人工智能解码整个皮质功能图像以预测行为状态

21 年 2024 月 XNUMX 日 (Nanowerk新闻）一个 人工智能 (AI)图像识别算法可以根据大脑功能成像数据预测老鼠是否在移动。神户大学的研究人员还开发了一种方法来识别哪些输入数据是相关的，为人工智能黑匣子带来光明，有可能为脑机接口技术做出贡献。为了生产脑机接口，有必要了解大脑信号和受影响的动作如何相互关联。这被称为“神经解码”，该领域的大多数研究都是针对脑细胞的电活动进行的，这是通过植入大脑的电极来测量的。另一方面，功能成像技术，例如功能磁共振成像或钙成像，可以监测整个大脑，并可以通过代理数据使活跃的大脑区域可见。在这两者中，钙成像速度更快并且提供更好的空间分辨率。但这些数据源尚未用于神经解码工作。一个特殊的障碍是需要对数据进行预处理，例如通过消除噪声或识别感兴趣的区域，这使得设计一种对许多不同类型的行为进行神经解码的通用程序变得困难。神户大学医学生 AJIOKA Takehiro 利用神经科学家 TAKUMI Toru 领导的团队的跨学科专业知识来解决这个问题。 “我们在基于 VR 的小鼠实时成像和运动跟踪系统以及深度学习技术方面的经验使我们能够探索‘端到端’深度学习方法，这意味着它们不需要预处理或预先指定的功能，从而评估神经解码的皮质范围信息，”Ajioka 说。他们将两种不同的深度学习算法（一种用于空间模式，一种用于时间模式）与在跑步机上休息或跑步的小鼠的全皮层电影数据相结合，并训练他们的人工智能模型，以根据皮层图像数据准确预测小鼠是否在移动或休息。 一种用于预测行为状态的新“端到端”深度学习方法使用全皮层功能成像，不需要预处理或预先指定的特征。该方法由医学生 AJIOKA Takehiro 和神户大学 TAKUMI Toru 领导的团队开发，他们的方法还允许他们识别哪些大脑区域与算法最相关（如图）。提取这些信息的能力为脑机接口的未来发展奠定了基础。 （图片：AJIOKA Takehiro）在杂志上 公共科学图书馆·计算生物学 (“通过全皮层钙成像对小鼠行为进行端到端深度学习方法”），神户大学研究人员报告称，他们的模型在预测动物真实行为状态方面的准确度为 95%，而无需消除噪声或预先定义感兴趣区域。此外，他们的模型仅基于 0.17 秒的数据就做出了这些准确的预测，这意味着他们可以实现接近实时的速度。此外，这适用于五个不同的人，这表明该模型可以过滤掉个人特征。然后，神经科学家通过删除部分数据并观察模型在该状态下的性能，继续确定图像数据的哪些部分主要负责预测。预测越糟糕，数据就越重要。 “我们的模型能够识别行为分类的关键皮层区域的能力特别令人兴奋，因为它打开了深度学习技术‘黑匣子’方面的盖子，”Ajioka 解释道。总而言之，神户大学团队建立了一种通用技术来从全皮层功能成像数据中识别行为状态，并开发了一种技术来识别预测所基于的数据部分。 Ajioka 解释了为什么这是相关的。 “这项研究为进一步开发能够使用非侵入性脑成像进行近实时行为解码的脑机接口奠定了基础。”

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.nanowerk.com/news2/robotics/newsid=64892.php