Fig. 1: descripci\u00f3n general del modelo de tono. un esquema de la estructura del modelo. Se entrenaron DNN para estimar la F0 de los sonidos del habla y la m\u00fasica incrustados en el ruido de fondo del mundo real. Las redes recibieron representaciones simuladas del nervio auditivo de est\u00edmulos ac\u00fasticos como entrada. Los contornos verdes representan la extensi\u00f3n de los n\u00facleos de filtro convolucional de ejemplo en tiempo y frecuencia (dimensiones horizontales y verticales, respectivamente). b Representaci\u00f3n del nervio auditivo simulado de un tono arm\u00f3nico con una frecuencia fundamental (F0) de 200Hz. La forma de onda del sonido se muestra arriba y su espectro de potencia se muestra a la izquierda. La forma de onda es peri\u00f3dica en el tiempo, con un per\u00edodo de 5ms. El espectro es arm\u00f3nico (es decir, contiene m\u00faltiplos de la frecuencia fundamental). Las entradas de la red eran matrices de tasas de activaci\u00f3n nerviosa auditiva instant\u00e1neas (representadas en escala de grises, con tonos m\u00e1s claros que indican tasas de activaci\u00f3n m\u00e1s altas). Cada fila traza la tasa de disparo de una fibra nerviosa auditiva sintonizada en frecuencia, dispuesta en orden de su lugar a lo largo de la c\u00f3clea (con las frecuencias bajas en la parte inferior). Las fibras individuales se sincronizan en fase con arm\u00f3nicos de n\u00famero bajo en el est\u00edmulo (parte inferior de la representaci\u00f3n del nervio) o con la combinaci\u00f3n de arm\u00f3nicos de n\u00famero alto (parte superior). Las respuestas promediadas en el tiempo a la derecha muestran el patr\u00f3n de excitaci\u00f3n de la fibra nerviosa a lo largo del eje de frecuencia coclear (el patr\u00f3n de excitaci\u00f3n). Los arm\u00f3nicos de n\u00famero bajo producen picos distintos en el patr\u00f3n de excitaci\u00f3n. c Esquemas de seis arquitecturas DNN de ejemplo entrenadas para estimar F0. Las arquitecturas de red variaban en el n\u00famero de capas, el n\u00famero de unidades por capa, el grado de agrupaci\u00f3n entre capas y el tama\u00f1o y la forma de los n\u00facleos de filtro convolucional d Resumen de la b\u00fasqueda de arquitectura de red. El rendimiento de la clasificaci\u00f3n F0 en el conjunto de validaci\u00f3n (palabra ruidosa y est\u00edmulos de instrumentos que no se ven durante el entrenamiento) se muestra como una funci\u00f3n de los pasos de entrenamiento para las 400 redes entrenadas. Las curvas resaltadas corresponden a las arquitecturas representadas en ay c. La precisi\u00f3n general relativamente baja refleja los contenedores F0 de grano fino que utilizamos. e Histograma de precisi\u00f3n, expresado como la mediana del error F0 en el conjunto de validaci\u00f3n, para todas las redes entrenadas (el error F0 en porcentaje es m\u00e1s interpretable que la precisi\u00f3n de la clasificaci\u00f3n, cuyo valor absoluto depende del ancho de los contenedores F0). f Matriz de confusi\u00f3n para la red de mejor rendimiento (representada en a) probada en el conjunto de validaci\u00f3n. Cr\u00e9dito: DOI: 10.1038\/s41467-021-27366-6 <\/p>\n
Una nueva investigaci\u00f3n de neurocient\u00edficos del MIT sugiere que los paisajes sonoros naturales han dado forma a nuestro sentido del o\u00eddo, optimiz\u00e1ndolo para los tipos de sonidos que encontramos con m\u00e1s frecuencia. <\/p>\n
En un estudio publicado el 14 de diciembre en la revista Nature Communications, los investigadores dirigidos por el investigador asociado del Instituto McGovern para la Investigaci\u00f3n del Cerebro, Josh McDermott, utilizaron modelos computacionales para explorar los factores que influyen en c\u00f3mo los humanos escuchan el tono. La percepci\u00f3n del tono de su modelo se parec\u00eda mucho a la de los humanos, pero solo cuando se entrenaba con m\u00fasica, voces u otros sonidos naturales.<\/p>\n
