Η ομάδα αναπτύσσει τεχνητή νοημοσύνη για την αποκωδικοποίηση των εγκεφαλικών σημάτων και την πρόβλεψη της συμπεριφοράς

κύτταρα στον εγκέφαλο του ποντικιού. Πίστωση: Μικροσκοπία ZEISS στο Flickr (CC BY-NC-ND 2.0)

Ένα τεχνητό νευρωνικό δίκτυο (AI) σχεδιασμένο από διεθνή ομάδα που περιλαμβάνει UCL μπορεί να μεταφράσει ακατέργαστα δεδομένα από την εγκεφαλική δραστηριότητα, ανοίγοντας το δρόμο για νέες ανακαλύψεις και στενότερη ενσωμάτωση μεταξύ τεχνολογίας και εγκεφάλου.

Η νέα μέθοδος θα μπορούσε να επιταχύνει τις ανακαλύψεις για το πώς οι εγκεφαλικές δραστηριότητες σχετίζονται με τις συμπεριφορές.

Η μελέτη δημοσιεύτηκε σήμερα στο eLife, το οποίο ηγήθηκε από το Ινστιτούτο Kavli for Systems Neuroscience στο Trondheim και το Max Planck Institute for Human and Brain Sciences στη Λειψία και χρηματοδοτήθηκε από το Wellcome και το Ευρωπαϊκό Συμβούλιο Έρευνας, συνελικτικό νευρωνικό δίκτυο, ένα συγκεκριμένο είδος βαθιάς μάθησης αλγόριθμος, είναι σε θέση να αποκωδικοποιήσει πολλές διαφορετικές συμπεριφορές και ερεθίσματα από μια ποικιλία περιοχών του εγκεφάλου σε διαφορετικά είδη, συμπεριλαμβανομένων των ανθρώπων.

Ο επικεφαλής ερευνητής Marcus Frey (Kavli Institute for Systems Neuroscience), δήλωσε: «Οι νευροεπιστήμονες μπόρεσαν να καταγράψουν όλο και μεγαλύτερα σύνολα δεδομένων από τον εγκέφαλο, αλλά κατανοούν τις πληροφορίες που περιέχονται σε αυτά τα δεδομένα – ανάγνωση νευρωνικός κώδικας– Είναι ακόμα ένα δύσκολο πρόβλημα. Στις περισσότερες περιπτώσεις δεν γνωρίζουμε ποια μηνύματα αποστέλλονται.

“Θέλαμε να αναπτύξουμε έναν αυτοματοποιημένο τρόπο ανάλυσης ακατέργαστων νευρωνικών δεδομένων πολλών διαφορετικών τύπων, αποφεύγοντας την ανάγκη χειροκίνητης αποκωδικοποίησης”.

Δοκίμασαν το δίκτυο, που ονομάζεται DeepInsight, σε νευρικά σήματα από ποντίκια που εξερευνούσαν ένα ανοιχτό τετράγωνο και διαπίστωσαν ότι ήταν σε θέση να προβλέψει με ακρίβεια τη θέση, την κατεύθυνση του κεφαλιού και την ταχύτητα λειτουργίας των ζώων. Ακόμη και χωρίς χειροκίνητη επεξεργασία, τα αποτελέσματα ήταν πιο ακριβή από αυτά που ελήφθησαν μέσω συμβατικών αναλύσεων.

Ο ανώτερος συγγραφέας καθηγητής Caswell Barry (UCL Cell and Developmental Biology), δήλωσε: «Στις τρέχουσες μεθόδους λείπουν πολλές πιθανές πληροφορίες στις νευρωνικές εγγραφές, επειδή μπορούμε να αποκωδικοποιήσουμε μόνο στοιχεία που ήδη καταλαβαίνουμε. μας διδάσκει να διαβάζουμε μερικά από αυτά τα άλλα στοιχεία.

