CNeuroMod-THINGS: görsel sinirbilim için yoğun örneklenmiş bir fMRI veri kümesi

Resimlere bakmak zihnimizin nasıl çalıştığını nasıl ortaya çıkarabilir

Her gün gözlerimiz binlerce görüntü alır—kahve fincanlarından akıllı telefonlara, köpeklerden ağaçlara ve kalabalık caddelere kadar. Sahne arkasında, beynimiz gördüğümüzü hızla tanır ve çoğu zaman bunu daha sonra hatırlar. CNeuroMod-THINGS projesi, bu gizli etkinliği olağanüstü ayrıntıda yakalamayı amaçlayarak, insanların gerçek dünya resimlerine bakarken toplanmış en derinlemesine ölçülmüş beyin veri kümelerinden birini oluşturdu. Bu kaynak, bir sonraki nesil beyin ve yapay zeka araştırmalarını desteklemek üzere tasarlandı.

Beyin tepkilerinin zengin bir kütüphanesini oluşturmak

Yüzlerce gönüllüyü bir ya da iki kez taramak yerine, ekip yalnızca dört son derece adanmış katılımcıyı defalarca taradı. Her kişi 33 ila 36 ziyarete geri geldi ve geniş CNeuroMod projesi kapsamında yaklaşık 200 saatlik beyin görüntülemesine ve yalnızca resimlere adanmış onlarca saate ulaşıldı. Bu oturumlarda gönüllüler, araçlar, hayvanlar, taşıtlar ve mobilya gibi 720 günlük nesne kategorisini kapsayan THINGS görüntü koleksiyonundan seçilen en fazla 4.320 farklı fotoğrafı görüntüledi. Bu titiz görüntü seçimi, görsel dünyamızın yalnızca birkaç popüler nesneyi değil, birçok köşesini temsil etmesini sağlıyor.

MRI tarayıcısının içindeki bir hafıza oyunu

Katılımcıları meşgul tutmak ve hafızayı araştırmak için araştırmacılar resim görüntülemeyi sürekli bir tanıma oyununa dönüştürdü. Her denemede, kişi bir MRI tarayıcısında yatarken tek bir görüntü ekranın ortasında belirdi. Özel video oyun tarzı bir kumanda kullanarak katılımcılar, resmin yeni olduğunu mu yoksa daha önce görüldüğünü mü düşündüklerini ve bu yargıya ne kadar güvendiklerini bildirdi. Çoğu görüntü üç kez gösterildi: ilk karşılaşma için bir kez, aynı ziyarette birkaç dakika sonra bir kez daha ve genellikle bir hafta civarı aralıklarla daha sonraki bir ziyarette bir kez daha. Bu tasarım, tam olarak aynı resimler için kısa süreli ve daha uzun süreli hafızayı karşılaştırırken ilgili beyin etkinliğindeki değişiklikleri izlemeye olanak tanıdı.

Görme ve hafızadan ayrıntılı sinyaller yakalamak

Veri kümesi, basit “açık/kapalı” beyin etkinliği ölçümlerinin çok ötesine geçiyor. Yazarlar, her tek deneme ve her görüntü için her küçük üç boyutlu tarama pikselinde ayrı bir yanıtı tahmin etmek için gelişmiş analiz yöntemleri kullandı. Ayrıca katılımcıların nereye baktıklarını göz izleme kameralarıyla izlediler, solunum ve kalp atış hızını izlediler ve baş hareketini ölçtüler. Kalite kontrolleri, sinyallerin dikkat çekici derecede istikrarlı olduğunu gösteriyor: katılımcılar neredeyse her denemede yanıt verdi, bakışlarını ekranın merkezine yakın tuttu ve çok az hareket etti. Yüzlere, bedenlere veya sahnelere güçlü tepki veren olarak bilinen ana görsel bölgelerde—aynı resim her gösterildiğinde son derece tutarlı etkinlik desenleri üretti. Bu desenler o kadar güçlüydü ki, yanıtlar basitleştirilmiş iki boyutlu bir haritada çizildiğinde, benzer anlamlara (örneğin hayvanlar veya taşıtlar) sahip görüntüler genellikle bir araya kümelenme eğilimindeydi.

Farklı beyin bölgelerinin neye önem verdiğini haritalamak

Bu sinyalleri daha iyi yorumlamak için dört katılımcıdan üçünün ek görme testlerini tamamlaması sağlandı. Bunlardan birinde, dokulu bir arka plan üzerinde kayan şekiller, her bir beyin bölgesinin görsel alanın hangi kısmını “gördüğünü” ortaya çıkardı. Bir diğerinde, yüzler, mekanlar, vücut parçaları, karakterler ve genel nesnelerden oluşan kısa bloklar gösterilerek belirli bir görüntü türünü tercih eden bölgeler belirlendi. Bu yerel belirleyici görevlerini ana deneyle birleştirerek ekip, tek bir vokselin bir yüz olduğunda mı yoksa bütün sahne görüldüğünde mi daha fazla yanıt verdiği gibi kesin sorular sorabildi. Yüz seçici bölgelerin herhangi bir tür yüz görüntülendiğinde en güçlü şekilde yanıt verdiği, sahne seçici bir bölgenin ise insanlar görünmese bile odalar, sokaklar veya manzaralar gibi zengin arka planlara sahip görüntüleri tercih ettiği bulundu. Bu ince ayarlı tercihler, bireysel görüntü ve hatta tek voksel düzeyinde ortaya çıktı.

Görmenin daha akıllı modelleri için bir temel

Özü itibarıyla CNeuroMod-THINGS, tek seferlik bir sonuçtan ziyade dikkatle kürate edilmiş, halka açık bir kaynaktır. Tüm beyin verileri, göz izleme, davranışsal yanıtlar, görüntü açıklamaları ve analiz kodu açık bir lisans altında ücretsiz paylaşılıyor. Aynı dört kişi birçok başka görevde de tarandığı için—film izleme, video oyunu oynama, hikâye dinleme gibi—araştırmacılar artık kontrollü deneyleri daha doğal deneyimlerle ilişkilendiren ayrıntılı, kişiye özel modeller kurabiliyor. Uzman olmayanlar için çıkarım şudur: artık gerçek bir insan beyninin binlerce günlük görüntüye nasıl yanıt verdiğini gösteren yüksek çözünürlüklü bir “başvuru tablosu”na sahibiz. Bu, bilim insanlarının görsel algı ve hafıza hakkındaki fikirleri test etmelerine ve dünyayı bizim gördüğümüz şekilde biraz daha çok gören yapay görme sistemleri tasarlamalarına yardımcı olacak.

Atıf: St-Laurent, M., Pinsard, B., Contier, O. et al. CNeuroMod-THINGS, a densely-sampled fMRI dataset for visual neuroscience. Sci Data 13, 141 (2026). https://doi.org/10.1038/s41597-026-06591-y

Anahtar kelimeler: fMRI, görsel algı, nesne tanıma, beyin verisi, hafıza