БЕНГАЛОР: Исследователи IISc разработали новый графический процессор (графический процессор) на основе алгоритма машинного обучения, который может помочь лучше понять и предсказать связь между различными областями мозга.
Алгоритм — Regularized, Accelerated, Linear Fascicle Evaluation или ReAl-LiFE — может быстро анализировать огромные объемы данных, полученных в результате сканирования мозга с помощью диффузионной магнитно-резонансной томографии (dMRI), сказал IISc, добавив, что с его помощью команда оценила данные dMRI. более чем в 150 раз быстрее, чем существующие современные алгоритмы.
«Задачи, которые раньше выполнялись от нескольких часов до нескольких дней, теперь могут быть выполнены за секунды или минуты», — говорит Девараджан. Шридхарандоцент Центра нейробиологии IISc (ЦНС), и соответствующий автор исследования, опубликованного в Вычислительная наука о природе.

Заявление IIsc гласило: «Миллионы нейронов срабатывают в мозгу каждую секунду, генерируя электрические импульсы, путешествующие по нейронным сетям от одной точки мозга к другой через соединительные кабели или «аксоны», которые необходимы для вычислений, которые выполняет мозг.
Хотя понимание связи между мозгом имеет решающее значение для выявления взаимосвязей мозга и поведения в масштабе, традиционные подходы обычно используют модели на животных и являются инвазивными. Шринивасанаспирант CNS и первый автор исследования, сказал, добавив, что «сканирование dMRI, с другой стороны, обеспечивает неинвазивный метод изучения связей мозга у людей».
Утверждая, что аксоны являются информационными магистралями мозга, IISc добавляет, что, поскольку пучки аксонов имеют форму трубок, молекулы воды движутся через них по их длине направленным образом.
«…dMRI позволяет ученым отслеживать это движение, чтобы создать полную карту сети волокон в мозге, называемую коннектомом. К сожалению, точно определить коннектомы непросто. Данные, полученные при сканировании, показывают только чистый поток молекул воды в каждой точке мозга», — сказал IISc.
Представьте, что молекулы воды — это автомобили, — говорит Шридхаран, добавляя: «Получаемая информация — это направление и скорость транспортных средств в каждой точке пространства и времени без информации о дорогах. Наша задача аналогична определению сетей дорог путем наблюдения за схемами движения».
Чтобы точно идентифицировать эти сети, обычные алгоритмы точно сопоставляют предсказанные сигналы dMRI от предполагаемого коннектома с наблюдаемыми сигналами dMRI. Ученые ранее разработали для этого алгоритм под названием LiFE (Linear Fascicle Evaluation), но одна из его проблем заключалась в том, что он работал на традиционных центральных процессорах (ЦП), что делало вычисления трудоемкими.
Теперь команда Шридхарана настроила алгоритм, чтобы сократить вычислительные затраты, связанные с несколькими способами, включая удаление избыточных соединений, тем самым улучшив производительность LiFE.
«Чтобы еще больше ускорить алгоритм, они также переработали его для работы со специализированными электронными чипами — такими, которые используются в высокопроизводительных игровых компьютерах — называемыми графическими процессорами, которые помогли анализировать данные со скоростью в 100–150 раз быстрее», — сказал IISc.
ReAl-LiFE также смог предсказать, как испытуемый будет вести себя или выполнять конкретную задачу. Команда смогла объяснить различия в результатах поведенческих и когнитивных тестов у 200 участников.
IISc заявил, что такой анализ может иметь и медицинские приложения, в то время как Шринивасан сказал: «Обработка данных в больших масштабах становится все более необходимой для приложений нейробиологии с большими данными, особенно для понимания здоровой функции мозга и патологии мозга».
Например, команда надеется выявить ранние признаки старения или ухудшения работы мозга до того, как они проявятся в поведении пациентов с болезнью Альцгеймера.
«В другом исследовании мы обнаружили, что предыдущая версия ReAL-LiFE могла лучше других конкурирующих алгоритмов отличать пациентов с болезнью Альцгеймера от здоровых людей», — говорит Сридхаран.
Он добавляет, что их реализация на основе графического процессора является очень общей и может использоваться для решения задач оптимизации во многих других областях.

.

ОСТАВЬТЕ ОТВЕТ

Please enter your comment!
Please enter your name here