Aufdeckung der Mechanismen der semantischen Sättigung mit Deep-Learning-Modellen – Communications Biology

Aufdeckung der Mechanismen der semantischen Sättigung mit Deep-Learning-Modellen – Communications Biology

Das Konzept der semantischen Sättigung wird in einer einzigartigen neuralen Netzwerkarchitektur durch Deep Learning modelliert. Die Struktur des ventralen visuellen Pfads im Gehirn wird in Figur 1a dargestellt, beginnend mit der Erfassung von Lichtsignalen durch die Netzhaut, gefolgt von der Übertragung durch laterale genikulate Kerne (LGN) und die nachfolgende Verarbeitung in verschiedenen visuellen Regionen wie V1, V2, V4 und dem Inferiortemporalen Cortex (IT Cortex). Die Neuronen in diesen Regionen unterscheiden sich hinsichtlich ihrer Rezeptivfelder und Aufgaben, wobei der IT Cortex für die Objekterkennung und höhere kognitive Funktionen verantwortlich ist.

Die semantische Sättigung wird in der Psychologie als Paradigma für die Klassifizierungsgeschwindigkeit untersucht. Experimente zeigen, dass sich die Klassifikationsfähigkeit von Personen ändert, wenn sie wiederholt identische Stimuli präsentiert bekommen. In diesem Zusammenhang wird die primäre visuelle Rinde als künstliches neuronales Netzwerkmodell betrachtet, das die repetitive Verarbeitung von Eingabestimuli imitiert. Dieses Modell ermöglicht die Simulation von Phänomenen wie semantischer Sättigung und erlaubt Vergleiche mit Ergebnissen aus EEG-Experimenten.

Das vorgeschlagene Modell bietet eine plausible Erklärung für eine Vielzahl faszinierender Befunde in den Bereichen Neurowissenschaften und Psychologie, insbesondere im Kontext der semantischen Sättigung. Durch Vergleichsexperimente mit Daten aus der MNIST- und Fashion-MNIST-Datenbank kann die Fähigkeit des Modells zur Simulation der semantischen Sättigung bei wiederholten oder ähnlichen Stimuli nachgewiesen werden. Darüber hinaus wird die evolutionäre Verarbeitung von visuellen und semantischen Informationen in verschiedenen Hirnregionen visualisiert und analysiert, um die komplexen Interaktionen bei der kognitiven Verarbeitung zu verstehen und mögliche Mechanismen hinter der semantischen Sättigung aufzudecken.

Ein vorgeschlagener Vergleich mit EEG-basierten kognitiven Studien zeigt ähnliche Trends in der neuronalen Aktivität und Amplitudenveränderungen vor und nach semantischer Sättigung. Dies verdeutlicht die Parallelen zwischen neuronaler Aktivität und elektrischen Signalen im Gehirn und bietet Einblicke in die kognitiven Prozesse bei semantischer Sättigung. Die Erkenntnisse aus diesem Modell legen nahe, dass semantische Sättigung auf der Ebene der primären visuellen Rinde auftritt und Einblicke in die kognitive Verarbeitung von visuellen und semantischen Informationen geben kann.