Today Photo

تعیین سن مغز انسان با استفاده از هوش مصنوعی

اخبار علمی | تعیین سن مغز انسان با استفاده از هوش مصنوعی ماشین یادگیری عمیق با استفاده از اسکن های MRI می تواند سن مغز انسان را تعیین کند.
 

توانایی های شناختی انسان با افزایش سن کاهش می یابند. دانشمندان علوم اعصاب از مدت ها پیش می دانند که کاهش این توانایی ها با تغییرات آناتومی مغز ارتباط دارد؛ بنابراین، اینکه بر مبنای عکس های MRI بتوان نشانه های پیری مغز را پیدا کنیم و اینکه حتی بتوانیم سن مغز را تعیین کنیم، جای تعجب ندارد. تفاوت بین سن مغز و سن تقویمی شخص می تواند به ما در کشف بروز مشکلاتی مانند زوال عقل کمک کند.

اما در این میان مشکلی وجود دارد؛ واقعیت این است که آنالیز سن مغز فرایند بسیار وقت گیری است، چون داده های به دست آمده از MRI باید مورد پردازش قرار گیرند تا در ادامه بتوانیم در مورد سن مغز اظهار نظر قابل اتکایی داشته باشیم. این پردازش شامل حذف بافت های غیر مغزی موجود در تصویر بالا است؛ بافت هایی مانند جمجمه؛ دسته بندی ماده ی سفید مغز؛ ماده ی خاکستری مغز. ضمن آنکه حذف ایرادات خود عکس نیز از طریق تکنیک های حذف نویز و هموارسازی داده ها انجام می شود.

پردازش این حجم از داده می تواند 24 ساعت به طول انجامد؛ بنابراین موضوع فوق برای پزشکانی که درصدد در نظر گرفتن سن مغز یک بیمار در تشخیص بالینی خود هستند، تبدیل به یک مشکل قابل توجه می شود.

اما امروزه به لطف زحمات جیووانی مونتانا و همکارانش در کالج کینگز لندن، شرایط تغییر کرده است. این تیم تحقیقاتی با طراحی یک ماشین با قابلیت یادگیری عمیق، توانسته اند زمان پردازش اطلاعات خام حاصل از MRI را کاهش دهند. تکنیک یادگیری عمیق پزشکان را قادر می کند سن مغز را در عرض چند ثانیه و زمانی که بیمار هنوز داخل اسکنر است، به صورت دقیق تعیین کنند.

یادگیری عمیق یا یادگیری سلسله مراتبی، زیرشاخه ای از یادگیری ماشینی و بر مبنای مجموعه ای از الگوریتم ها است؛ این روش یک تکنیک استاندارد برای یادگیری عمیق است. مونتانا به همراه همکارانش از 2000 شخص سالم 18 تا 90 ساله MRI مغزی گرفتند. این اشخاص هیچ گونه مشکل مغزی نداشتند، بنابراین سن مغزی و سن تقویمی آن ها با هم منطبق بود. این اسکن ها از نوع استاندارد T1-wieghted MRI بودند که توسط مدرن ترین دستگاه های MRI انجام شدند. نتیجه ی هر اسکن حاوی برچسبی بود که سن تقویمی شخص روی آن نوشته شده بود.

پیری مغز در انسان توسط دستگاه

این تیم تحقیقاتی با استفاده از 80 درصد عکس ها، نوعی از شبکه پیچیده عصبی برای تعیین سن اشخاص طراحی کرد؛ اعضای تیم با استفاده از 200 عکس دیگر به راستی آزمایی این فرآیند پرداختند. در نهایت، با استفاده از 200 عکس استفاده نشده، محققان تعیین کردند که این شبکه تا چه اندازه در تعیین سن مغزی افراد خوب عمل می کند.

هم زمان، تیم تحقیقاتی تصمیم گرفت روش یادگیری عمیق را با روش های مرسوم تعیین سن مغز مقایسه کند. برای این کار به پردازش گسترده ی اطلاعات برای شناسایی ماده سفید مغز و ماده خاکستری مغز نیاز بود. همچنین در ادامه باید از یک روش تحلیل آماری به نام رگرسیون فرآیند گاوسی GPR استفاده می شد.

نتایج حاصل از انجام این کار جالب بود؛ هر دو روش یادگیری عمیق و GPR توانستند سن تقویمی اشخاص را با استفاده از پردازش داده های پیش پردازش شده MRI با دقت تعیین کنند. هر دو روش، این کار را با خطای کمتر از 5 سال انجام دادند. با این حال روش یادگیری عمیق، برتری خود بر روش GPR را در پردازش داده ها ی خام MRI نشان داد. میانگین خطای این روش مانند حالت قبلی و در حدود 4.66 سال بود. این رقم در حالی مطرح می شد که روش استاندارد GPR عملکرد ضعیفی داشت و میانگین خطای آن در تشخیص سن افراد 12 سال بود.

