佐治亞州立大學(xué)的研究人員與麻省理工學(xué)院(MIT)和麻省總醫(yī)院(MGH)的同事們通過推進(jìn)獲得了美國國立衛(wèi)生研究院腦研究的 250萬美元贈款創(chuàng)新性神經(jīng)技術(shù)(BRAIN) 研究計(jì)劃，旨在徹底改變科學(xué)家對人腦的理解。

該團(tuán)隊(duì)將開發(fā)Nobrainer(一種用于3D圖像處理的開源深度學(xué)習(xí)框架)，以將機(jī)器學(xué)習(xí)集成到神經(jīng)影像研究和臨床應(yīng)用中。

佐治亞州立大學(xué)計(jì)算機(jī)科學(xué)副教授，研究資助機(jī)構(gòu)負(fù)責(zé)人謝爾蓋·普利斯(Sergey Plis)表示：“人工智能和深度學(xué)習(xí)的進(jìn)步可以幫助研究人員從大腦掃描中獲取更多見解，同時(shí)減少處理數(shù)據(jù)所需的時(shí)間?！??！袄?，我們可以了解有關(guān)精神疾病或衰老如何影響大腦結(jié)構(gòu)的細(xì)節(jié)?！?/p>

能夠闡明這類復(fù)雜模式的模型非常耗費(fèi)數(shù)據(jù)，而組裝龐大的大腦數(shù)據(jù)集具有挑戰(zhàn)性，特別是對于小型研究小組而言。

“當(dāng)Google想要創(chuàng)建一個(gè)聊天機(jī)器人時(shí)，他們可以使用每次互聯(lián)網(wǎng)搜索中的數(shù)據(jù)來訓(xùn)練它，”同時(shí)也是神經(jīng)影像和數(shù)據(jù)科學(xué)轉(zhuǎn)化研究中心機(jī)器學(xué)習(xí)核心主管的Plis說 ?！暗?，對于腦成像儀來說，障礙可能太高。收集成千上萬的大腦掃描以及訓(xùn)練所需的硬件非常昂貴，并且您必須匿名化數(shù)據(jù)才能解決隱私問題。”

該團(tuán)隊(duì)由 麻省理工學(xué)院 的 Satrajit Ghosh ，MGH的Bruce Fischl和Plis領(lǐng)導(dǎo)。他們計(jì)劃創(chuàng)建深度神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)已經(jīng)接受了來自65,000多人的腦部掃描的培訓(xùn)。他們將把該技術(shù)作為一組廣泛使用的工具和神經(jīng)科學(xué)家的現(xiàn)成模型進(jìn)行傳播。工具和產(chǎn)生的模型將被標(biāo)準(zhǔn)化，以確?？茖W(xué)家們可以獲得可比的結(jié)果并更輕松地共享它們，而無需擔(dān)心患者的機(jī)密性。

團(tuán)隊(duì)正在開發(fā)一種獨(dú)特的功能，其中的模型可以批判他們所知道的信息，量化自己分析中的不確定性程度，并報(bào)告可能存在錯(cuò)誤的地方。這可以幫助科學(xué)家確定何時(shí)信任該模型以及何時(shí)需要收集更多數(shù)據(jù)。隨著越來越多的研究人員使用模型，提出新的問題或?qū)⒛Ｐ驼{(diào)整為新的數(shù)據(jù)集，這些工具將繼續(xù)學(xué)習(xí)，變得更加準(zhǔn)確。

普利斯說：“模型傳播得越遠(yuǎn)，就像土豆一樣，變得更好。” “當(dāng)您正在研究以不可預(yù)測的方式影響大腦的事物(例如中風(fēng))時(shí)，您需要大量數(shù)據(jù)，因?yàn)榛颊哳A(yù)后會存在很多差異。借助熱土豆學(xué)習(xí)方式，該模型逐漸吸收了這種可變性，并且在進(jìn)行預(yù)測時(shí)變得更好。”

該工具的另一個(gè)主要優(yōu)點(diǎn)是該工具具有比可用模型快得多的數(shù)據(jù)處理能力。研究團(tuán)隊(duì)對Nobrainer進(jìn)行了培訓(xùn)，使其做出與Freesurfer相同的預(yù)測，F(xiàn)reesurfer是MGH開發(fā)的同類最佳的MRI分析工具。初步研究表明，這項(xiàng)技術(shù)的性能優(yōu)于Freesurfer，在幾分鐘到幾小時(shí)內(nèi)進(jìn)行了一些相同的計(jì)算。該團(tuán)隊(duì)計(jì)劃使用他們的工具來自動化和加速Freesurfer平臺的其他部分以及其他類型的神經(jīng)成像分析。減少執(zhí)行復(fù)雜分析所需的時(shí)間，可以加快關(guān)于大腦的科學(xué)和臨床發(fā)現(xiàn)。