ساینس پوهان د دې وړتیا لري چې د دماغ د مختلف برخو ترمینځ اړیکې درک او وړاندوینه وکړي د نوي GPU پراساس ماشین زده کړې الګوریتم څخه مننه چې د هند ساینس انسټیټیوټ (IISc) کې د څیړونکو لخوا رامینځته شوی.
الګوریتم، چې د منظم، سرعت، خطي فاسیکل ارزونې یا ReAl-LiFE په نوم پیژندل کیږي، د دې وړتیا لري چې د انسان دماغ د ډیفیوژن مقناطیسي ریزونانس امیجنګ (dMRI) سکینونو لخوا تولید شوي ډیټا پراخه حجم په مؤثره توګه تحلیل کړي.
د ټیم لخوا د Real-LiFE کارولو دوی ته اجازه ورکړه چې د اوسني عصري تخنیکونو په پرتله د dMRI ډیټا 150 ځله ډیر ګړندي تحلیل کړي.
د دماغ ارتباط ماډل څنګه کار کوي؟
په هره ثانیه کې، د دماغ ملیونونه نیورونونه اور لګوي، د بریښنا نبضونه رامینځته کوي چې د عصبي شبکو له لارې حرکت کوي - چې د "axons" په نوم هم پیژندل کیږي - د دماغ له یوې برخې څخه بلې ته.
د دې لپاره چې دماغ د کمپیوټر په توګه کار وکړي، دا اړیکې اړین دي. په هرصورت، د دماغي اړیکو مطالعې لپاره دودیز میتودونه اکثرا د څارویو د څارویو ماډلونو کارول شامل دي.
په هرصورت، د dMRI سکینونه د انسان دماغ اړیکو معاینه کولو لپاره غیر انتفاعي لاره وړاندې کوي.
د مغز د معلوماتو لویې لارې هغه کیبلونه (axons) دي چې مختلفې سیمې سره نښلوي. د اوبو مالیکولونه د اکسون بنډلونو سره د دوی اوږدوالی په مستقیم ډول سفر کوي ځکه چې دوی د ټیوبونو په څیر رامینځته شوي.
نښلونکی، چې په مغزو کې د فایبرونو د شبکې یوه مفصله نقشه ده، د dMRI لخوا ممکنه کیدی شي، کوم چې څیړونکو ته دا توان ورکوي چې دا حرکت تعقیب کړي.
له بده مرغه، د دې ارتباطاتو پیژندل ساده ندي. په مغز کې په هر ځای کې یوازې د اوبو مالیکولونو خالص جریان د سکین معلوماتو لخوا ښودل شوي.
د اوبو مالیکولونه د موټرو په توګه په پام کې ونیسئ. پرته له دې چې د سړکونو په اړه څه پوه شي، یوازې راټول شوي معلومات په وخت او ځای کې د موټرو سمت او سرعت دی.
د دې ټرافيکي نمونو په څارلو سره، دا دنده د سړکونو د شبکو اټکل کولو سره د پرتلې وړ ده. دودیزې تګلارې د اټکل شوي dMRI سیګنال سره نږدې د اټکل شوي ارتباط څخه د ریښتیني dMRI سیګنال سره سمون لري ترڅو دا شبکې په سمه توګه وپیژني.
د دې اصلاح کولو لپاره ، ساینس پوهانو دمخه د LiFE (لینیر فاسیکل ارزونې) په نوم یو الګوریتم رامینځته کړی ، مګر د هغې یو نیمګړتیا دا وه چې دا په دودیز مرکزي پروسس کولو واحدونو (CPUs) باندې کار کوي ، کوم چې د محاسبې وخت ضایع کوي.
ریال ژوند یو انقلابي ماډل دی چې د هندي څیړونکو لخوا رامینځته شوی
په پیل کې، څیړونکو د دې تعدیل کولو لپاره د LiFE (لینیر فاشیل ارزونې) په نوم یو الګوریتم رامینځته کړ، مګر د هغې یوه نیمګړتیا دا وه چې دا په عادي مرکزي پروسس کولو واحدونو (CPUs) پورې اړه لري، چې د محاسبې لپاره وخت نیسي.
د سریدران ټیم په نوې څیړنه کې خپل تخنیک ته وده ورکړه ترڅو د پروسس کولو کار په مختلفو لارو کې کم کړي، په شمول د بې ځایه اړیکو لرې کول او د پام وړ د LiFE فعالیت ښه کول.
دا ټیکنالوژي د څیړونکو لخوا د ګرافیک پروسس کولو واحدونو (GPUs) باندې کار کولو لپاره د انجینرۍ لخوا نوره هم اصالح شوې ، کوم چې ځانګړي بریښنایی چپس دي چې په لوړ پای لوبو کمپیوټرونو کې کارول کیږي.
دا دوی ته اجازه ورکړه چې د پخوانیو تګلارو په پرتله 100-150 ځله ګړندي معلومات معاینه کړي. ټد هغه تازه شوي الګوریتم، ریال-لایف، دا هم اټکل کولی شي چې د انسان د ازموینې موضوع به څنګه عمل وکړي یا یو مشخص دنده ترسره کړي.
په بل عبارت، د هر فرد لپاره د الګوریتم د اټکل شوي لینک پیاوړتیا په کارولو سره، ټیم وکولی شو د 200 افرادو نمونې په منځ کې د چلند او ادراکي ازموینې نمرو کې توپیرونه تشریح کړي.
دا ډول تحلیل کولی شي د درملو کارول هم ولري. د لوی پیمانه ډیټا پروسس کول د لوی ډیټا عصبي ساینس غوښتنلیکونو لپاره ورځ تر بلې مهم کیږي ، په ځانګړي توګه د صحي دماغ فعالیت او دماغي اختلالاتو په پوهیدو کې.
پایله
په پایله کې، ReAl-LiFE دا اټکل هم کولی شي چې د انسان د ازموینې موضوع به څنګه عمل وکړي یا یو ځانګړی دنده ترسره کړي.
په بل عبارت، د هر فرد لپاره د الګوریتم د اټکل شوي لینک پیاوړتیا په کارولو سره، ټیم وکولی شو د 200 افرادو نمونې په منځ کې د چلند او ادراکي ازموینې نمرو کې توپیرونه تشریح کړي.
دا ډول تحلیل کولی شي د درملو کارول هم ولري. د لوی پیمانه ډیټا پروسس کول د لوی ډیټا عصبي ساینس غوښتنلیکونو لپاره ورځ تر بلې مهم کیږي ، په ځانګړي توګه د صحي دماغ فعالیت او دماغي اختلالاتو په پوهیدو کې.
یو ځواب ورکړئ ووځي