机器智能加速了绘制大脑图谱的研究
![(Left) MRI scanners, like the one pictured at RIKEN Center for Brain Science, can be used to non-invasively map the brain by analyzing the diffusion of water molecules. (Right) The diffusion MRI measures the direction that the water molecules diffuse at each point in the brain, as illustrated by ellipsoids here. Fiber tracking algorithms then use this information to estimate the path of the nerve fibers. Credit: (Left) Junichi Hata and Hideyuki Okano, from the RIKEN Center for Brain Science. (Right) Figure was created using The MRtrix viewer 3.0.1. 机器智能加速了绘制大脑图谱的研究](https://scx1.b-cdn.net/csz/news/800/2020/1-machineintel.jpg)
一项新的研究报告,日本脑科学项目的科学家们使用了机器智能来提高强大的脑映射技术的准确性和可靠性。他们的发展,于12月18日发表科学报告,研究人员对使用该技术来利用人类大脑的布线并更好地了解伴随着神经系统或精神疾病等变化,如帕金森或阿尔茨海默病的变化。
“解决所有不同的东西大脑各区域是相互连接的,我们称之为大脑的连接体,这对全面了解大脑及其执行的所有复杂过程至关重要,”冲绳科学技术研究生院(OIST)神经计算单元负责人Kenji Doya教授说。
为了确定连接体,研究人员追踪延伸到整个大脑的神经细胞纤维。在动物实验在美国,科学家可以将荧光示踪剂注射到大脑的多个点,并在那里成像神经纤维从这些点出发,延伸到。但这一过程需要分析许多动物的数百个大脑切片。多亚教授解释说,由于这种病毒具有极强的侵袭性,它不能用于人体。
然而,核磁共振成像(MRI)的进展使非侵入性估计连接体成为可能。这项技术被称为基于弥散磁共振成像的纤维跟踪技术,它利用强大的磁场来跟踪水分子在神经纤维中运动或扩散时发出的信号。一个计算机算法然后用这些水信号来估计神经纤维在整个大脑中的路径。
但目前,算法不会产生令人信服的结果。正如照片可以看起来与摄影师所选择的相机设置一样不同,科学家为这些算法选择的设置或参数可能会产生非常不同的ConnectOmes。
“这种方法的可靠性确实令人担忧,”OIST神经计算单元的第一作者、博士后研究员卡洛斯·古铁雷斯(Carlos Gutierrez)博士说。“连接体可能会被误报主导,这意味着它们显示的神经连接其实并不存在。”
此外,算法难以检测在大脑的偏远区域之间伸展的神经纤维。然而,这些长距离连接是了解大脑功能如何,Gutierrez博士说。
![机器智能加速了绘制大脑图谱的研究](https://scx1.b-cdn.net/csz/news/800/2020/2-machineintel.jpg)
2013年,科学家推出了一个名为大脑/思想的日本政府LED项目(通过综合神经发包术进行脑部映射,用于疾病研究),用于映射大脑与人脑具有类似结构的MARAMOSETS-小非人的灵长类动物。
brain/MINDS项目旨在利用非侵入性MRI成像技术和侵入性荧光示踪技术建立狨猴大脑的完整连接体。
“从该项目中设置的数据是我们对两种技术产生的同一大脑的结果进行了一个非常独特的机会,并确定需要设置的参数以生成最准确的MRI的连接,”Gutierrez博士说。
在目前的研究中,研究人员阐述了两种不同广泛使用的算法的参数,以便它们可靠地检测远程纤维。他们还想确保尽可能多地确定的算法,同时最小地定位实际存在的算法。
研究人员转向机器智能,而不是手动尝试所有不同的参数组合。
为了确定最佳参数,研究人员使用了一种进化算法。纤维跟踪算法根据扩散MRI数据估计连接体,参数在每一代中都发生变化或突变。这些参数相互竞争,最好的参数——生成的连接体与荧光示踪器检测到的神经网络最接近的参数——被改进到下一代。
研究人员使用荧光示踪剂和来自10个不同狨猴大脑的MRI数据来测试这些算法。
但研究人员发现,即使对机器来说,选择最佳参数也并非易事。一些参数可能会降低误报率,但会使检测长期联系变得更加困难。我们想要解决的不同问题之间存在冲突。所以每次决定选择什么参数总是需要权衡的,”古铁雷斯博士说。
![机器智能加速了绘制大脑图谱的研究](https://scx1.b-cdn.net/csz/news/800/2020/3-machineintel.jpg)
在这个“适者生存”的过程中,运行于每个大脑的算法相互交换了最佳参数,从而允许算法确定一组更相似的参数。在这个过程的最后,研究人员选取了最好的参数,并将它们平均起来,创建了一个共享的集合。
“结合参数是一个重要的一步。各个大脑变化,因此将始终是一个最适合一个特定大脑的参数的独特组合。但我们的目标是提出最好的一系列参数,这对所有人来说都适用Marmoset Brains,“古铁雷斯博士解释道。
研究小组发现,与以前使用的默认参数相比,具有通用优化参数集的算法在不属于原始训练集的新的狨猴大脑中也生成了更精确的连接体。
研究人员表示,使用默认参数和优化参数的算法构建的图像之间的显著差异,对基于核磁共振的连接体研究发出了一个严重警告。
“它呼吁使用没有优化或验证的算法的任何研究,”Gutierrez博士警告。
在未来,科学家们希望利用机器智能的过程来识别最好的参数速度更快,并且采用改进的算法能更准确地确定连接具有神经或精神障碍的脑。
古铁雷斯博士说:“最终,基于磁共振成像的纤维追踪技术可以用于绘制整个人类大脑的地图,并精确定位健康和患病大脑之间的区别。”“这可能会让我们离了解如何治疗这些疾病更近一步。”
进一步探索
用户评论