Энэтхэгийн Шинжлэх ухааны хүрээлэнгийн (IISc) судлаачдын бүтээсэн GPU-д суурилсан машин сургалтын шинэ алгоритмын ачаар эрдэмтэд тархины янз бүрийн хэсгүүдийн хоорондын холболтыг илүү сайн ойлгож, урьдчилан таамаглах боломжтой болсон.
Тогтмол, хурдасгасан, шугаман фасцикулын үнэлгээ эсвэл ReAl-LiFE гэж нэрлэгддэг алгоритм нь хүний тархины тархалтын соронзон резонансын дүрслэл (dMRI) сканнераас үүссэн асар их хэмжээний өгөгдөлд үр дүнтэй дүн шинжилгээ хийх чадвартай.
Багийнхан REAL-LiFE-ийг ашигласнаар dMRI-ийн мэдээллийг орчин үеийн дэвшилтэт техниктэй харьцуулахад 150 дахин хурдан шинжлэх боломжийг олгосон.
Тархины холболтын загвар хэрхэн ажилладаг вэ?
Секунд тутамд тархины сая сая мэдрэлийн эсүүд шатаж, тархины нэг хэсгээс нөгөө хэсэг рүү "аксон" гэж нэрлэгддэг мэдрэлийн сүлжээгээр дамждаг цахилгаан импульс үүсгэдэг.
Тархи компьютер шиг ажиллахын тулд эдгээр холболтууд зайлшгүй шаардлагатай. Гэсэн хэдий ч тархины холболтыг судлах уламжлалт аргууд нь ихэвчлэн амьтдын инвазив загварыг ашиглах явдал юм.
Гэсэн хэдий ч dMRI сканнер нь хүний тархины холболтыг шалгах инвазив бус аргыг санал болгодог.
Тархины мэдээллийн хурдны замууд нь түүний янз бүрийн бүс нутгийг холбодог кабель (аксон) юм. Усны молекулууд нь гуурсан хоолой шиг үүсдэг тул аксон багцын дагуу уртын дагуу чиглэлтэй явдаг.
Тархины утаснуудын сүлжээний нарийвчилсан зураг болох холбогчийг dMRI-ийн тусламжтайгаар хийх боломжтой бөгөөд энэ нь судлаачдад энэ хөдөлгөөнийг дагах боломжийг олгодог.
Харамсалтай нь эдгээр холболтыг тодорхойлох нь тийм ч хялбар биш юм. Тархины байршил тус бүр дэх усны молекулуудын цэвэр урсгалыг сканнерын өгөгдөлд л харуулдаг.
Усны молекулуудыг автомашин гэж үзье. Замын талаар юу ч мэдэхгүй, зөвхөн цаг хугацаа, газар бүрт машинуудын чиглэл, хурд зэргийг цуглуулдаг.
Хөдөлгөөний эдгээр хэв маягийг хянах замаар энэ ажлыг замын сүлжээг гаргахтай харьцуулж болно. Уламжлалт аргууд нь эдгээр сүлжээг зөв тодорхойлохын тулд таамагласан холболтоос хүлээгдэж буй dMRI дохиог бодит dMRI дохиотой нягт уялдуулдаг.
Энэ оновчлолыг хийхийн тулд эрдэмтэд өмнө нь LiFE (Linear Fascicle Evaluation) хэмээх алгоритмыг бүтээсэн боловч түүний нэг сул тал нь ердийн төв процессор (CPU) дээр ажилладаг байсан нь тооцоололд цаг хугацаа их зарцуулдаг байв.
Жинхэнэ амьдрал Энэтхэг судлаачдын бүтээсэн хувьсгалт загвар юм
Эхэндээ судлаачид энэ тохируулгыг хийхийн тулд LiFE (Linear Fascial Evaluation) хэмээх алгоритмыг бүтээсэн боловч түүний нэг сул тал нь энгийн төв процессор (CPU)-аас хамааралтай байсан бөгөөд үүнийг тооцоолоход цаг хугацаа шаардагддаг.
Шридхараны баг нэмэлт холболтыг арилгах, LiFE-ийн гүйцэтгэлийг мэдэгдэхүйц сайжруулах зэрэг янз бүрийн аргаар шаардлагатай боловсруулалтын ажлыг багасгахын тулд хамгийн сүүлийн үеийн судалгаагаар техникээ сайжруулсан.
Энэхүү технологийг судлаачид өндөр зэрэглэлийн тоглоомын компьютерт ашигладаг тусгай цахилгаан чипүүд болох График боловсруулах нэгж (GPU) дээр ажиллахаар инженерчлэлийн замаар улам боловсронгуй болгосон.
Энэ нь өмнөх аргуудаас 100-150 дахин хурдан өгөгдлийг шалгах боломжийг олгосон. ТТүүний шинэчилсэн алгоритм болох ReAl-LiFE нь хүний туршилтын субъект хэрхэн ажиллах эсвэл тодорхой ажил хийхийг урьдчилан таамаглаж чадна.
Өөрөөр хэлбэл, алгоритмын тооцоолсон холбоосын хүчийг хувь хүн бүрт ашиглан баг 200 хүний түүврийн дунд зан төлөв, танин мэдэхүйн тестийн онооны зөрүүг тайлбарлаж чадсан.
Ийм шинжилгээ нь эмийн хэрэглээтэй байж болно." Том хэмжээний өгөгдөл боловсруулах нь том өгөгдлийн мэдрэл судлалын хэрэглээнд, ялангуяа тархины эрүүл үйл ажиллагаа, тархины эмгэгийг ойлгоход улам чухал болж байна.
Дүгнэлт
Дүгнэж хэлэхэд, ReAl-LiFE нь хүний туршилтын субъект хэрхэн ажиллах эсвэл тодорхой ажил хийхийг урьдчилан таамаглаж чадна.
Өөрөөр хэлбэл, алгоритмын тооцоолсон холбоосын хүчийг хувь хүн бүрт ашиглан баг 200 хүний түүврийн дунд зан төлөв, танин мэдэхүйн тестийн онооны зөрүүг тайлбарлаж чадсан.
Ийм шинжилгээ нь эмийн хэрэглээтэй байж болно." Том хэмжээний өгөгдөл боловсруулах нь том өгөгдлийн мэдрэл судлалын хэрэглээнд, ялангуяа тархины эрүүл үйл ажиллагаа, тархины эмгэгийг ойлгоход улам чухал болж байна.
хариу үлдээх