Según la nueva investigación nórdica realizada en Finlandia Universidad de Jyväskylä y Centro AMI y Dinamarca Universidad de Aarhus, la forma en que su cerebro responde a la música puede revelar si ha recibido capacitación musical.
Al aplicar métodos de análisis de música computacional y aprendizaje automático en los datos de imágenes del cerebro recopilados durante la escucha de música, los investigadores fueron capaces de predecir con una precisión significativa si los oyentes eran músicos o no. Estos resultados enfatizan el impacto sorprendente del entrenamiento musical en nuestrorespuestas neuronales a la música en la medida de discriminar los cerebros de los músicos de los cerebros de los no músicos a pesar de otros factores independientes como la preferencia musical y la familiaridad.
La investigación también reveló que las áreas del cerebro que mejor predicen la maestría musical existen predominantemente en las áreas frontales y temporales del hemisferio derecho del cerebro. Estos hallazgos se ajustan al trabajo previo sobre cómo el cerebro procesa ciertas características acústicas de la música, así como la entonación en el hablaEl artículo fue publicado el 15 de enero en la revista. Informes científicos .
El estudio utilizó datos cerebrales de resonancia magnética funcional fMRI recopilados por el equipo de la profesora Elvira Brattico en la Universidad de Aarhus. Los datos se obtuvieron de 18 músicos y 18 no músicos mientras escuchaban atentamente música de diferentes géneros. Se aplicaron algoritmos computacionales.extraer características musicales de la música presentada.
"Una característica novedosa de nuestro enfoque fue que, en lugar de depender de representaciones estáticas de la actividad cerebral, modelamos cómo se procesa la música en el cerebro a lo largo del tiempo. Teniendo en cuenta la dinámica temporal se encontró que mejora notablemente los resultados", explicaPasi Saari, investigador postdoctoral en la Universidad de Jyväskylä y el autor principal del estudio.
Como último paso del modelado, los investigadores utilizaron el aprendizaje automático para formar un modelo que predice la maestría musical a partir de una combinación de regiones cerebrales.
El modelo de aprendizaje automático fue capaz de predecir la musicalidad de los oyentes con un 77% de precisión, un resultado que está a la par con estudios similares sobre clasificación de participantes con, por ejemplo, poblaciones clínicas de pacientes con daño cerebral. Las áreas donde se procesa la músicala maestría musical mejor pronosticada residía principalmente en el hemisferio derecho e incluía áreas previamente asociadas con el compromiso y la atención, el procesamiento de convenciones musicales y el procesamiento de características de sonido relacionadas con la música por ejemplo, tono y tonalidad.
"Estas áreas pueden considerarse como estructuras centrales en el procesamiento de música que se ven más afectadas por la formación musical intensiva y de por vida", afirma Iballa Burunat, investigadora postdoctoral en la Universidad de Jyväskylä y coautora del estudio.
En estas áreas, el procesamiento de características de nivel superior como la tonalidad y el pulso fue el mejor predictor de la musicalidad, lo que sugiere que el entrenamiento musical afecta particularmente el procesamiento de estos aspectos de la música.
"La novedad de nuestro enfoque es la integración de la extracción de características acústicas computacionales con medidas funcionales de neuroimagen, obtenidas en un entorno realista de escucha de música, y teniendo en cuenta la dinámica del procesamiento neural. Representa una contribución significativa que complementa el cerebro recientemétodos de lectura que decodifican la información de los participantes de la actividad cerebral en condiciones realistas ", concluye Petri Toiviainen, profesor de la Academia de la Universidad de Jyväskylä y autor principal del estudio.
La investigación fue financiada por la Academia de Finlandia y la Fundación Nacional de Investigación de Dinamarca.
Fuente de la historia :
Materiales proporcionado por Universidad de Jyväskylä . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :