Science-Fiction? Brain Imaging IDs Besondere Emotionen
Die Carnegie Mellon University kombinierte funktionelle Magnetresonanztomographie (fMRT) und maschinelles Lernen, um Gehirnsignale zu messen und Emotionen bei Personen zu lesen. Die Ergebnisse veranschaulichen, wie das Gehirn Gefühle kategorisiert, und geben Forschern den ersten zuverlässigen Prozess zur Analyse von Emotionen.
Bisher wurde die Erforschung von Emotionen lange Zeit durch den Mangel an verlässlichen Methoden zur Bewertung behindert, vor allem, weil Menschen oft nicht bereit sind, ihre Gefühle ehrlich zu melden. Eine weitere Komplikation ist, dass viele emotionale Reaktionen möglicherweise nicht bewusst erlebt werden.
Das Identifizieren von Emotionen basierend auf neuronaler Aktivität baut auf früheren Studien auf, die ähnliche Techniken verwendeten, um ein Rechenmodell zu erstellen, das die Gedanken von Personen an konkrete Objekte identifiziert - oft als „Gedankenlesen“ bezeichnet.
"Diese Studie führt eine neue Methode ein, mit der Emotionen identifiziert werden können, ohne sich auf die Fähigkeit der Menschen zu verlassen, sich selbst zu melden", sagte Dr. Karim Kassam, Hauptautor der Studie.
"Es könnte verwendet werden, um die emotionale Reaktion eines Individuums auf fast jede Art von Reiz zu bewerten, zum Beispiel auf eine Flagge, einen Markennamen oder einen politischen Kandidaten."
Eine Herausforderung für das Forschungsteam bestand darin, wiederholt und zuverlässig unterschiedliche emotionale Zustände bei den Teilnehmern hervorzurufen. Herkömmliche Ansätze wie das Zeigen von Filmclips, die Emotionen hervorrufen, wären wahrscheinlich erfolglos gewesen, da die Wirkung von Filmclips bei wiederholter Anzeige abnimmt.
Die Forscher lösten das Problem, indem sie Schauspieler von der CMU School of Drama rekrutierten.
"Unser großer Durchbruch war die Idee meines Kollegen Karim Kassam, Schauspieler zu testen, die Erfahrung im Radfahren durch emotionale Zustände haben", sagte der Forscher George Loewenstein, Ph.D., Professor für Wirtschaft und Psychologie. "Wir hatten das Glück, dass die CMU eine hervorragende Schauspielschule hat."
Für die Studie wurden 10 Schauspieler im Scientific Imaging & Brain Research Center der CMU gescannt, während sie die Worte von neun Emotionen betrachteten: Wut, Ekel, Neid, Angst, Glück, Lust, Stolz, Traurigkeit und Scham.
Im fMRT-Scanner wurden die Schauspieler angewiesen, jeden dieser emotionalen Zustände mehrmals in zufälliger Reihenfolge einzugeben.
Das Computermodell war in der Lage, den emotionalen Inhalt von Fotos, die betrachtet wurden, anhand der Gehirnaktivität der Betrachter korrekt zu identifizieren.
Um Emotionen im Gehirn zu identifizieren, verwendeten die Forscher zunächst die neuronalen Aktivierungsmuster der Teilnehmer in frühen Scans, um die Emotionen zu identifizieren, die dieselben Teilnehmer in späteren Scans erlebten.
Das Computermodell erreichte eine Ranggenauigkeit von 0,84. Die Ranggenauigkeit bezieht sich auf den Perzentilrang der richtigen Emotion in einer geordneten Liste der Vermutungen des Computermodells. Zufälliges Erraten würde zu einer Ranggenauigkeit von 0,50 führen.
Als nächstes nahm das Team die Analyse des maschinellen Lernens der selbstinduzierten Emotionen vor, um zu erraten, welche Emotionen die Probanden erlebten, als sie den widerlichen Fotos ausgesetzt wurden.
Das Computermodell erreichte eine Ranggenauigkeit von 0,91. Mit neun zur Auswahl stehenden Emotionen listete das Modell Ekel in 60 Prozent der Fälle als wahrscheinlichste Emotion und in 80 Prozent der Fälle als eine der beiden Top-Vermutungen auf.
Schließlich verwendeten sie eine Analyse des maschinellen Lernens neuronaler Aktivierungsmuster von allen bis auf einen Teilnehmer, um die Emotionen vorherzusagen, die der Hold-out-Teilnehmer erlebt.
Dies beantwortet eine wichtige Frage: Wenn wir eine neue Person nehmen, sie in den Scanner legen und sie einem emotionalen Reiz aussetzen würden, wie genau könnten wir ihre emotionale Reaktion identifizieren? Hier erreichte das Modell eine Ranggenauigkeit von 0,71 und lag damit erneut deutlich über der Wahrscheinlichkeitsschätzung von 0,50.
"Trotz offensichtlicher Unterschiede zwischen der Psychologie der Menschen neigen verschiedene Menschen dazu, Emotionen auf bemerkenswert ähnliche Weise neuronal zu kodieren", bemerkte Amanda Markey, eine Doktorandin am Department of Social and Decision Sciences.
Ein überraschendes Ergebnis der Forschung war, dass nahezu gleichwertige Genauigkeitsniveaus erreicht werden konnten, selbst wenn das Computermodell Aktivierungsmuster nur in einem von mehreren Unterabschnitten des menschlichen Gehirns verwendete.
"Dies deutet darauf hin, dass Emotionssignaturen nicht auf bestimmte Gehirnregionen wie die Amygdala beschränkt sind, sondern charakteristische Muster in einer Reihe von Gehirnregionen erzeugen", sagte Vladimir Cherkassky, Ph.D., leitender Forschungsprogrammierer in der Abteilung für Psychologie.
Das Forscherteam stellte außerdem fest, dass das Modell zwar im Durchschnitt die richtige Emotion unter seinen Vermutungen am höchsten einstufte, jedoch am besten das Glück und am wenigsten den Neid identifizierte.
Es verwechselt selten positive und negative Emotionen, was darauf hindeutet, dass diese unterschiedliche neuronale Signaturen haben. Und es war am unwahrscheinlichsten, dass Lust als jede andere Emotion falsch identifiziert wurde, was darauf hindeutet, dass Lust ein Muster neuronaler Aktivität erzeugt, das sich von allen anderen emotionalen Erfahrungen unterscheidet.
Der Forscher Marcel Just, Ph.D., sagte: „Wir fanden heraus, dass drei Hauptorganisationsfaktoren die neuronalen Signaturen der Emotionen untermauerten, nämlich die positive oder negative Wertigkeit der Emotion, ihre Intensität - mild oder stark, und ihre Sozialität - Beteiligung oder Nichtbeteiligung. Beteiligung einer anderen Person.
"So sind Emotionen im Gehirn organisiert."
Quelle: Carnegie Mellon University
.jpg)
