احمد حاج رضا جعفرآبادی

مقدمه: این پژوهش سازوکارهای محاسباتی تمایز ناهمگونی دوچشمی را در ناحیه V4 قشر بینایی با رویکردی نوین در مدل سازی بررسی می کند. هدف، تحلیل توانایی نورون های V4 در تشخیص ناهمگونی های ظریف نزدیک به صفحه تثبیت و ارائه چارچوبی محاسباتی برای تبیین این فرایند است. فرضیه اصلی بیان می دارد که تمایز ناهمگونی در V4 به اختلاف مطلق جفت ناهمگونی ها و نزدیکی آنها به ناهمگونی صفر وابسته است. روش کار: داده های الکتروفیزیولوژیک از ۱۵۶ نورون V4 در میمون های ماکاک با ارائه استریوگرام های نقطه ای تصادفی (RDS) با ناهمگونی های 2°/1±، 6°/0±، 3°/0± و ۰° و ضرایب همبستگی متغیر گردآوری شد. شاخصی نوین به نام «شاخص توانایی تمایز ناهمگونی» (DDAI) معرفی شد که توانایی جمعیت نورونی در تفکیک جفت ناهمگونی ها را با تحلیل ROC کمی سازی می کند. این شاخص میانگین سطح نرمال شده زیر منحنی ROC برای هر جفت محرک است. مدل محاسباتی DCM برای پیش بینی الگوهای DDAI توسعه یافت. یافته ها: نتایج نشان داد نورون های V4 برای ناهمگونی های نزدیک به صفر تنظیم پذیری بالایی دارند و تغییرپذیری پاسخ (ضریب تغییرات) در این محدوده کمینه است. با افزایش قدر مطلق ناهمگونی، تغییرپذیری پاسخ افزایش یافت. مدل DCM با دقت بالا (ضریب همبستگی پیرسون= 969/0، ضریب اسپیرمن= 887/0) الگوهای DDAI را پیش بینی کرد. آزمون هم ارزی (TOST) تأیید کرد که پیش بینی های مدل عملاً با داده های تجربی معادلند (میانگین اختلاف= 00018/0، فاصله اطمینان 90% در بازه ±03/0). نتیجه گیری: یافته ها فرضیه اصلی را تأیید می کنند که توانایی تمایز ناهمگونی در V4 به اختلاف مطلق جفت ناهمگونی ها و نزدیکی آنها به ناهمگونی صفر وابسته است. ناحیه V4 از راهبرد رمزگذاری کارآمدی بهره می برد که دقت را در ناهمگونی های نزدیک به عمق تثبیت اولویت بندی می کند و برای ناهمگونی های بزرگ تر رمزگذاری خشن تری ارائه می دهد. چارچوب DCM پایه ای محکم برای درک پردازش ناهمگونی در سطح جمعیت نورونی فراهم می کند و کاربردهایی در سیستم های بینایی مصنوعی و ارزیابی اختلالات استریوسکوپیک دارد.