ملخص: أظهرت دراسة حديثة قفزة كبيرة إلى الأمام في دراسة تذبذبات الدماغ، وخاصة التموجات، التي تعتبر مهمة لتكوين الذاكرة ولها دور في اضطرابات مثل الصرع والزهايمر. طور الباحثون مجموعة أدوات من نماذج الذكاء الاصطناعي المدربة على بيانات تخطيط كهربية الدماغ (EEG) للقوارض لأتمتة وتحسين اكتشاف هذه التذبذبات.
ولد هذا الاختراق نتيجة هاكاثون تعاوني، مما يجعل أكثر من مائة نموذج محسّن للتعلم الآلي، بما في ذلك أجهزة المتجهات الداعمة والشبكات العصبية التلافيفية، متاحة مجانًا للمجتمع العلمي. يفتح هذا التطور آفاقًا جديدة في تطبيقات التكنولوجيا العصبية، وخاصة في تشخيص وفهم الاضطرابات العصبية.
مفتاح الحقائق:
- الابتكار القائم على الذكاء الاصطناعي: تقدم الدراسة مجموعة أدوات من نماذج الذكاء الاصطناعي القادرة على تشخيص موجات الدماغ وبنية الذاكرة والأمراض العصبية.
- استخدام عبر الأنواع: تم تدريب هذه النماذج في البداية على بيانات القوارض، وتم اختبارها بنجاح على بيانات EEG الأولية غير البشرية، مما يشير إلى إمكانية التطبيق البشري.
- مساهمة مفتوحة المصدر: أكثر من مائة نموذج للتعلم الآلي من المشروع متاح الآن بشكل مفتوح للاستخدام البحثي ومواصلة التطوير، مما يدل على الروح الجماعية للمجتمع العلمي.
مصدر: CSIC
لقد أدت دراسة تذبذبات الدماغ إلى تحسين فهمنا لوظيفة الدماغ. التموجات هي التذبذبات السريعة التي تكمن وراء تنظيم الذكريات. يعانون من اضطرابات عصبية مثل الصرع والزهايمر.
لهذا السبب، تعتبر مؤشرات حيوية لتخطيط كهربية الدماغ (EEG). ومع ذلك، تظهر التموجات مجموعة متنوعة من الأشكال الموجية والخصائص التي قد تفوتها الطرق الطيفية القياسية.
في الآونة الأخيرة، دعا مجتمع علم الأعصاب إلى الحاجة إلى أتمتة ومزامنة وتحسين عملية الكشف عن التموجات عبر المهام والأنواع المختلفة. في هذه الدراسة، استخدم المؤلفون التسجيلات التي تم الحصول عليها من فئران المختبر لتدريب مجموعة أدوات لنماذج التعلم الآلي.
“لقد اختبرنا إمكانات هذه النماذج باستخدام بيانات من الرئيسيات غير البشرية التي تم جمعها في جامعة فاندربيلت (ناشفيل، الولايات المتحدة الأمريكية) من قبل سامان عباسبور ورئيس المختبر كاري هوفمان كجزء من مبادرة الدماغ.
يوضح دي لا بريدا: “وجدنا أنه من الممكن استخدام بيانات مخطط كهربية الدماغ (EEG) للقوارض لتدريب خوارزميات الذكاء الاصطناعي التي يمكن تطبيقها على البيانات من الرئيسيات والبشر، إذا تم استخدام نفس النوع من تقنيات التسجيل”.
كان صندوق الأدوات النموذجي نتيجة للهاكاثون الذي نتج عنه قائمة مختصرة لأفضل نماذج الكشف. يتم بعد ذلك تنسيق هذه الأطر وتحسينها من قبل المؤلفين الذين يجعلون جميع الرموز والبيانات متاحة بشكل مفتوح لمجتمع البحث.
تتضمن النماذج أطر التعلم الخاضعة للإشراف المعروفة مثل آلات المتجهات الداعمة وأشجار القرار والشبكات العصبية التلافيفية.
“لقد حددنا أكثر من مائة نموذج محتمل من الهياكل الأخرى، والتي يتم استخدامها الآن أو إعادة تدريبها من قبل باحثين آخرين،” علق أندريا نافاس أوليف وأدريان روبيو، المؤلفان الأوائل لهذا العمل.
ويخلص دي لا بريدا إلى أن “بنك نماذج الذكاء الاصطناعي هذا سيوفر تطبيقات جديدة في مجال التكنولوجيا العصبية وسيكون مفيدًا في اكتشاف وتحليل التذبذبات عالية التردد في أمراض مثل الصرع، حيث تعتبر علامات سريرية”. يهدف رابط AI-HUB الخاص بـ CSIC إلى تعزيز استخدام الذكاء الاصطناعي وتطبيقاته.
حول أخبار أبحاث الذكاء الاصطناعي وعلم الأعصاب
مؤلف: ماريا جونزاليس
مصدر: CSIC
اتصال: ماريا جونزاليس – CSIC
صورة: يُنسب الفيلم إلى Neuronews
البحث الأصلي: الوصول المفتوح.
“تكشف أدوات التعلم الآلي لتحليل تموجات الموجات الحادة عن ميزات الشكل الموجي المشتركة عبر الأنواع“كاري هوفمان وآخرون. بيولوجيا الاتصالات
ملخص
تكشف أدوات التعلم الآلي لتحليل تموجات الموجات الحادة عن ميزات الشكل الموجي المشتركة عبر الأنواع
لقد أدت دراسة التموجات الحادة إلى تحسين فهمنا لوظيفة الذاكرة، وقد تم اعتبار تغيرها في الحالات العصبية مثل الصرع بمثابة بيولوجيا الخلل الوظيفي.
تظهر تموجات الموجة الحادة مجموعة متنوعة من أشكال الموجات والخصائص التي لا يمكن وصفها بالكامل بالطرق الطيفية وحدها.
نحن هنا نصف مجموعة أدوات لنماذج التعلم الآلي للكشف الآلي عن هذه الظواهر وتحليلها.
أطر التعلم الآلي الناتجة عن هاكاثون التعهيد الجماعي قادرة على التقاط ميزات تموج مسجلة في الحصين الظهري للفئران أثناء حالات الاستيقاظ والنوم. باستخدام بيانات من قرن آمون المكاك، يمكن لهذه النماذج تعميم النتائج والكشف عن الخصائص المشتركة بين الأنواع.
نحن بموجب هذا نقدم مجموعة أدوات مفتوحة المصدر سهلة الاستخدام لتطبيق النموذج والإرشاد الذي سيساعد على تسريع وتوحيد تحليل التموجات الحادة، مما يخفض عتبة اعتمادها في التطبيقات الطبية الحيوية.