Hindiston Fanlar Instituti (IISc) tadqiqotchilari tomonidan yaratilgan yangi GPU-ga asoslangan mashinani o‘rganish algoritmi tufayli olimlar miyaning turli sohalari o‘rtasidagi aloqalarni yaxshiroq tushunish va prognoz qilish imkoniyatiga ega bo‘lishlari mumkin.
Regularized, Accelerated, Lineer Fascicle Evaluation yoki ReAl-LiFE deb nomlanuvchi algoritm inson miyasining diffuziyali magnit-rezonans tomografiya (dMRI) skanerlari orqali ishlab chiqarilgan katta hajmdagi ma’lumotlarni samarali tahlil qilishga qodir.
Jamoaning ReAL-LiFE dan foydalanishi ularga dMRI ma'lumotlarini hozirgi eng so'nggi texnologiyalarga qaraganda 150 barobar tezroq tahlil qilish imkonini berdi.
Miyaning ulanish modeli qanday ishlaydi?
Har soniyada miyaning millionlab neyronlari yonib, miyaning bir qismidan boshqasiga neyron tarmoqlari (shuningdek, "aksonlar" deb ham ataladi) orqali harakatlanadigan elektr impulslarini hosil qiladi.
Miya kompyuter sifatida ishlashi uchun bu aloqalar zarur. Biroq, miya aloqalarini o'rganishning an'anaviy usullari ko'pincha hayvonlarning invaziv modellaridan foydalanishni o'z ichiga oladi.
Biroq, dMRI skanerlari inson miyasi aloqalarini tekshirishning invaziv bo'lmagan usulini taklif qiladi.
Miyaning axborot magistrallari uning turli hududlarini bog'laydigan kabellar (aksonlar) dir. Suv molekulalari akson to'plamlari bilan birga uzunligi bo'ylab yo'naltirilgan tarzda harakatlanadi, chunki ular naychalar kabi hosil bo'ladi.
Miyani qamrab oluvchi tolalar tarmog'ining batafsil xaritasi bo'lgan konnektomni dMRI yordamida amalga oshirish mumkin, bu esa tadqiqotchilarga ushbu harakatni kuzatish imkonini beradi.
Afsuski, bu konnektorlarni aniqlash oson emas. Skanerlar ma'lumotlari miyaning har bir joyida faqat suv molekulalarining aniq oqimini ko'rsatadi.
Suv molekulalarini avtomobil sifatida ko'rib chiqing. Yo'llar haqida hech narsa bilmasdan, to'plangan yagona ma'lumot - bu har bir vaqt va joyda avtomobillarning yo'nalishi va tezligi.
Ushbu yo'l harakati naqshlarini kuzatish orqali vazifani yo'llarning tarmoqlarini xulosa qilish bilan solishtirish mumkin. An'anaviy yondashuvlar ushbu tarmoqlarni to'g'ri aniqlash uchun taxmin qilingan konnektomdan kutilgan dMRI signali bilan haqiqiy dMRI signaliga yaqindan mos keladi.
Ushbu optimallashtirishni amalga oshirish uchun olimlar avvalroq LiFE (Linear Fascicle Evaluation) deb nomlangan algoritmni yaratdilar, biroq uning kamchiliklaridan biri uning an'anaviy markaziy protsessorlarda (CPU) ishlashi edi, bu esa hisoblashni ko'p vaqt talab qiladi.
Haqiqiy hayot hind tadqiqotchilari tomonidan yaratilgan inqilobiy modeldir
Dastlab, tadqiqotchilar ushbu sozlashni amalga oshirish uchun LiFE (Linear Fascial Evaluation) deb nomlangan algoritmni yaratdilar, biroq uning kamchiliklaridan biri bu oddiy markaziy protsessorlarga (CPU) bog'liq bo'lib, hisoblash uchun vaqt kerak edi.
Sridxaran jamoasi eng yangi tadqiqotda o'z texnikasini takomillashtirdi va zarur bo'lgan ishlov berish ishlarini turli yo'llar bilan, jumladan, ortiqcha ulanishlarni olib tashlash va LiFE ish faoliyatini sezilarli darajada yaxshilash imkonini berdi.
Texnologiya tadqiqotchilar tomonidan yuqori darajadagi o'yin kompyuterlarida qo'llaniladigan maxsus elektr chiplari bo'lgan Grafik ishlov berish birliklarida (GPU) ishlash uchun muhandislik qilish orqali yanada takomillashtirildi.
Bu ularga oldingi yondashuvlarga qaraganda ma'lumotlarni 100-150 marta tezroq tekshirish imkonini berdi. Tuning yangilangan algoritmi, ReAl-LiFE, shuningdek, inson test predmeti qanday harakat qilishini yoki ma'lum bir ishni bajarishini taxmin qilishi mumkin edi.
Boshqacha qilib aytadigan bo'lsak, algoritmning har bir shaxs uchun prognoz qilingan bog'lanish kuchidan foydalangan holda, jamoa 200 kishidan iborat namunadagi xatti-harakatlar va kognitiv test ballaridagi farqlarni tushuntirishga muvaffaq bo'ldi.
Bunday tahlillar dorivor maqsadlarda ham foydalanishi mumkin”. Katta miqyosdagi ma'lumotlarni qayta ishlash, ayniqsa, sog'lom miya funktsiyasi va miya kasalliklarini tushunishda katta ma'lumotlarning nevrologiyasi ilovalari uchun tobora muhim ahamiyat kasb etmoqda.
Xulosa
Xulosa qilib aytadigan bo'lsak, ReAl-LiFE shuningdek, inson sinov ob'ekti qanday harakat qilishini yoki muayyan ishni bajarishini taxmin qilishi mumkin.
Boshqacha qilib aytadigan bo'lsak, algoritmning har bir shaxs uchun prognoz qilingan bog'lanish kuchidan foydalangan holda, jamoa 200 kishidan iborat namunadagi xatti-harakatlar va kognitiv test ballaridagi farqlarni tushuntirishga muvaffaq bo'ldi.
Bunday tahlillar dorivor maqsadlarda ham foydalanishi mumkin”. Katta miqyosdagi ma'lumotlarni qayta ishlash, ayniqsa, sog'lom miya funktsiyasi va miya kasalliklarini tushunishda katta ma'lumotlarning nevrologiyasi ilovalari uchun tobora muhim ahamiyat kasb etmoqda.
Leave a Reply