Silowy Układ Przednia i Mapa Topograficzna Homunculus

Homunculus Penfielda

W latach 30. XX wieku neurochirurg Wilder Penfield elektryzował odsłoniętą korę mózgową świadomych pacjentów poddawanych operacjom w przypadku padaczki i rejestrował, która część ciała nerwowo się poruszała. Mapowanie wyników na obszarze przymiotowej kory ruchowej (guzie przedniotu) ujawniło uporządkowany, lecz bardzo nierówny układ: części ciała były rozmieszczone w przybliżonej kolejności anatomicznej wzdłuż pasma, ale ilość kory mózgowej poświęcona każdej z nich niemal nie miała związku z wielkością fizyczną danej części. Powstała groteskowa postać – wyolbrzymione ręce, usta i język, stosunkowo mały tułów i nogi – to homunculus ruchowy.

Obszar zależy od zwinności, a nie wielkości

Podstawowym kryterium jest rozdzielczość kontroli, a nie masa. Precyzyjne, niezależne ruchy poszczególnych palców, lub liczne, szybkie ruchy potrzebne do mowy, wymagają odpowiednio wielu odrębnych ścieżek nerwowych obwodowych i dużego obszaru kory mózgowej, aby je zlokalizować. Tułów i uda, z drugiej strony, są głównie poruszane jako pojedyncze, grube jednostki przez stosunkowo niewiele większych mięśni, dlatego wystarczy mniejszy fragment kory mózgowej, mimo że część ciała jest znacznie większa. Mapa nie przedstawia proporcji ciała; przedstawia ona szerokość pasma kontroli.

Mapa Kohonen o Samorozwijaniu się

Mapa samorozwijana Teuvo Kohona (SOM), wprowadzona w 1982 roku, jest prostym algorytmem uczenia nienadzorowanego, który generuje ten sam jakościowy rezultat – uporządkowaną, ważoną obszarowo mapę – jedynie dzięki wielokrotnemu występowi danych wejściowych i lokalnej regule konkurencyjno-kooperatywnego aktualizowania:

dla każdego wejścia treningowego x: znajdź BMU = neuron na mapie, którego wektor wagi jest najbliższy x dla każdego neurona n wewnątrz obszaru zmniejszającego się wokół BMU: w_n += współczynnik uczenia * funkcję sąsiedztwa(n, BMU) * (x - w_n) wszedł czynnik uczenia i promień sąsiedztwa obniżają się wraz z treningiem Tylko najlepszy neuron dopasowujący i jego najbliżej położone neurony na mapie są aktualizowane dla każdego wejścia, i zawsze w kierunku tego wejścia. Dlatego mapa zachowuje topologię: dwa wejścia podobne zawsze znajdują się blisko siebie na mapie, ponieważ ich neurony dopasowujące i współdzielone obszary sąsiedztwa nakładają się podczas treningu. Również dlatego mapa alokuje przestrzeń nierównomiernie – regiony przestrzeni wejściowej, które występują częściej podczas treningu, zajmują więcej neuronów na mapie, co jest analogiczne do tego, jak ciałem używanym częściej lub wymagającym precyzyjnej kontroli, zajmuje więcej kory mózgowej.

for each training input x:
  find BMU = the map neuron whose weight vector is closest to x
  for each neuron n within a shrinking neighbourhood of BMU:
    w_n += learning_rate * neighbourhood(n, BMU) * (x - w_n)

learning_rate and neighbourhood radius both decay over training

Dlaczego analogia jest przydatna, a nie dosłowna

Prawdziwe mapy kory mózgowej nie powstają poprzez szukanie najlepszego dopasowującego jednostki; wyłaniają się one z sygnałów prowadzących molekularnie podczas rozwoju, rywalizacji synaptycznej zależnej od aktywności (klasyczny zasadniczy mechanizm Hebb’a, w którym neurony, które działają razem, łączą się) oraz ciągłej plastyczności zależnej od użytkowania przez całe życie — co również wyjaśnia, dlaczego mapy kory mózgowej mogą się reorganizować po urazach lub intensywnym treningu, zjawisko dobrze udokumentowane u muzyków grających na smyczkach oraz u pacjentów odzyskuwających funkcje ruchowe po zawale mózgu. SOM nie jest twierdzeniem o biologicznym mechanizmie; jest to minimalny model obliczeniowy, który reprodukuje jakościowy znak mapy – porządek plus nierówna, użytkowana wagi – z zaskakująco prostych lokalnych zasad, co dokładnie czyni go trwałym narzędziem dydaktycznym.

Jak mapa jest wykorzystywana klinicznie

Poza jej sławą w podręcznikach, mapowanie kory motorycznej pozostaje realnym narzędziem chirurgicznym: stymulacja operacyjna mapowania, podobnie jak oryginalna technika Penfielda, jest nadal wykorzystywana przed resekcją guzków mózgu w pobliżu obszarów ruchowych w celu zidentyfikowania i zachowania konkretnej kory odpowiedzialnej za ruch, a nieinwazyjne metody, takie jak stymulacja magnetyczna przezczaszkowa, teraz pozwalają badaczom budować podobne mapy funkcjonalne bez konieczności przeprowadzania operacji.

Często zadawane pytania

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Motor Cortex Topographic Map i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.