Kreditas: Unsplash/CC0 Public Domain MRT, elektroencefalografija (EEG) ir magnetoencefalografija jau seniai yra smegenų veiklos tyrimo priemonės, tačiau naujuose Carnegie Mellon universiteto tyrimuose pristatoma nauja, dirbtiniu intelektu pagrįsta dinaminė smegenų vaizdavimo technologija, kuri galėtų greitai, didelės skiriamosios gebos ir pigiai kartografuoti greitai kintantį elektrinį smegenų aktyvumą. Ši pažanga yra daugiau nei trisdešimt metų trukusių tyrimų, kuriuos atliko Bin He ir kurie buvo skirti neinvazinės dinaminės smegenų vaizdavimo technologijos tobulinimo būdams, tęsinys.
Smegenų elektrinis aktyvumas pasiskirstęs trimatėje smegenų erdvėje ir laikui bėgant sparčiai kinta. Buvo dedama daug pastangų smegenų funkcijai ir disfunkcijai atvaizduoti, ir kiekvienas metodas turi privalumų ir trūkumų. Pavyzdžiui, smegenų aktyvumui tirti paprastai naudojamas magnetinio rezonanso tomografas, tačiau jis nėra pakankamai greitas, kad užfiksuotų smegenų dinamiką. EEG yra palanki alternatyva MRT technologijai, tačiau jos ne visai optimali erdvinė skiriamoji geba buvo pagrindinė kliūtis, trukdanti plačiai naudoti šią technologiją vaizdavimui.
Taip pat buvo siekiama elektrofiziologinio šaltinio vaizdavimo, kai skalpo EEG įrašai, naudojant signalų apdorojimą ir mašininį mokymąsi, verčiami atgal į smegenis, kad būtų atkurti dinamiški smegenų veiklos vaizdai laikui bėgant. Nors EEG šaltinio vaizdavimas paprastai yra pigesnis ir greitesnis, naudotojams reikia specialių mokymų ir patirties, kad galėtų parinkti ir sureguliuoti kiekvieno įrašo parametrus. Naujai paskelbtame darbe He ir jo grupė pristato pirmąją tokio pobūdžio dirbtiniu intelektu pagrįstą dinaminio smegenų vaizdavimo metodiką, kuri gali tiksliai ir greitai atvaizduoti neuroninių grandinių dinamiką.
„Kaip dalis dešimtmečius trunkančių pastangų kurti naujoviškus, neinvazinius funkcinio neurovaizdavimo sprendimus, dirbau prie dinaminės smegenų vaizdavimo technologijos, kuri gali užtikrinti tikslumą, būti veiksminga ir paprasta naudoti, kad geriau tarnautų gydytojams ir mokslininkams, – sakė Karnegio Mellono universiteto biomedicinos inžinerijos profesorius Bin He.
Jis tęsia: „Mūsų grupė yra pirmoji, kuri pasiekė šį tikslą įdiegusi dirbtinį intelektą ir kelių mastelių smegenų modelius. Naudodami biofizikos įkvėptus neuroninius tinklus, mes diegiame naujovę, kad galėtume išmokyti neuroninį tinklą, kuris be žmogaus įsikišimo gali tiksliai išversti EEG skalpo signalus atgal į neuroninių grandinių veiklą smegenyse.“
He tyrime, kuris neseniai buvo paskelbtas Proceedings of the National Academy of Sciences (PNAS), šio naujojo metodo veikimas buvo įvertintas vaizduojant jutimines ir kognityvines smegenų reakcijas 20 sveikų žmonių. Jis taip pat buvo griežtai patvirtintas nustatant epileptogeninį audinį 20 vaistams atsparių epilepsija sergančių pacientų grupėje, lyginant dirbtiniu intelektu pagrįstus neinvazinio vaizdavimo rezultatus su invaziniais matavimais ir chirurginės rezekcijos rezultatais.
Rezultatai išmintingi, naujasis dirbtinio intelekto metodas pranoko įprastinius šaltinio vaizdavimo metodus, kai atsižvelgiama į tikslumą ir skaičiavimo efektyvumą.
„Taikant šį naująjį metodą, smegenų modeliavimui ir gilaus neuronų tinklo mokymui tereikia centralizuotos vietos, – paaiškino He. „Surinkę duomenis klinikinėje ar mokslinių tyrimų aplinkoje, gydytojai ir tyrėjai galėtų nuotoliniu būdu pateikti duomenis centralizuotiems gerai apmokytiems giliųjų neuronų tinklams ir greitai gauti tikslius analizės rezultatus. Ši technologija galėtų pagreitinti diagnostiką ir padėti neurologams bei neurochirurgams geriau ir greičiau planuoti operacijas.“
Kitame etape grupė planuoja atlikti didesnius klinikinius tyrimus, siekdama priartinti tyrimus prie klinikinio pritaikymo.
„Tikslas – efektyvus ir veiksmingas dinaminis smegenų vaizdavimas, paprastas valdymas ir maža kaina, – paaiškino He. „Ši dirbtiniu intelektu pagrįsta smegenų šaltinio vaizdavimo technologija leidžia tai pasiekti“
Daugiau informacijos: Rui Sun et al, Deep neural networks constrained by neural mass models improve electrophysiological source imaging of spatiotemporal brain dynamics, Proceedings of the National Academy of Sciences (2022). DOI: 10.1073/pnas.2201128119
Citation: Advancing dynamic brain imaging with AI (2022, July 29) gauta 30 July 2022 iš https://techxplore.com/news/2022-07-advancing-dynamic-brain-imaging-ai.html
Šiam dokumentui taikomos autorių teisės. Be raštiško leidimo negalima atgaminti jokios jo dalies, išskyrus atvejus, kai ji naudojama asmeninėms studijoms ar moksliniams tyrimams. Turinys pateikiamas tik informaciniais tikslais.