La capacidad de los humanos para reconocer los tonos, esencialmente, la velocidad a la que se repite un sonido da melod\u00eda a la m\u00fasica y matiza al lenguaje hablado. Aunque podr\u00eda decirse que este es el aspecto mejor estudiado de la audici\u00f3n humana, los investigadores todav\u00eda est\u00e1n debatiendo qu\u00e9 factores determinan las propiedades de la percepci\u00f3n del tono y por qu\u00e9 es m\u00e1s agudo para algunos tipos de sonidos que para otros. McDermott, quien tambi\u00e9n es profesor asociado en el Departamento de Ciencias Cognitivas y Cerebrales del MIT e investigador del Centro de Cerebros, Mentes y M\u00e1quinas (CBMM) del MIT, est\u00e1 particularmente interesado en comprender c\u00f3mo nuestro sistema nervioso percibe el tono porque los implantes cocleares , que env\u00edan se\u00f1ales el\u00e9ctricas sobre el sonido al cerebro en personas con sordera profunda, no reproducen muy bien este aspecto de la audici\u00f3n humana.<\/p>\n
\u00abLos implantes cocleares pueden ayudar bastante bien a las personas a comprender el habla, especialmente si est\u00e1n en un ambiente tranquilo. Pero en realidad no reproducen muy bien la percepci\u00f3n del tono\u00bb, dice Mark Saddler, estudiante de posgrado e investigador del CBMM que codirigi\u00f3 el proyecto y miembro de posgrado inaugural del K. Centro Integrativo de Neurociencia Computacional Lisa Yang. \u00abUna de las razones por las que es importante comprender la base detallada de la percepci\u00f3n del tono en personas con audici\u00f3n normal es tratar de obtener una mejor comprensi\u00f3n de c\u00f3mo reproducir\u00edamos eso artificialmente en una pr\u00f3tesis\u00bb.<\/p>\n
Audici\u00f3n artificial<\/p>\n
p> <\/p>\n
La percepci\u00f3n del tono comienza en la c\u00f3clea, la estructura en forma de caracol en el o\u00eddo interno donde las vibraciones de los sonidos se transforman en se\u00f1ales el\u00e9ctricas y se transmiten al cerebro a trav\u00e9s del nervio auditivo. La estructura y funci\u00f3n de la c\u00f3clea ayudan a determinar c\u00f3mo y qu\u00e9 o\u00edmos. Y aunque no ha sido posible probar esta idea experimentalmente, el equipo de McDermott sospechaba que nuestra \u00abdieta auditiva\u00bb tambi\u00e9n podr\u00eda moldear nuestra audici\u00f3n.<\/p>\n
Cr\u00e9dito: Instituto Tecnol\u00f3gico de Massachusetts <\/p>\n
Para explorar c\u00f3mo nuestros o\u00eddos y nuestro la influencia del entorno en la percepci\u00f3n del tono, McDermott, Saddler y el asistente de investigaci\u00f3n Ray Gonzalez construyeron un modelo inform\u00e1tico denominado red neuronal profunda. Las redes neuronales son un tipo de modelo de aprendizaje autom\u00e1tico ampliamente utilizado en el reconocimiento autom\u00e1tico de voz y otras aplicaciones de inteligencia artificial. Aunque la estructura de una red neuronal artificial se parece bastante a la conectividad de las neuronas en el cerebro, los modelos utilizados en las aplicaciones de ingenier\u00eda en realidad no escuchan de la misma manera que los humanos, por lo que el equipo desarroll\u00f3 un nuevo modelo para reproducir la percepci\u00f3n del tono humano. Su enfoque combin\u00f3 una red neuronal artificial con un modelo existente del o\u00eddo de los mam\u00edferos, uniendo el poder del aprendizaje autom\u00e1tico con conocimientos de la biolog\u00eda. \u00abEstos nuevos modelos de aprendizaje autom\u00e1tico son realmente los primeros que se pueden entrenar para realizar tareas auditivas complejas y, de hecho, hacerlas bien, a niveles humanos de rendimiento\u00bb, explica Saddler.<\/p>\n
Los investigadores entrenaron la red neuronal para Estime el tono pidi\u00e9ndole que identifique la tasa de repetici\u00f3n de los sonidos en un conjunto de entrenamiento. Esto les dio la flexibilidad de cambiar los par\u00e1metros bajo los cuales se desarroll\u00f3 la percepci\u00f3n del tono. Pod\u00edan manipular los tipos de sonido que presentaban al modelo, as\u00ed como las propiedades del o\u00eddo que procesaba esos sonidos antes de pasarlos a la red neuronal.<\/p>\n
