جدول المحتويات[يخفي][يعرض]
يمكن للعلماء أن يكونوا أكثر قدرة على فهم الروابط بين مناطق الدماغ المختلفة والتنبؤ بها بفضل خوارزمية التعلم الآلي الجديدة القائمة على وحدة معالجة الرسومات التي أنشأها باحثون في المعهد الهندي للعلوم (IISc).
الخوارزمية ، المعروفة باسم التقييم المنتظم ، المعجل ، الخطي للقيمة أو ReAl-LiFE ، قادرة على تحليل الأحجام الهائلة من البيانات الناتجة عن فحوصات التصوير بالرنين المغناطيسي (dMRI) للدماغ البشري بكفاءة.
سمح استخدام الفريق لـ ReAL-LiFE بتحليل بيانات الرنين المغناطيسي الوظيفي (dMRI) أسرع بـ 150 مرة مما يمكن أن يتمتعوا به باستخدام أحدث التقنيات الحالية.
كيف يعمل نموذج اتصال الدماغ؟
في كل ثانية ، تنطلق ملايين الخلايا العصبية في الدماغ ، محدثة نبضات كهربائية تتحرك عبر الشبكات العصبية - المعروفة أيضًا باسم "المحاور" - من جزء من الدماغ إلى جزء آخر.
لكي يعمل الدماغ كجهاز كمبيوتر ، فإن هذه الاتصالات ضرورية. ومع ذلك ، غالبًا ما تتضمن الطرق التقليدية لدراسة وصلات الدماغ استخدام نماذج حيوانية غازية.
ومع ذلك ، فإن فحوصات التصوير بالرنين المغناطيسي (dMRI) توفر طريقة غير جراحية لفحص اتصالات الدماغ البشري.
الطرق السريعة للمعلومات في الدماغ هي الكابلات (المحاور) التي تربط مناطقه المختلفة. تنتقل جزيئات الماء جنبًا إلى جنب مع حزم المحاور بطولها بطريقة موجهة لأنها تتشكل مثل الأنابيب.
يمكن جعل الشبكة العصبية ، وهي خريطة مفصلة لشبكة الألياف التي تمتد عبر الدماغ ، ممكنة بواسطة dMRI ، مما يتيح للباحثين متابعة هذه الحركة.
لسوء الحظ ، فإن تحديد هذه الشبكات العصبية ليس بالأمر السهل. تظهر بيانات المسح فقط التدفق الصافي لجزيئات الماء في كل مكان في الدماغ.
اعتبر جزيئات الماء مثل السيارات. دون معرفة أي شيء عن الطرق ، فإن المعلومات الوحيدة التي يتم جمعها هي اتجاه السيارات وسرعتها في كل نقطة في الزمان والمكان.
من خلال مراقبة أنماط المرور هذه ، يمكن مقارنة المهمة باستنتاج شبكات الطرق. تتطابق الأساليب التقليدية بشكل وثيق مع إشارة dMRI المتوقعة من الشبكة العصبية المستنتجة مع إشارة dMRI الفعلية من أجل تحديد هذه الشبكات بشكل صحيح.
للقيام بهذا التحسين ، أنشأ العلماء في وقت سابق خوارزمية تسمى LiFE (Linear Fascicle Evaluation) ، ولكن أحد عيوبها هو أنها تعمل على وحدات المعالجة المركزية التقليدية (CPUs) ، مما جعل الحساب يستغرق وقتًا طويلاً.
الحياه الحقيقيه هو نموذج ثوري ابتكره باحثون هنود
في البداية ، أنشأ الباحثون خوارزمية تسمى LiFE (التقييم اللفظي الخطي) للقيام بهذا التعديل ، ولكن أحد عيوبها هو أنها تعتمد على وحدات المعالجة المركزية العادية (CPUs) ، والتي تستغرق وقتًا لحسابها.
قام فريق Sridharan بتحسين أسلوبهم في أحدث دراسة لتقليل أعمال المعالجة المطلوبة بعدة طرق ، بما في ذلك إزالة الاتصالات الزائدة عن الحاجة وتحسين أداء LiFE بشكل كبير.
تم تحسين التكنولوجيا بشكل أكبر من قبل الباحثين من خلال هندستها للعمل على وحدات معالجة الرسومات (GPUs) ، وهي شرائح كهربائية متخصصة تستخدم في أجهزة الكمبيوتر المخصصة للألعاب.
سمح لهم ذلك بفحص البيانات بمعدل 100-150 مرة أسرع من الأساليب السابقة. تييمكن أن تتوقع خوارزميته المحدثة ، ReAl-LiFE ، أيضًا كيف سيتصرف موضوع الاختبار البشري أو يقوم بعمل معين.
بعبارة أخرى ، باستخدام نقاط قوة الارتباط المتوقعة للخوارزمية لكل فرد ، تمكن الفريق من شرح الفروق في درجات الاختبار السلوكي والمعرفي بين عينة من 200 فرد.
يمكن أن يكون لهذا التحليل أيضًا استخدامات طبية ". أصبحت معالجة البيانات على نطاق واسع ذات أهمية متزايدة لتطبيقات علم الأعصاب للبيانات الضخمة ، لا سيما في فهم وظائف الدماغ الصحية واضطرابات الدماغ.
وفي الختام
في الختام ، يمكن أن تتوقع ReAl-LiFE أيضًا كيف سيتصرف موضوع الاختبار البشري أو يقوم بعمل معين.
بعبارة أخرى ، باستخدام نقاط قوة الارتباط المتوقعة للخوارزمية لكل فرد ، تمكن الفريق من شرح الفروق في درجات الاختبار السلوكي والمعرفي بين عينة من 200 فرد.
يمكن أن يكون لهذا التحليل أيضًا استخدامات طبية ". أصبحت معالجة البيانات على نطاق واسع ذات أهمية متزايدة لتطبيقات علم الأعصاب للبيانات الضخمة ، لا سيما في فهم وظائف الدماغ الصحية واضطرابات الدماغ.
اترك تعليق