Навукоўцы могуць лепш разумець і прагназаваць сувязі паміж рознымі абласцямі мозгу дзякуючы новаму алгарытму машыннага навучання на аснове GPU, створанаму даследчыкамі з Індыйскага інстытута навукі (IISc).
Алгарытм, вядомы як Regularized, Accelerated, Linear Fascicle Evaluation або ReAl-LiFE, здольны эфектыўна аналізаваць велізарныя аб'ёмы даных, якія атрымліваюцца з дапамогай дыфузійнай магнітна-рэзананснай тамаграфіі (dMRI) чалавечага мозгу.
Выкарыстанне камандай ReAL-LiFE дазволіла ім аналізаваць дадзеныя dMRI больш чым у 150 разоў хутчэй, чым яны маглі б зрабіць з сучаснымі метадамі.
Як працуе мадэль падключэння мозгу?
Кожную секунду мільёны нейронаў галаўнога мозгу спрацоўваюць, ствараючы электрычныя імпульсы, якія перамяшчаюцца па нейронавых сетках — таксама вядомых як «аксоны» — ад адной часткі мозгу да іншай.
Каб мозг працаваў як кампутар, гэтыя сувязі неабходныя. Аднак традыцыйныя метады вывучэння мазгавых сувязяў часта ўключаюць выкарыстанне інвазівных мадэляў жывёл.
Аднак сканаванне dMRI прапануе неінвазіўны спосаб даследаваць сувязі мозгу чалавека.
Інфармацыйныя магістралі мозгу - гэта кабелі (аксоны), якія злучаюць яго розныя вобласці. Малекулы вады рухаюцца разам з пучкамі аксонаў па сваёй даўжыні накіраваным чынам, паколькі яны ўтвораны як трубкі.
Канэктом, які ўяўляе сабой падрабязную карту сеткі валокнаў, якія ахопліваюць мозг, можа быць створаны з дапамогай мРТ, што дазваляе даследчыкам сачыць за гэтым рухам.
На жаль, ідэнтыфікаваць гэтыя канэктомы няпроста. Дадзеныя сканавання паказваюць толькі чысты паток малекул вады ў кожным месцы ў мозгу.
Разгледзім малекулы вады як аўтамабілі. Не ведаючы нічога пра дарогі, адзіная інфармацыя, якая збіраецца, - гэта кірунак і хуткасць аўтамабіляў у кожны момант часу і месца.
Пры маніторынгу гэтых мадэляў дарожнага руху задача параўнальная з высновай аб сетках дарог. Звычайныя падыходы дакладна супастаўляюць чаканы сігнал dMRI ад меркаванага канэктома з фактычным сігналам dMRI, каб правільна ідэнтыфікаваць гэтыя сеткі.
Для гэтай аптымізацыі навукоўцы раней стварылі алгарытм пад назвай LiFE (Linear Fascicle Evaluation), але адным з яго недахопаў было тое, што ён працаваў на звычайных цэнтральных працэсарах (CPU), што рабіла вылічэнні працаёмкімі.
Рэальнае жыццё - гэта рэвалюцыйная мадэль, створаная індыйскімі даследчыкамі
Першапачаткова даследчыкі стварылі алгарытм пад назвай LiFE (Лінейная фасцыяльная ацэнка), каб зрабіць гэтую карэкціроўку, але адным з яго недахопаў было тое, што ён залежаў ад звычайных цэнтральных працэсараў (CPU), для вылічэння якіх патрабаваўся час.
Каманда Sridharan палепшыла сваю тэхніку ў апошнім даследаванні, каб мінімізаваць працу па апрацоўцы, неабходнай рознымі спосабамі, уключаючы выдаленне лішніх злучэнняў і значнае павышэнне прадукцыйнасці LiFE.
Даследчыкі ўдасканалілі гэтую тэхналогію, распрацаваўшы яе для працы з графічнымі працэсарамі (GPU), якія ўяўляюць сабой спецыялізаваныя электрычныя чыпы, якія выкарыстоўваюцца ў гульнявых ПК высокага класа.
Гэта дазволіла ім вывучаць дадзеныя ў 100-150 разоў хутчэй, чым папярэднія падыходы. Тяго абноўлены алгарытм ReAl-LiFE таксама можа прадбачыць, як падыспытны чалавек будзе дзейнічаць або выконваць пэўную працу.
Іншымі словамі, выкарыстоўваючы прагназаваныя алгарытмам сілы сувязі для кожнага чалавека, каманда змагла растлумачыць адхіленні ў выніках паводніцкіх і кагнітыўных тэстаў сярод выбаркі з 200 чалавек.
Такі аналіз таксама можа быць выкарыстаны ў медыцынскіх мэтах». Маштабная апрацоўка даных становіцца ўсё больш важнай для прымянення вялікіх даных у неўралогіі, асабліва для разумення здаровай функцыі мозгу і парушэнняў мозгу.
заключэнне
У заключэнне ReAl-LiFE можа таксама прадбачыць, як падыспытны чалавек будзе дзейнічаць або выконваць пэўную працу.
Іншымі словамі, выкарыстоўваючы прагназаваныя алгарытмам сілы сувязі для кожнага чалавека, каманда змагла растлумачыць адхіленні ў выніках паводніцкіх і кагнітыўных тэстаў сярод выбаркі з 200 чалавек.
Такі аналіз таксама можа быць выкарыстаны ў медыцынскіх мэтах». Маштабная апрацоўка даных становіцца ўсё больш важнай для прымянення вялікіх даных у неўралогіі, асабліва для разумення здаровай функцыі мозгу і парушэнняў мозгу.
Пакінуць каментар