Cuando el modelo fue entrenado usando sonidos que son importante para los humanos, como el habla y la m\u00fasica, aprendi\u00f3 a estimar el tono tanto como lo hacen los humanos. \u00abReproducimos muy bien muchas caracter\u00edsticas de la percepci\u00f3n humana, lo que sugiere que usa se\u00f1ales similares de los sonidos y la representaci\u00f3n coclear para realizar la tarea\u00bb, dice Saddler.<\/p>\n
Pero cuando el modelo fue entrenado usando m\u00e1s sonidos artificiales o en ausencia de ruido de fondo, su comportamiento era muy diferente. Por ejemplo, Saddler dice: \u00abSi optimiza para este mundo idealizado donde nunca hay fuentes de ruido en competencia, puede aprender una estrategia de tono que parece ser muy diferente a la de los humanos, lo que sugiere que tal vez el sistema de tono humano era realmente optimizado para lidiar con casos en los que a veces el ruido oscurece partes del sonido\u00bb.<\/p>\n
El equipo tambi\u00e9n descubri\u00f3 que la sincronizaci\u00f3n de las se\u00f1ales nerviosas iniciadas en la c\u00f3clea es fundamental para la percepci\u00f3n del tono. En una c\u00f3clea sana, explica McDermott, las c\u00e9lulas nerviosas se activan precisamente al mismo tiempo que las vibraciones sonoras que llegan al o\u00eddo interno. Cuando los investigadores sesgaron esta relaci\u00f3n en su modelo, de modo que la sincronizaci\u00f3n de las se\u00f1ales nerviosas estuviera menos estrechamente relacionada con las vibraciones producidas por los sonidos entrantes, la percepci\u00f3n del tono se desvi\u00f3 de la audici\u00f3n humana normal. <\/p>\n
McDermott dice que ser\u00e1 importante tener esto en cuenta mientras los investigadores trabajan para desarrollar mejores implantes cocleares. \u00abSugiere mucho que para que los implantes cocleares produzcan una percepci\u00f3n de tono normal, debe haber una manera de reproducir la informaci\u00f3n de sincronizaci\u00f3n detallada en el nervio auditivo\u00bb, dice. \u00abEn este momento, no hacen eso, y existen desaf\u00edos t\u00e9cnicos para que eso suceda, pero los resultados del modelo sugieren claramente que eso es lo que tienes que hacer\u00bb. <\/p>\n
Explorar m\u00e1s<\/p>\n
\u00bfTono imperfecto? C\u00f3mo el cerebro decodifica el tono puede mejorar los implantes cocleares M\u00e1s informaci\u00f3n:<\/strong> Mark R. Saddler et al, Los modelos de redes neuronales profundas revelan la interacci\u00f3n de la codificaci\u00f3n perif\u00e9rica y las estad\u00edsticas de est\u00edmulo en la percepci\u00f3n del tono, Nature Communications (2021). DOI: 10.1038\/s41467-021-27366-6 Informaci\u00f3n de la revista:<\/strong> Nature Communications <\/p>\n Proporcionado por el Instituto de Tecnolog\u00eda de Massachusetts <\/p>\n Esta historia se vuelve a publicar por cortes\u00eda de MIT News (web.mit.edu \/newsoffice\/), un sitio popular que cubre noticias sobre investigaci\u00f3n, innovaci\u00f3n y ense\u00f1anza del MIT. <\/p>\n Cita<\/strong>: Perfeccionando la percepci\u00f3n del tono (20 de diciembre de 2021) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-12-pitch-perception.html Este documento est\u00e1 sujeto a los derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Fig. 1: descripci\u00f3n general del modelo de tono. un esquema de la estructura del modelo. Se entrenaron DNN para estimar la F0 de los sonidos del habla y la m\u00fasica incrustados en el ruido de fondo del mundo real. Las redes recibieron representaciones simuladas del nervio auditivo de est\u00edmulos ac\u00fasticos como entrada. Los contornos verdes … Continuar leyendo \u00abPerfeccionar la percepci\u00f3n del tono\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-4110","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/4110","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=4110"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/4110\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=4110"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=4110"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=4110"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}