Inhaltsverzeechnes[Verstoppen][Show]
Wëssenschaftler kënne besser fäeg sinn d'Verbindungen tëscht verschiddene Gehirgebidder ze verstoen an ze prognostéieren dank engem neie GPU-baséierte Maschinnléieralgorithmus erstallt vu Fuerscher am Indian Institute of Science (IISc).
Den Algorithmus, bekannt als Regularized, Accelerated, Linear Fascicle Evaluation oder ReAl-LiFE, ass fäeg déi massiv Volumen vun Daten effizient ze analyséieren, déi duerch Diffusiounsmagnetesch Resonanz Imaging (dMRI) Scans vum mënschleche Gehir produzéiert ginn.
D'Benotzung vum Team vu ReAL-LiFE huet hinnen erlaabt dMRI Daten méi wéi 150 Mol méi séier ze analyséieren wéi se mat aktuellen modernsten Techniken hätten.
Wéi funktionnéiert de Gehir Konnektivitéitsmodell?
All Sekonn brennen d'Millioune vun Neuronen vum Gehir, déi elektresch Impulser kreéieren déi iwwer neural Netzwierker bewegen - och bekannt als "Axonen" - vun engem Deel vum Gehir an en aneren.
Fir datt de Gehir als Computer funktionéiert, sinn dës Verbindungen néideg. Wéi och ëmmer, traditionell Methode fir Gehirverbindungen ze studéieren involvéieren dacks d'Benotzung vun invasiven Déieremodeller.
Wéi och ëmmer, dMRI Scans bidden en net-invasiv Wee fir mënschlech Gehirverbindungen z'ënnersichen.
D'Informatiounsautobahnen vum Gehir sinn d'Kabelen (Axonen) déi seng verschidde Regioune verbannen. Waassermoleküle reesen zesumme mat Axonbündelen laanscht hir Längt op eng geriicht Manéier well se wéi Réier geformt sinn.
De Connectome, dat ass eng detailléiert Kaart vum Netz vu Faseren, déi d'Gehir iwwerspanen, kann duerch dMRI méiglech gemaach ginn, wat d'Fuerscher et erméiglecht dës Bewegung ze verfollegen.
Leider ass dës Verbindungen z'identifizéieren net einfach. Nëmmen den Nettofluss vu Waassermoleküle op all Plaz am Gehir gëtt duerch d'Scandaten gewisen.
Betruecht d'Waassermoleküle als Autoen. Ouni eppes iwwer d'Stroossen ze wëssen, ass déi eenzeg gesammelt Informatioun d'Richtung an d'Geschwindegkeet vun den Autoen op all Punkt an Zäit a Plaz.
Duerch d'Iwwerwaachung vun dëse Verkéiersmuster ass d'Aufgab vergläichbar mat der Oflehnung vun den Netzwierker vu Stroossebunnen. Konventionell Approche passen enk dem erwaarten dMRI-Signal aus dem ofgeleete Connectom mam aktuellen dMRI-Signal fir dës Netzwierker korrekt z'identifizéieren.
Fir dës Optimisatioun ze maachen, hunn d'Wëssenschaftler virdru en Algorithmus genannt LiFE (Linear Fascicle Evaluatioun) erstallt, awer ee vu sengen Nodeeler war datt et op konventionell Zentralveraarbechtungsunitéiten (CPUs) operéiert huet, wat d'Berechnung Zäitopwendeg gemaach huet.
Richtegt Liewen ass e revolutionäre Modell dee vun indesche Fuerscher erstallt gouf
Am Ufank hunn d'Fuerscher en Algorithmus genannt LiFE (Linear Fascial Evaluation) erstallt fir dës Upassung ze maachen, awer ee vu senge Nodeeler war datt et vun normalen Zentralveraarbechtungsunitéiten (CPUs) ofhänkt, déi Zäit gedauert huet fir ze berechnen.
D'Team vum Sridharan huet hir Technik an der neier Etude verbessert fir d'Veraarbechtungsaarbecht op verschidde Weeër ze minimiséieren, inklusiv redundante Verbindungen ze läschen an d'LiFE Leeschtung wesentlech ze verbesseren.
D'Technologie gouf vun de Fuerscher weider raffinéiert andeems se se entwéckelt fir op Grafikveraarbechtungsunitéiten (GPUs) ze schaffen, déi spezialiséiert elektresch Chips sinn, déi an High-End Gaming PCs benotzt ginn.
Dëst erlaabt hinnen Daten 100-150 Mol méi séier z'ënnersichen wéi virdrun Approche. Tsäin aktualiséierten Algorithmus, ReAl-LiFE, kéint och virgoen wéi e mënschlecht Testpersoun handelt oder eng gewëssen Aarbecht mécht.
An anere Wierder, mat de projizéierte Linkstäerkten vum Algorithmus fir all Individuum konnt d'Team Varianzen an de Verhalens- a kognitiven Tester Scores ënner enger Probe vun 200 Individuen erklären.
Esou Analyse kann och medizinesch Notzung hunn. Grouss-Skala Dateveraarbechtung gëtt ëmmer méi wichteg fir Big-Daten Neurowëssenschaften Uwendungen, besonnesch am Versteesdemech vun gesond Gehir Funktioun a Gehir Stéierungen.
Konklusioun
Als Ofschloss kéint ReAl-LiFE och virausgoen, wéi e mënschlecht Testpersoun handelt oder eng gewëssen Aarbecht mécht.
An anere Wierder, mat de projizéierte Linkstäerkten vum Algorithmus fir all Individuum konnt d'Team Varianzen an de Verhalens- a kognitiven Tester Scores ënner enger Probe vun 200 Individuen erklären.
Esou Analyse kann och medizinesch Notzung hunn. Grouss-Skala Dateveraarbechtung gëtt ëmmer méi wichteg fir Big-Daten Neurowëssenschaften Uwendungen, besonnesch am Versteesdemech vun gesond Gehir Funktioun a Gehir Stéierungen.
Hannerlooss eng Äntwert