Vedci môžu byť schopní lepšie pochopiť a predpovedať prepojenia medzi rôznymi oblasťami mozgu vďaka novému algoritmu strojového učenia založenému na GPU, ktorý vytvorili výskumníci z Indického inštitútu vedy (IISc).
Algoritmus, známy ako Regularized, Accelerated, Linear Fascicle Evaluation alebo ReAl-LiFE, je schopný efektívne analyzovať obrovské objemy údajov produkovaných difúznym zobrazovaním pomocou magnetickej rezonancie (dMRI) ľudského mozgu.
Použitie ReAL-LiFE v tíme im umožnilo analyzovať údaje dMRI viac ako 150-krát rýchlejšie, než by mohli mať so súčasnými najmodernejšími technikami.
Ako funguje model mozgovej konektivity?
Každú sekundu sa milióny neurónov v mozgu spúšťajú a vytvárajú elektrické impulzy, ktoré sa pohybujú prostredníctvom neurónových sietí – tiež známych ako „axóny“ – z jednej časti mozgu do druhej.
Aby mozog fungoval ako počítač, sú tieto spojenia nevyhnutné. Tradičné metódy na štúdium mozgových spojení však často zahŕňajú použitie invazívnych zvieracích modelov.
Skenovanie dMRI však ponúka neinvazívny spôsob skúmania spojení ľudského mozgu.
Informačné diaľnice mozgu sú káble (axóny), ktoré spájajú jeho rôzne oblasti. Molekuly vody sa pohybujú spolu so zväzkami axónov pozdĺž ich dĺžky riadeným spôsobom, pretože sú tvorené ako rúrky.
Konektóm, ktorý je podrobnou mapou siete vlákien pokrývajúcich mozog, môže byť umožnený pomocou dMRI, čo umožňuje výskumníkom sledovať tento pohyb.
Bohužiaľ, identifikácia týchto konektómov nie je jednoduchá. Údaje zo skenov ukazujú iba čistý tok molekúl vody na každom mieste v mozgu.
Považujte molekuly vody za automobily. Bez toho, aby sme vedeli čokoľvek o vozovkách, jedinou zhromažďovanou informáciou je smer a rýchlosť áut v každom bode v čase a mieste.
Monitorovaním týchto vzorcov dopravy je úloha porovnateľná s odvodzovaním sietí ciest. Konvenčné prístupy sa tesne zhodujú s očakávaným signálom dMRI z odvodeného konektómu so skutočným signálom dMRI, aby sa tieto siete správne identifikovali.
Na vykonanie tejto optimalizácie vedci predtým vytvorili algoritmus s názvom LiFE (Linear Fascicle Evaluation), ale jednou z jeho nevýhod bolo, že fungoval na konvenčných centrálnych procesorových jednotkách (CPU), vďaka čomu bol výpočet časovo náročný.
Skutočný život je revolučný model, ktorý vytvorili indickí výskumníci
Spočiatku výskumníci vytvorili algoritmus nazvaný LiFE (Linear Fascial Evaluation) na vykonanie tejto úpravy, ale jednou z jeho nevýhod bolo, že to záviselo od bežných centrálnych procesorových jednotiek (CPU), ktorých výpočet zabral čas.
Sridharanov tím v najnovšej štúdii vylepšil svoju techniku, aby sa minimalizovala práca potrebná na spracovanie rôznymi spôsobmi, vrátane odstránenia nadbytočných pripojení a výrazného zlepšenia výkonu LiFE.
Výskumníci túto technológiu ďalej zdokonalili tak, že ju vytvorili tak, aby fungovala na grafických procesorových jednotkách (GPU), čo sú špecializované elektrické čipy používané v špičkových herných počítačoch.
To im umožnilo skúmať údaje 100-150-krát rýchlejšie ako predchádzajúce prístupy. Tjeho aktualizovaný algoritmus, ReAl-LiFE, by tiež mohol predvídať, ako bude ľudský testovací subjekt konať alebo vykonávať určitú prácu.
Inými slovami, pomocou predpokladaných silných väzieb algoritmu pre každého jednotlivca bol tím schopný vysvetliť rozdiely v skóre behaviorálnych a kognitívnych testov medzi vzorkou 200 jednotlivcov.
Takáto analýza môže mať aj medicínske využitie. Spracovanie údajov vo veľkom meradle sa stáva čoraz dôležitejším pre aplikácie neurovedy s veľkými údajmi, najmä pri pochopení zdravej funkcie mozgu a porúch mozgu.
záver
Na záver, ReAl-LiFE by tiež mohol predvídať, ako sa ľudský testovací subjekt bude správať alebo vykonávať určitú prácu.
Inými slovami, pomocou predpokladaných silných väzieb algoritmu pre každého jednotlivca bol tím schopný vysvetliť rozdiely v skóre behaviorálnych a kognitívnych testov medzi vzorkou 200 jednotlivcov.
Takáto analýza môže mať aj medicínske využitie. Spracovanie údajov vo veľkom meradle sa stáva čoraz dôležitejším pre aplikácie neurovedy s veľkými údajmi, najmä pri pochopení zdravej funkcie mozgu a porúch mozgu.
Nechaj odpoveď