携手健康网携手健康网

机器智能加速了大脑映射的研究

一项新的研究报告称,日本脑科学项目的科学家已经使用机器智能来提高一种强大的脑映射技术的准确性和可靠性。他们的研究成果发表在12月18日的《科学报告》上,使研究人员对使用该技术解开人脑的布线并更好地理解伴随帕金森氏症或阿尔茨海默氏症等神经系统或精神疾病的变化充满信心。

“研究出所有不同的大脑区域之间的连接方式(我们称之为大脑的连接体),对于充分理解大脑及其执行的所有复杂过程至关重要,”神经计算单元负责人Kenji Doya教授说。冲绳科技大学研究生院(OIST)。

为了识别连接体,研究人员追踪了遍布整个大脑的神经细胞纤维。在动物实验中,科学家可以将荧光示踪剂注入大脑的多个点,并在图像中成像这些点延伸出的神经纤维。但是这个过程需要分析来自许多动物的数百个大脑切片。Doya教授解释说,由于它具有侵入性,因此不能在人类中使用。

但是,磁共振成像(MRI)的进步使得无创地估计连接组成为可能。这种技术称为基于扩散MRI的纤维跟踪,它利用强大的磁场跟踪水分子沿神经纤维移动或扩散时的信号。然后,计算机算法使用这些水信号来估计整个大脑中神经纤维的路径。

但是目前,这些算法还没有令人信服的结果。正如照片可能会根据摄影师选择的相机设置看起来有所不同一样,科学家为这些算法选择的设置或参数可能会生成截然不同的连接组。

OIST神经计算部门的第一作者,博士后研究员Carlos Gutierrez博士说:“这种方法的可靠性令人担忧。” “连接组可以由假阳性决定,这意味着它们显示出的神经连接并不真正存在。”

此外,该算法还难以检测在大脑偏远区域之间伸展的神经纤维。古铁雷斯博士说,这些长距离连接对于理解大脑的功能最重要。

2013年,科学家发起了一项由日本政府主导的项目,称为Brain / MINDS(疾病研究综合神经技术进行脑定位),以绘制—猴的大脑图,mos猴是小非人灵长类动物,其大脑与人的大脑具有相似的结构。

Brain / MINDS项目旨在通过使用非侵入性MRI成像技术和侵入性荧光示踪剂技术来创建mar猴大脑的完整连接体。

Gutierrez博士说:“该项目的数据集为我们提供了一个非常独特的机会,可以比较两种技术所产生的同一大脑的结果,并确定需要设置哪些参数以生成最精确的基于MRI的连接体。” 。

在当前的研究中,研究人员着手对两种不同的广泛使用的算法的参数进行微调,以使它们能够可靠地检测远距离光纤。他们还希望确保算法能够识别出尽可能多的光纤,同时最小化精确定位实际不存在的光纤。

研究人员没有手动尝试所有不同的参数组合,而是转向了机器智能。

为了确定最佳参数,研究人员使用了一种进化算法。纤维跟踪算法使用在每个连续的世代中更改(或突变)的参数,从扩散MRI数据估计连接体。这些参数相互竞争,而最好的参数(那些生成与荧光示踪剂检测到的神经网络最匹配的连接体)则进入了下一代。

研究人员使用荧光示踪剂和来自十个不同from猴大脑的MRI数据对算法进行了测试。

研究人员发现,即使对于机器来说,选择最佳参数也不是一件容易的事。博士说:“某些参数可能会降低误报率,但使检测远程连接更为困难。我们要解决的不同问题之间存在冲突。因此,决定每次选择哪种参数总是需要权衡的。”古铁雷斯。

在“适者生存”过程的多代过程中,为每个大脑运行的算法相互交换了最佳参数,从而使算法能够确定一组更相似的参数。在此过程的最后,研究人员采用最佳参数并将其平均,以创建一个共享集。

“组合参数是重要的一步。每个人的大脑各不相同,因此总会有一个唯一的参数组合对一个特定的大脑最有效。但是我们的目标是提出对所有人都适用的最佳通用参数集mo猴大脑。”古铁雷斯博士解释说。

研究小组发现,与先前使用的默认参数相比,具有优化参数通用集的算法还在新mar猴大脑中生成了更准确的连接组,而新mar猴大脑不是原始训练集的一部分。

研究人员说,通过使用默认参数和优化参数的算法构建的图像之间的显着差异发出了有关基于MRI的连接组研究的明显警告。

古铁雷斯博士警告说:“它对使用未经优化或验证的算法的任何研究提出了疑问。”

未来,科学家希望使使用机器智能的过程更快地识别最佳参数,并使用改进的算法来更准确地确定患有神经系统或精神疾病的大脑的连接体。

Gutierrez博士说:“最终,基于扩散MRI的纤维跟踪可用于绘制整个人的大脑图,并查明健康和患病大脑之间的差异。” “这可能使我们更进一步地学习如何治疗这些疾病。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。