Shkencëtarët mund të jenë më të aftë të kuptojnë dhe të parashikojnë lidhjet midis zonave të ndryshme të trurit falë një algoritmi të ri të mësimit të makinerive të bazuar në GPU të krijuar nga studiuesit në Institutin Indian të Shkencës (IISc).
Algoritmi, i njohur si Vlerësimi i Rregulluar, i Përshpejtuar, Linear Fascicle ose ReAl-LiFE, është në gjendje të analizojë në mënyrë efikase vëllimet masive të të dhënave të prodhuara nga skanimet e rezonancës magnetike me difuzion (dMRI) të trurit të njeriut.
Përdorimi i ekipit të ReAL-LiFE i lejoi ata të analizonin të dhënat e dMRI më shumë se 150 herë më shpejt se sa mund të kishin me teknikat aktuale më të fundit.
Si funksionon modeli i lidhjes së trurit?
Çdo sekondë, miliona neurone të trurit ndezin, duke krijuar impulse elektrike që lëvizin nëpërmjet rrjeteve nervore - të njohura edhe si "aksone" - nga një pjesë e trurit në tjetrën.
Që truri të funksionojë si kompjuter, këto lidhje janë të nevojshme. Megjithatë, metodat tradicionale për studimin e lidhjeve të trurit shpesh përfshijnë përdorimin e modeleve invazive të kafshëve.
Megjithatë, skanimet dMRI ofrojnë një mënyrë jo invazive për të ekzaminuar lidhjet e trurit të njeriut.
Autostradat e informacionit të trurit janë kabllot (aksonet) që lidhin rajonet e ndryshme të tij. Molekulat e ujit udhëtojnë së bashku me tufa aksonësh përgjatë gjatësisë së tyre në një mënyrë të drejtuar pasi ato janë formuar si tuba.
Connectome, e cila është një hartë e detajuar e rrjetit të fibrave që shtrihen në tru, mund të bëhet e mundur nga dMRI, e cila u mundëson studiuesve të ndjekin këtë lëvizje.
Fatkeqësisht, identifikimi i këtyre lidhjeve nuk është i thjeshtë. Vetëm rrjedha neto e molekulave të ujit në çdo vend në tru tregohet nga të dhënat e skanimeve.
Konsideroni molekulat e ujit si automobila. Pa ditur asgjë për rrugët, i vetmi informacion i mbledhur është drejtimi dhe shpejtësia e makinave në çdo pikë në kohë dhe vend.
Duke monitoruar këto modele trafiku, detyra është e krahasueshme me nxjerrjen e rrjeteve të rrugëve. Qasjet konvencionale përputhen ngushtë me sinjalin e pritur dMRI nga lidhësi i konkluduar me sinjalin aktual dMRI në mënyrë që të identifikohen saktë këto rrjete.
Për të bërë këtë optimizim, shkencëtarët krijuan më parë një algoritëm të quajtur LiFE (Linear Fascicle Evaluation), por një nga mangësitë e tij ishte se funksiononte në Njësitë Qendrore të Përpunimit (CPU) konvencionale, gjë që e bënte llogaritjen të merrte kohë.
Jeta reale është një model revolucionar që u krijua nga studiues indianë
Fillimisht, studiuesit krijuan një algoritëm të quajtur LiFE (Linear Fascial Evaluation) për të bërë këtë rregullim, por një nga disavantazhet e tij ishte se varej nga Njësitë Qendrore të Përpunimit të zakonshëm (CPU), të cilave iu desh kohë për t'u llogaritur.
Ekipi i Sridharan përmirësoi teknikën e tyre në studimin më të ri për të minimizuar punën e përpunimit të kërkuar në mënyra të ndryshme, duke përfshirë heqjen e lidhjeve të tepërta dhe përmirësimin e ndjeshëm të performancës së LiFE.
Teknologjia u rafinua më tej nga studiuesit duke e inxhinieruar atë për të punuar në Njësitë e Përpunimit Grafik (GPU), të cilat janë çipa elektrikë të specializuar të përdorur në kompjuterët e lojërave të nivelit të lartë.
Kjo i lejoi ata të ekzaminonin të dhënat 100-150 herë më shpejt se qasjet e mëparshme. TAlgoritmi i tij i përditësuar, ReAl-LiFE, mund të parashikojë gjithashtu se si një subjekt testues njerëzor do të veprojë ose do të bëjë një punë të caktuar.
Me fjalë të tjera, duke përdorur pikat e forta të lidhjes së projektuar të algoritmit për secilin individ, ekipi ishte në gjendje të shpjegonte variancat në rezultatet e testit të sjelljes dhe njohjes midis një kampioni prej 200 individësh.
Një analizë e tillë mund të ketë edhe përdorime medicinale.” Përpunimi i të dhënave në shkallë të gjerë po bëhet gjithnjë e më i rëndësishëm për aplikimet e neuroshkencës me të dhëna të mëdha, veçanërisht në kuptimin e funksionit të shëndetshëm të trurit dhe çrregullimeve të trurit.
Përfundim
Si përfundim, ReAl-LiFE mund të parashikojë gjithashtu se si një subjekt testues njerëzor do të veprojë ose do të bëjë një punë të caktuar.
Me fjalë të tjera, duke përdorur pikat e forta të lidhjes së projektuar të algoritmit për secilin individ, ekipi ishte në gjendje të shpjegonte variancat në rezultatet e testit të sjelljes dhe njohjes midis një kampioni prej 200 individësh.
Një analizë e tillë mund të ketë edhe përdorime medicinale.” Përpunimi i të dhënave në shkallë të gjerë po bëhet gjithnjë e më i rëndësishëm për aplikimet e neuroshkencës me të dhëna të mëdha, veçanërisht në kuptimin e funksionit të shëndetshëm të trurit dhe çrregullimeve të trurit.
Lini një Përgjigju