Ringkasan: Sebuah studi baru-baru ini menandai lompatan besar dalam studi osilasi otak, khususnya riak yang merupakan kunci pengorganisasian memori dan dipengaruhi oleh gangguan seperti epilepsi dan penyakit Alzheimer. Para peneliti mengembangkan serangkaian model AI yang dilatih pada data EEG hewan pengerat untuk mengotomatisasi dan meningkatkan deteksi osilasi ini dan menunjukkan efektivitasnya pada data dari primata submanusia.
Terobosan ini, yang muncul dari hackathon kolaboratif, menawarkan lebih dari seratus model pembelajaran mesin yang dioptimalkan, termasuk mesin vektor dukungan dan jaringan saraf konvolusional, yang tersedia secara gratis untuk komunitas ilmiah. Perkembangan ini membuka jalan baru dalam penerapan neuroteknologi, khususnya dalam diagnosis dan pemahaman gangguan neurologis.
Fakta-fakta kunci:
Inovasi yang didorong oleh kecerdasan buatan: Studi ini menyajikan seperangkat model kecerdasan buatan yang mampu mendeteksi gelombang otak yang merupakan kunci organisasi memori dan penyakit neurologis.Aplikasi lintas spesies: Awalnya dilatih pada data hewan pengerat, model ini telah berhasil diuji pada data EEG primata non-manusia, yang menunjukkan potensi untuk digunakan pada manusia.Posting sumber terbuka: Lebih dari seratus model pembelajaran mesin dari proyek ini kini tersedia secara terbuka untuk penggunaan penelitian dan pengembangan lebih lanjut, yang menunjukkan semangat kolaboratif komunitas ilmiah.
Sumber: CSIC
Studi tentang osilasi otak telah meningkatkan pemahaman kita tentang fungsi otak. Riak adalah jenis osilasi cepat yang mendasari pengorganisasian ingatan. Mereka terkena gangguan neurologis seperti epilepsi dan penyakit Alzheimer.
Oleh karena itu, mereka dianggap sebagai biomarker electroencephalographic (EEG). Namun, riak menunjukkan bentuk gelombang dan sifat berbeda yang mungkin terlewatkan oleh metode spektral standar.
Toolkit model muncul sebagai hasil hackathon yang menghasilkan daftar model deteksi terbaik. Kredit: Berita Neurosains
Baru-baru ini, komunitas ilmu saraf menyerukan perlunya otomatisasi, harmonisasi, dan peningkatan deteksi riak yang lebih baik di berbagai tugas dan spesies. Dalam penelitian tersebut, penulis menggunakan rekaman yang diperoleh dari tikus laboratorium untuk melatih kotak peralatan model pembelajaran mesin.
“Kami menguji kemampuan model ini menggunakan data dari primata non-manusia yang dikumpulkan di Vanderbilt University (Nashville, AS) oleh Saman Abbaspoor dan pemimpin laboratorium Kari Hoffman sebagai bagian dari Brain Initiative.
“Kami menemukan bahwa data EEG hewan pengerat dapat digunakan untuk melatih algoritme AI yang dapat diterapkan pada data primata dan mungkin manusia, asalkan jenis teknik perekaman yang digunakan sama,” jelas De la Prida.
Toolkit model muncul sebagai hasil hackathon yang menghasilkan daftar model deteksi terbaik. Arsitektur ini kemudian diselaraskan dan dioptimalkan oleh penulis, yang kini menyediakan semua kode dan data secara terbuka kepada komunitas riset.
Model tersebut mencakup beberapa arsitektur pembelajaran terawasi yang paling terkenal, seperti mesin vektor dukungan, pohon keputusan, dan jaringan saraf konvolusional.
“Kami telah mengidentifikasi lebih dari seratus kemungkinan model dari arsitektur berbeda, yang kini tersedia untuk diterapkan atau dilatih ulang oleh peneliti lain,” komentar Andrea Navas Olivé dan Adrián Rubio, yang merupakan penulis pertama makalah ini.
“Model kecerdasan buatan ini akan memberikan aplikasi baru di bidang neuroteknologi dan mungkin berguna untuk mendeteksi dan menganalisis osilasi frekuensi tinggi dalam patologi seperti epilepsi, yang dianggap sebagai penanda klinis,” simpul De la Prida, yang adalah bagian dari koneksi AI-HUB CSIC yang bertujuan untuk memajukan penggunaan AI dan aplikasinya.
Tentang berita penelitian AI dan ilmu saraf ini
Pengarang: Maria Gonzalez
Sumber: CSIC
Kontak: Maria Gonzalez – CSIC
Gambar: Gambar dikreditkan ke Neuroscience News
Penelitian Asli: Akses terbuka.
“Perangkat Pembelajaran Mesin untuk Analisis Riak Gelombang Tajam Mengungkapkan Kesamaan Bentuk Gelombang di Seluruh Spesies” oleh Kari Hoffman dkk. Biologi komunikasi
Abstrak
Perangkat pembelajaran mesin untuk analisis gelombang tajam mengungkap kesamaan bentuk gelombang di seluruh spesies
Studi tentang gelombang tajam telah meningkatkan pemahaman kita tentang fungsi memori, dan perubahannya pada kondisi neurologis seperti epilepsi dianggap sebagai penanda biologis disfungsi.
Riak gelombang tajam menunjukkan berbagai bentuk dan sifat gelombang yang tidak dapat sepenuhnya dikarakterisasi hanya dengan metode spektral.
Di sini kami menjelaskan perangkat model pembelajaran mesin untuk mendeteksi dan menganalisis peristiwa ini secara otomatis.
Arsitektur pembelajaran mesin yang muncul dari hackathon crowdsourced mampu menangkap sejumlah besar fitur gelombang yang direkam di hipokampus dorsal tikus dalam kondisi bangun dan tidur. Ketika diterapkan pada data hipokampus kera, model ini mampu menggeneralisasi deteksi dan mengungkapkan sifat-sifat bersama antar spesies.
Dengan ini, kami menyediakan perangkat sumber terbuka yang mudah digunakan untuk penggunaan dan perluasan model yang dapat membantu mempercepat dan menstandardisasi analisis gelombang tajam serta menurunkan ambang batas penerapannya dalam aplikasi biomedis.
+ There are no comments
Add yours