علاوه بر این؛ آنالیز داده ها توسط یادگیری عمیق تنها چند ثانیه زمان می برد، در حالی که زمان صرف شده برای پیش پردازش داده ها ی مورد نیاز روش استاندارد، 24 ساعت است. تنها پردازش مورد نیاز ماشین یادگیری عمیق، حصول اطمینان از همسانی موقعیت عکس ها و فواصل سه بعدی بین آن ها است. این روش تأثیر قابل ملاحظه ای بر کارکرد پزشکان خواهد گذاشت. مونتانا و همکاران وی در مقاله ی خود چنین آورده اند:

با استفاده ی درست از نرم افزار، داده های تشخیص سن مغزی را می توان زمانی که هنوز بیمار داخل دستگاه اسکنر است، به دست آورد.

تیم تحقیقاتی همچنین از عکس های گرفته شده از دستگاه های مختلف MRI در تحقیق خود استفاده کرده اند تا نشان دهند این روش را می توان برای دستگاه های گوناگون در سراسر جهان استفاده کرد. آن ها همچنین سن مغزی دوقلو ها را با هم مقایسه کردند تا نقش فاکتور های ژنتیکی در پیری مغز را بسنجند. نکته ی جالب این است که ارتباط بین سن مغزی دوقلوها با گذشت زمان کم می شود؛ به این معنی که فاکتورهای محیطی نقش مهم تری در روند پیری مغز ایفا می کنند. بنابراین می توان گفت تحقیقات این تیم منجر به گشایش مسیر های جدید برای مطالعات آتی شده است.

نتایج به دست آمده از کارهای مونتانا و همکارانش بسیار مهم هستند و می توانند پروسه ی تشخیص شرایط مغزی یک بیمار را برای بالین شناسان آسان تر از قبل کنند. شواهد قابل توجهی وجود دارد که دیابت، شیزوفرنی و جراحات مغزی با پیری سریع تر مغز در ارتباط هستند. بنابراین داشتن روشی برای تعیین سریع و دقیق سن مغز، در آینده می تواند به پزشکان در نحوه ی برخورد با این شرایط پزشکی کمک شایانی کند. مونتانا و همکاران وی در این مورد چنین توضیح داده اند:

سن پیش بینی شده مغزی، نشان گر یک ژنوتیپ دقیق، قابل اطمینان و از لحاظ ژنتیکی معتبر است و پتانسیل این را دارد که به عنوان معیاری برای تشخیص پیری مغز به کار رود.

منبع : زومیت
اشتراک ایمیل های شبانه
آبونه 1دوست بشین
تا لیست آخرین مطالب سایت هر شب براتون ایمیل بشه
 
این صفحه رو
 
توئیتش کن تو فیسبوک شیر کن برای فرند فید بفرست به تامبلر بفرست چاپش کن
 
 
امتیاز بدین
لطفا برای تشخیص مطالب بهتر ، به این مطلب امتیاز بده
 
آمار امتیازات
برای استفاده از امکانات جدید سایت ، با یک دوست دوست بشین
 
 
نظر های داده شده
تا این لحظه 3 نظر برای این مطلب ثبت شده. شما هم اینجا نظرت رو برامون بنویس
 
علی بهرو
3 ماه پیش
قابل تأمل و جالب
سپهرام عظیم
3 ماه پیش
آموزنده و خواندنی
محمد نیازی
3 ماه پیش
جالب بود ممنون
 
نظر بدین
ممنون که لطف میکنی و با نوشتن نظرت دلگرممون میکنی
 
برای استفاده از امکانات جدید سایت ، با یک دوست دوست بشین
 

اسباب بازی های مورد علاقه کودکان در نقاط مختلف دنیا
اسباب بازی های مورد علاقه کودکان در نقاط مختلف دنیا
اگر در جایی زندگی می کنید که افراد برای یک جشن تولد ایکس باکس کادو می گیرند، فکر نکنید اوضاع برای دیگران هم به همین شکل است.
 
 
 
سن دوستی :
15 ماه
رتبه دوستی :
5
امکانات
مطالب

 
شما هم میتونی اینجا کلیک کنی ، فرم همکاری رو پر کنی و یکی از تهیه کننده های یک دوست باشی !
© 2008-2013 1Doost dot com. All rights reserved.
اعضا




منوی اصلی
تا هر شب مطالب سایت براتون ایمیل بشه


دانلود نسخه اندروید یک دوست



Valid XHTML 1.0 Strict
[Valid RSS]
 


خوانندگان ثابت اخبار