که بعد از وقوع یک قتل، احتمال این که قاتل به قتل دیگری دست بزند، بیشتر از متوسط است و از سوی دیگر، وقتی زمان زیادی از یک قتل میگذرد، احتمال این که فرد دست به قتل جدیدی بزند، کمتر از حد متوسط است.
@NIAGg
الگوی مشابهی در تشنجهای افراد مبتلا به صرع (Epileptic Seizures) دیده شده است. این پژوهشگران بر این باورند که تاثیرات روانی که در چنین افرادی دیده میشود، نتیجه شلیک عصبی همزمان تعداد بسیار زیادی از سلولهای عصبی مغز است.
✍️خواندن مقاله ی این گزارش را که در ژورنال Journal of Theoretical Biologyمنتشر شده است را به علاقمندان پیشنهاد می کنیم.
📎https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4058389/
✍️گزارش کامل را می توانید در MIT Technology Review بخوانید.
🔎https://www.technologyreview.com/s/426615/mathematicians-reveal-serial-killers-pattern-of-murder/
📌با NeuroDaily همراه باشید.
💡https://t.me/NIAGg
پژوهشگران مدعی شدهاند که جرایم قاتلین زنجیرهای الگوی مشخصی دارد که از قانون توانی (Power Law) در آمار پیروی میکند. به نظر میرسد برانگیختگی زیاد عصبی در مغز، قاتل را به سمت جنایت میکشاند و قتل، او را آرام میکند.
@NIAGg
میخاییل سیمکین و وانی رویکودهری، دو استاد گروه مهندسی برق دانشگاه کالیفرنیا (UCLA)، الگوی رفتاری یک قاتل زنجیرهای متولد اوکراین به نام اندری چیکاتیلو را تحلیل کرده و به این نتیجه رسیدهاند که با الگوی شلیک عصبی سلولهای عصبی مغز که از قبل پیشبینی کرده بودند، همبستگی دارد. آنها بر این باورند که اگر قوانین توانی ریاضیات را به حوزه جرمشناسی و بررسی رفتار قاتلین وارد کنیم، بهتر میتوانیم رفتار آنها را درک یا شاید پیشبینی کنیم.
در دهه 1990 چیکاتیلو به قتل 56 نفر در طول 12 سال اعتراف کرد و در سال 1994 اعدام شد. به تصویر کشیدن عملکرد او روی یک خط زمانی نشان میدهد که ظاهرا، قتلها از یک الگوی خاص پیروی میکنند، الگویی که در ریاضیات با نام پلکان شیطان Devil's staircase) ( شناخته میشود.
فرضیه این محققین این است که فاصله بین قتلها از یک قانون توانی پیروی میکند و به نظر میرسد که زمانی قاتل مرتکب یک قتل میشود که برانگیختگی عصبی در مغز از آستانه مشخصی فراتر رود. آنها توضیح میدهند: "ما نمیتوانیم انتظار داشته باشیم که به محض این که برانگیختگی عصبی در مغز قاتل از حد آستانه گذشت، وی مرتکب قتل شود. بلکه او نیاز به زمان دارد تا نقشه بکشد و خودش را برای ارتکاب جرم آماده کند. بنابراین فرض ما این است که بعد از این که برانگیختگی عصبی از حد آستانه گذشت، طی یک دوره مشخص، وی دست به جنایت بزند. فرضیه دیگر ما این است که قتل روی مغز قاتل تاثیری مانند مسکن دارد و باعث میشود که برانگیختگی عصبی به پایینتر از حد آستانه برسد."
به زبان دیگر، این محققین چنین فرض میکنند که بعد از وقوع یک قتل، احتمال این که قاتل به قتل دیگری دست بزند، بیشتر از متوسط است و از سوی دیگر، وقتی زمان زیادی از یک قتل میگذرد، احتمال این که فرد دست به قتل جدیدی بزند، کمتر از حد متوسط است.
@NIAGg
الگوی مشابهی در تشنجهای افراد مبتلا به صرع (Epileptic Seizures) دیده شده است. این پژوهشگران بر این باورند که تاثیرات روانی که در چنین افرادی دیده میشود، نتیجه شلیک عصبی همزمان تعداد بسیار زیادی از سلولهای عصبی مغز است.
✍️خواندن مقاله ی این گزارش را که در ژورنال Journal of Theoretical Biologyمنتشر شده است را به علاقمندان پیشنهاد می کنیم.
📎https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4058389/
✍️گزارش کامل را می توانید در MIT Technology Review بخوانید.
🔎https://www.technologyreview.com/s/426615/mathematicians-reveal-serial-killers-pattern-of-murder/
📌با NeuroDaily همراه باشید.
💡https://t.me/NIAGg
PubMed Central (PMC)
Stochastic modeling of a serial killer
We analyze the time pattern of the activity of a serial killer, who during twelve years had murdered 53 people. The plot of the cumulative number of murders as a function of time is of “Devil’s staircase” type. The distribution of the intervals ...
مدلسازی ریاضی مغز آندره چیکاتیلو (قاتل 56کودک) ، شباهت الگوی مغز او با توزیع فواصل در بیماری صرع (که هر دو از قانون توانی پیروی می کنند) را نشان داد.
http://yon.ir/4Er7
https://t.me/NIAGg
http://yon.ir/4Er7
https://t.me/NIAGg