آزمایشگاه ملی نقشه برداری مغز

یادگیری ماشین بینشهای جدیدی را به سوی مغز انسان از طریق اسکن fMRI آشکار می‌سازد

مطالعه‌ی حاضر با استفاده از داده‌های تصویربرداری غیر تهاجمی برای نشان دادن ویژگی‌های سلولی مناطق مختلف مغزی، یک باب جدید را برای بررسی اختلالات عصبی فراهم می‌سازد.

مطالعه‌ی حاضر با استفاده از داده‌های تصویربرداری غیر تهاجمی برای نشان دادن ویژگی‌های سلولی مناطق مختلف مغزی، یک باب جدید را برای بررسی اختلالات عصبی فراهم می‌سازد. یک تیم تحقیقاتی بین رشته‌ای که توسط دانشمندان دانشگاه ملی سنگاپور(NUS) رهبری شده است، به طور موفقیت آمیزی توانسته است یادگیری ماشین را برای کشف بینش‌های جدید در مورد معماری سلول مغز انسان به کار بگیرد.

این تیم رویکردی را شرح می‌دهد که به طور خودکار پارامترهای مغز را با استفاده از داده‌های جمع آوری شده از تصویربرداری تشدید مغناطیسی عملکردی (fMRI) تخمین می‌زند و در نتیجه عصب شناسان را قادر می‌سازد تا ویژگی‌های سلولی نواحی مختلف مغز را بدون استفاده از جراحی بررسی کنند. این روش می‌تواند به طور بالقوه‌ای برای ارزیابی و درمان اختلالات عصبی و گسترش درمان‌های جدید مورد استفاده قرار بگیرد.

پروفسور توماس یئو، از موسسه نوروتکنولوژی (SINAPSE) سنگاپور بیان کرده است: مسیرهای اصلی بسیاری از بیماری‌ها در سطح سلولی رخ می‌دهد و بسیاری از درمان‌های دارویی در سطح میکرو عمل می‌کنند. برای اطلاع از آنچه که واقعا در سطح درونی مغز انسان اتفاق می‌افتد، برای ما بسیار مهم است که روش‌هایی را گسترش دهیم که توانایی کند و کاو در عمق مغز را داشته باشد.

افشای پیچیدگی مغز انسان

مغز پیچیده‌ترین ارگان در بدن انسان است که از 100 میلیارد سلول عصبی تشکیل شده است که هرکدام با حدود 1000 سلول عصبی دیگر در ارتباطند. هرگونه آسیب یا بیماری که حتی کوچکترین بخش مغز را تحت تاثیر قرار دهد، می‌تواند منجر به اختلالی شدید شود.

در حال حاضر، بیشتر مطالعات مغز انسان محدود به روش‌های غیر تهاجمی مانند تصویربرداری تشدید مغناطیسی (MRI) است. این آزمایش‌ها مغز انسان را در سطح سلولی محدود می‌کنند که ممکن است بینش‌های جدیدی را در زمینه توسعه و درمان بالقوه انواع مختلفی از اختلالات عصبی ایجاد کند.

تیم‌های تحقیقاتی مختلف در سراسر جهان مدل بیوفیزیکی را برای این شکاف بین تصویربرداری غیر تهاجمی و درک سلولی مغز انسان به کار گرفته‌اند. مدل بیوفیزیکی مغز می‌تواند برای شبیه سازی فعالیت مغز استفاده شود، و عصب شناسان را قادر می‌سازد تا درباره مغز به بینش برسند. اگرچه، بسیاری از این مدل‌ها به فرضیات بیش از حد ساده، تکیه می‌کنند، که دانشمندان بیش از 100 سال است که آن را نادرست می‌پندارند (مانند اینکه همه مناطق مغز دارای خواص سلولی یکسانی هستند).

ساخت مدل‌های مجازی مغز

یئو و تیم او با محققانی از دانشگاه پامپ فابرا، دانشگاه بارسلونا و مرکز پزشکی دانشگاه یوترکت برای تجزیه و تحلیل داده‌های تصویربرداری از 452 شرکت کننده از پروژه Human Connect مشغول به کار شدند. با بررسی داده‌های این پروژه، آن‌ها توانستند بیان کنند هر منطقه از مغز، ویژگی‌های سلولی متمایز دارد و الگوریتم‌های یادگیری ماشین را به طور خودکار برای پارامترهای مدل برآورد کنند.

پنگ وانگ بیان می‌دارد که: رویکرد ما زمانی بهتر می‌شود که با اطلاعات واقعی درآمیزد. همچنین ما به این نتیجه رسیدیم که پارامترهای مدل کوچک مقیاس برآورد شده توسط الگوریتم یادگیری ماشین نشان دهنده این است که چگونه مغز اطلاعات را پردازش می‌کند.

این تیم تحقیقاتی دریافت که مناطق مغزی درگیر در ادراک حسی مانند دیدن، شنیدن و لمس، ویژگی‌های سلولی را در مقابل مناطق مغزی درگیر در تفکر و حافظه داخلی نشان می‌دهد. الگوی فضایی معماری سلولی مغز انسانی، به طور شفاف نشان می‌دهد که چگونه مغز سلسله مراتبی اطلاعات را از محیط اطراف پردازش می‌کند. این شکل پردازش سلسله مراتبی، یکی از ویژگی‌های کلیدی مغز انسان و پیشرفت‌های اخیر در هوش مصنوعی است.

تیم NUS قصد دارد روش خود را برای بررسی اطلاعات مغز از مشارکت کنندگان فردی، برای فهم بهتر اینکه چگونه تفاوت‌های فردی در معماری سلولی مغز ممکن است با تفاوت در توانایی‌های شناختی مرتبط باشد، به کار بگیرد. این تیم امیدوار است که این آخرین نتایج بتواند یک گام در جهت توسعه درمان‌های فردی با داروهای خاص یا استراتژی‌های تحریک مغزی باشد.

یئو بیان کرد: مطالعه ما نشان می‌دهد که سلسله مراتب پردازش مغز با تمایز میکروارگانیسم در میان نواحی خود، که ممکن است سرنخ‌هایی برای دستیابی به پیشرفت در هوش مصنوعی فراهم کند، پشتیبانی می‌شود.

منبع:itonline

مترجم: حانیه صیادی، عضو شاخه دانشجویی نقشه برداری مغز ایران

ارسال دیدگاه

loading