Gall gwyddonwyr ddeall a rhagweld cysylltiadau rhwng gwahanol feysydd yr ymennydd yn well diolch i algorithm dysgu peiriant newydd yn seiliedig ar GPU a grëwyd gan ymchwilwyr yn Sefydliad Gwyddoniaeth India (IISc).
Mae'r algorithm, a elwir yn Werthusiad Rheolaidd, Cyflymedig, Llinol Fascicle neu ReAl-LiFE, yn gallu dadansoddi'n effeithlon y symiau enfawr o ddata a gynhyrchir gan sganiau delweddu cyseiniant magnetig tryledol (dMRI) o'r ymennydd dynol.
Roedd defnydd y tîm o ReAL-LiFE yn caniatáu iddynt ddadansoddi data dMRI fwy na 150 gwaith yn gyflymach nag y gallent ei wneud gyda'r technegau diweddaraf o'r radd flaenaf.
Sut mae model cysylltedd yr ymennydd yn gweithio?
Bob eiliad, mae miliynau o niwronau'r ymennydd yn tanio, gan greu curiadau trydanol sy'n symud trwy rwydweithiau niwral - a elwir hefyd yn “acsonau” - o un rhan o'r ymennydd i'r llall.
Er mwyn i'r ymennydd weithredu fel cyfrifiadur, mae'r cysylltiadau hyn yn angenrheidiol. Fodd bynnag, mae dulliau traddodiadol o astudio cysylltiadau ymennydd yn aml yn cynnwys defnyddio modelau anifeiliaid ymledol.
Fodd bynnag, mae sganiau dMRI yn cynnig ffordd anfewnwthiol i archwilio cysylltiadau ymennydd dynol.
Priffyrdd gwybodaeth yr ymennydd yw'r ceblau (axons) sy'n cysylltu ei wahanol ranbarthau. Mae moleciwlau dŵr yn teithio ynghyd â bwndeli axon ar eu hyd mewn modd cyfeiriedig gan eu bod yn cael eu ffurfio fel tiwbiau.
Gellir gwneud y connectome, sy'n fap manwl o'r rhwydwaith o ffibrau sy'n rhychwantu'r ymennydd, yn bosibl gan dMRI, sy'n galluogi ymchwilwyr i ddilyn y symudiad hwn.
Yn anffodus, nid yw nodi'r cysylltiadau hyn yn syml. Dim ond llif net y moleciwlau dŵr ym mhob lleoliad yn yr ymennydd sy'n cael ei ddangos gan ddata'r sganiau.
Ystyriwch y moleciwlau dŵr fel automobiles. Heb wybod dim am y ffyrdd, yr unig wybodaeth a gesglir yw cyfeiriad a chyflymder y ceir ar bob pwynt mewn amser a lle.
Trwy fonitro'r patrymau traffig hyn, mae'r dasg yn debyg i awgrymu'r rhwydweithiau o ffyrdd. Mae dulliau confensiynol yn cyd-fynd yn agos â'r signal dMRI disgwyliedig o'r cysylltome a gasglwyd â'r signal dMRI gwirioneddol er mwyn adnabod y rhwydweithiau hyn yn gywir.
Er mwyn gwneud y optimeiddio hwn, creodd gwyddonwyr yn gynharach algorithm o'r enw LiFE (Gwerthuso Fascicle Linear), ond un o'i anfanteision oedd ei fod yn gweithredu ar Unedau Prosesu Canolog confensiynol (CPUs), a oedd yn gwneud y cyfrifiant yn cymryd llawer o amser.
Bywyd go iawn yn fodel chwyldroadol a grëwyd gan ymchwilwyr Indiaidd
I ddechrau, creodd ymchwilwyr algorithm o'r enw LiFE (Gwerthusiad Wyneb Llinellol) i wneud yr addasiad hwn, ond un o'i anfanteision oedd ei fod yn dibynnu ar Unedau Prosesu Canolog (CPUs) cyffredin, a gymerodd amser i'w gyfrifo.
Gwellodd tîm Sridharan eu techneg yn yr astudiaeth ddiweddaraf i leihau'r gwaith prosesu sydd ei angen mewn amrywiaeth o ffyrdd, gan gynnwys cael gwared ar gysylltiadau diangen a gwella perfformiad LiFE yn sylweddol.
Cafodd y dechnoleg ei mireinio ymhellach gan yr ymchwilwyr trwy ei pheirianneg i weithio ar Unedau Prosesu Graffeg (GPUs), sef sglodion trydanol arbenigol a ddefnyddir mewn cyfrifiaduron hapchwarae pen uchel.
Roedd hyn yn caniatáu iddynt archwilio data 100-150 gwaith yn gyflymach na dulliau blaenorol. Tgallai ei algorithm wedi'i ddiweddaru, ReAl-LiFE, hefyd ragweld sut y bydd gwrthrych prawf dynol yn gweithredu neu'n gwneud swydd benodol.
Mewn geiriau eraill, gan ddefnyddio cryfderau cyswllt rhagamcanol yr algorithm ar gyfer pob unigolyn, roedd y tîm yn gallu esbonio amrywiannau mewn sgorau profion ymddygiadol a gwybyddol ymhlith sampl o 200 o unigolion.
Gall dadansoddiad o’r fath hefyd fod â defnyddiau meddyginiaethol.” Mae prosesu data ar raddfa fawr yn dod yn fwyfwy pwysig ar gyfer cymwysiadau niwrowyddoniaeth data mawr, yn enwedig wrth ddeall gweithrediad iach yr ymennydd ac anhwylderau'r ymennydd.
Casgliad
I gloi, gallai ReAl-LiFE hefyd ragweld sut y bydd gwrthrych prawf dynol yn gweithredu neu'n gwneud swydd benodol.
Mewn geiriau eraill, gan ddefnyddio cryfderau cyswllt rhagamcanol yr algorithm ar gyfer pob unigolyn, roedd y tîm yn gallu esbonio amrywiannau mewn sgorau profion ymddygiadol a gwybyddol ymhlith sampl o 200 o unigolion.
Gall dadansoddiad o’r fath hefyd fod â defnyddiau meddyginiaethol.” Mae prosesu data ar raddfa fawr yn dod yn fwyfwy pwysig ar gyfer cymwysiadau niwrowyddoniaeth data mawr, yn enwedig wrth ddeall gweithrediad iach yr ymennydd ac anhwylderau'r ymennydd.
Gadael ymateb