İnsan beynindeki 100 milyar sinir hücresi, dış dünyadaki yüksek miktardaki bilgiyi aşamalı olarak işleyerek karmaşık bilişsel süreçleri desteklemektedir. İleri derecede gelişmiş görsel algı sürecindeki her aşama, retinaya düşen görüntülerden nesne tanısına yönelik görsel özellikleri çıkartan bir hesaplama ünitesidir. Bu nedenle, görme korteksinin farklı aşamalarının beyin üzerinde yerellenmesi ve her aşamada işlenen bilgi türlerinin saptanması günümüzün en önemli sinirbilim problemlerindendir.
Bu önemli soruları cevaplamak için yenilikçi fonksiyonel manyetik rezonans görüntüleme (fMRG) ve makine öğrenme teknikleri geliştirmekteyiz. Geliştirdiğimiz özgün teknoloji ile doğal görme, işitme ve dil algısı sırasında oluşan sinirsel tepkileri benzeri olmayan bir hassasiyetle saptanabilmektedir. Beynin alt sistemlerinin yapı ve işlevinin detaylı incelenmesinin yanı sıra, bu teknikler beyin okumayı -algı içeriklerinin beyin aktivitesinden geri çözümlenmesini de mümkün kılmaktadır.
Örnek bir uygulama alanı insan beyninde görme korteksinin matematiksel modellerinin çıkarılarak haritalanmasıdır. Her ne kadar gerçek dünya sahneleri birçok farklı nesneyle karışık olsa da, insanlar doğal ortamlarda hedef nesneler bulma ve dikkatlerini farklı hedefler arasında hızla değiştirme konusunda son derece beceriklidir. Bu olağanüstü yeteneğe aracılık eden kesin sinirsel mekanizmalar henüz bilinmemektedir. Önceki çalışmalar, bilginin her beyin bölgesinde temsil edilme şeklini etkilemeden, katılan nesnelerin uyandırdığı beyin aktivitesinin kalitesini artıran nispeten basit mekanizmalar bildirmiştir. Bununla birlikte, sınırlı sayıda kortikal nöron olduğu için, tüm beyin bölgelerinin davranışsal taleplere bakılmaksızın sabit temsiller tutması pek olası görünmemektedir.
Görsel arama sırasında nöral gösterimlerin doğasını incelemek için, karmaşık doğal filmler ve görsel bilgi ile beyin aktivitesi arasındaki ilişkiyi tanımlamak için güçlü bir hesaplama modelleme tekniği geliştirmekteyiz. Yüksek boyutlu görüntüleme verileri ile aynı seviyede yüksek boyutlu görsel uyaranlar arasındaki bağıntıları, ileri makine öğrenme teknikleriyle çözümlüyoruz.
| Örnek Yayınlar:
Yilmaz O, Celik E, Çukur T. Informed Feature Regularization in Voxelwise Modeling for Naturalistic fMRI Experiments European Journal of Neuroscience. 2020. Shahdloo M, Celik E, Çukur T. Biased competition in semantic representation during natural visual search. Neuroimage. 2019. Celik E, Dar SUH, Yilmaz O, Keles U, Çukur T. Spatially informed voxel-wise modeling for naturalistic fMRI experiments. Neuroimage. 2019 Feb;186:741-57. Çukur T, Huth AG, Nishimoto S, Gallant JL. Functional subdomains within scene-selective cortex: Parahippocampal Place Area, Retrosplenial Complex, and Occipital Place Area. Journal of Neuroscience. 2016 Oct;36(40):10257-73. Çukur T, Nishimoto S, Huth AG, Gallant JL. Attention during natural vision warps semantic representation across the human brain. Nature Neuroscience. 2013 Jun;16(6):763-70. |