“Είμαστε σε θέση να αποκωδικοποιήσουμε νευρωνικά δεδομένα με μεγαλύτερη ακρίβεια από πριν, αλλά η πραγματική πρόοδος είναι ότι το δίκτυο δεν περιορίζεται από τις υπάρχουσες γνώσεις”.

Η ομάδα διαπίστωσε ότι το μοντέλο τους ήταν σε θέση να εντοπίσει νέες πτυχές του νευρικού κώδικα, τις οποίες απέδειξαν αποκαλύπτοντας μια παλαιότερα μη αναγνωρισμένη αναπαράσταση του προσανατολισμού της κεφαλής, κωδικοποιημένη από εγγενείς νευρώνες σε μια περιοχή του ιππόκαμπου που είναι από τους πρώτους που παρουσιάζουν λειτουργικά ελαττώματα άνθρωποι .. με τη νόσο Αλτσχάιμερ.

Επιπλέον, έδειξαν ότι το ίδιο δίκτυο είναι σε θέση να προβλέψει συμπεριφορές από διαφορετικούς τύπους εγγραφής σε περιοχές του εγκεφάλου και μπορεί επίσης να χρησιμοποιηθεί για να συμπεράνει τις κινήσεις των χεριών σε ανθρώπους συμμετέχοντες, τις οποίες εντόπισαν δοκιμάζοντας το δίκτυό τους σε ένα προϋπάρχον σύνολο δεδομένων από εγκεφαλική δραστηριότητα εγγεγραμμένος στο λαό.

Ο συν-συγγραφέας Christian Doehler (Kavli Institute for Systems Neuroscience and Max Planck Institute for Human Cognitive and Brain Sciences) δήλωσε: «Στο μέλλον, αυτή η προσέγγιση θα μας επιτρέψει να προβλέψουμε με μεγαλύτερη ακρίβεια τις γνωστικές διαδικασίες υψηλότερου επιπέδου στους ανθρώπους, όπως η σκέψη και επίλυση προβλημάτων ».

Ο Marcus Frey πρόσθεσε, “Το πλαίσιο μας επιτρέπει στους ερευνητές να λάβουν γρήγορη αυτοματοποιημένη ανάλυση των μη επεξεργασμένων νευρωνικών δεδομένων τους, εξοικονομώντας χρόνο που θα μπορούσε να δαπανηθεί μόνο για τις πιο υποσχόμενες υποθέσεις, χρησιμοποιώντας πιο παραδοσιακές μεθόδους.”


Απόκρυψη κακόβουλου λογισμικού μέσα σε νευρωνικά δίκτυα AI


περισσότερες πληροφορίες:
Marcus Frey et al., Ερμηνεία νευρωνικής δραστηριότητας μεγάλης κλίμακας χρησιμοποιώντας συνελικτικά νευρωνικά δίκτυα, eLife (2021). DOI: 10.7554 / eLife.66551

Πληροφορίες περιοδικού:
eLife

Εισαγωγή του
University College London

το απόσπασμα: Ομάδα που αναπτύσσει AI για αποκωδικοποίηση σημάτων εγκεφάλου και πρόβλεψη συμπεριφοράς (2021, 17 Αυγούστου) Ανακτήθηκε 17 Αυγούστου 2021 από https://medicalxpress.com/news/2021-08-team-ai-decode-brain-behavior.html

Αυτό το έγγραφο υπόκειται σε πνευματικά δικαιώματα. Ανεξάρτητα από οποιαδήποτε δίκαιη αντιμετώπιση για σκοπούς ιδιωτικής μελέτης ή έρευνας, κανένα μέρος δεν μπορεί να αναπαραχθεί χωρίς γραπτή άδεια. Το περιεχόμενο παρέχεται μόνο για ενημερωτικούς σκοπούς.

READ  Ο Ερμής βρίσκεται σε ένα μοναδικό σημείο στην τροχιά του - εδώ μπορείτε να το δείτε

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *