Các bài báo về sự phát triển trong Nghiên cứu Não bộ Phần 1

May 09 2022
Tóm tắt: Các tổn thương do nhiễm khuẩn có nồng độ natri cao hơn so với mô não bình thường. Các tổn thương như vậy được bác sĩ phẫu thuật nhận biết bằng sờ nắn và sau đó được cắt bỏ để loại bỏ các cơn co giật động kinh với hành vi điện bất thường liên quan của chúng.
Ảnh của Robina Weermeijer trên Unsplash
  1. Sự vận chuyển ion đặc biệt của mô não biểu sinh của con người mới được bài tiết ( arXiv )

Trừu tượng :Các tổn thương do epileptogenic có nồng độ natri cao hơn so với mô não bình thường. Các tổn thương như vậy được bác sĩ phẫu thuật nhận biết bằng sờ nắn và sau đó được cắt bỏ để loại bỏ các cơn co giật động kinh với hành vi điện bất thường liên quan của chúng. Ở đây chúng tôi nghiên cứu độ dẫn điện phụ thuộc tần số của các mô chứa đầy tổn thương được lấy ra từ não của bệnh nhân động kinh. Độ dẫn điện tần số thấp (<1000 Hz) của mô sinh học chủ yếu thăm dò các cation natri được hòa tan ngoại bào di chuyển song song với màng trong các vùng bị giới hạn bởi sự tắc nghẽn. Độ dẫn điện này tăng đơn điệu về phía bão hòa khi tần số vượt qua tốc độ mà các cation natri hòa tan khuếch tán gặp phải tắc nghẽn. Chúng tôi nhận thấy rằng sự bão hòa xảy ra với tần số cao hơn đáng kể trong mô não bị cắt bỏ có chứa các tổn thương biểu sinh so với mô não bình thường. Ngược lại, hiệu ứng như vậy không được báo cáo đối với các khối u nằm trong mô sinh học bị cắt bỏ khác. Tất cả đã nói, các tổn thương do epileptogenic tạo ra độ dẫn truyền phụ thuộc vào tần số, khác biệt về chất so với độ dẫn của cả mô não bình thường và khối u

2.Building Brains: Tái tổ hợp khối lượng phụ để tăng cường dữ liệu trong phát hiện tắc mạch tàu lớn ( arXiv )

Tác giả: Florian Thamm , Oliver Taubmann , Markus Jürgens , Aleksandra Thamm , Felix Denzinger , Leonhard Rist , Hendrik Ditt , Andreas Maier

Trừu tượng :Đột quỵ do thiếu máu cục bộ thường do tắc mạch máu lớn (LVO), có thể được hình dung và chẩn đoán bằng chụp cắt lớp vi tính chụp mạch máu cắt lớp vi tính. Vì thời gian là bộ não, nên chẩn đoán nhanh chóng, chính xác và tự động cho những lần quét này là mong muốn. Độc giả của con người so sánh bán cầu trái và phải trong đánh giá của họ về đột quỵ. Cần có một tập dữ liệu đào tạo lớn đối với mô hình dựa trên học sâu tiêu chuẩn để học chiến lược này từ dữ liệu. Vì dữ liệu y tế được dán nhãn trong lĩnh vực này rất hiếm, nên cần phải phát triển các phương pháp tiếp cận khác. Để bao gồm cả kiến ​​thức trước đó về so sánh bên và tăng lượng dữ liệu đào tạo, chúng tôi đề xuất một phương pháp tăng cường tạo ra các mẫu đào tạo nhân tạo bằng cách kết hợp lại các phân đoạn cây mạch của các bán cầu hoặc tiểu vùng bán cầu từ các bệnh nhân khác nhau. Các tiểu vùng bao phủ các mạch thường bị ảnh hưởng bởi LVO, cụ thể là động mạch cảnh trong (ICA) và động mạch não giữa (MCA). Phù hợp với sơ đồ tăng cường, chúng tôi sử dụng 3D-DenseNet được cung cấp với đầu vào theo nhiệm vụ cụ thể, thúc đẩy so sánh song song giữa các bán cầu. Hơn nữa, chúng tôi đề xuất mở rộng kiến ​​trúc đó để xử lý các tiểu vùng bán cầu riêng lẻ. Tất cả các cấu hình dự đoán sự hiện diện của LVO, mặt của nó và tiểu vùng bị ảnh hưởng. Chúng tôi cho thấy tác động của tái tổ hợp như một chiến lược gia tăng trong một nghiên cứu cắt bỏ xác nhận chéo 5 lần. Chúng tôi đã nâng cao AUC để phân loại thông minh cho bệnh nhân liên quan đến sự hiện diện của LVO của tất cả các kiến ​​trúc được điều tra. Đối với một biến thể, phương pháp được đề xuất đã cải thiện AUC từ 0,73 mà không tăng lên 0,89. Cấu hình tốt nhất phát hiện LVO với AUC là 0,91,

3 Khung học tập sâu cho phân đoạn não của thai nhi trong thời gian thực trong MRI ( arXiv )

Tác giả: Razieh Faghihpirayesh , Davood Karimi , Deniz Erdogmus , Ali Gholipour

Trừu tượng :Phân đoạn não của thai nhi là bước đầu tiên quan trọng để điều chỉnh chuyển động ở mức độ lát cắt và tái tạo từng phần theo thể tích trong MRI thai nhi. Cần phải phân đoạn nhanh và chính xác não bộ của thai nhi trên MRI thai nhi để đạt được ước tính tư thế đầu của thai nhi theo thời gian thực và theo dõi chuyển động để thu nhận lại lát cắt và chỉ đạo. Để giải quyết nhu cầu quan trọng chưa được đáp ứng này, trong tác phẩm này, chúng tôi đã phân tích hiệu suất tốc độ-chính xác của nhiều mô hình mạng nơ-ron sâu và phát minh ra một mạng nơ-ron tích tụ nhỏ mang tính biểu tượng kết hợp các chi tiết không gian ở độ phân giải cao với các tính năng ngữ cảnh được trích xuất ở độ phân giải thấp hơn. Chúng tôi đã sử dụng nhiều nhánh với các kết nối bỏ qua để duy trì độ chính xác cao trong khi tạo ra sự kết hợp song song giữa các phép toán chập và gộp làm mô-đun lấy mẫu đầu vào để giảm thêm thời gian suy luận. Chúng tôi đã đào tạo mô hình của mình cũng như tám mạng thay thế, hiện đại với các lát cắt MRI não thai nhi được dán nhãn thủ công và thử nghiệm trên hai bộ trường hợp thử nghiệm bình thường và thử thách. Kết quả thử nghiệm cho thấy rằng mạng của chúng tôi đạt được độ chính xác cao nhất và thời gian suy luận thấp nhất trong số tất cả các phương pháp phân đoạn thời gian thực hiện đại được so sánh. Chúng tôi đã đạt được điểm số Dice trung bình lần lượt là 97,99 \% và 84,04 \% trên các bộ thử nghiệm thông thường và thử thách, với thời gian suy luận là 3,36 mili giây cho mỗi hình ảnh trên NVIDIA GeForce RTX 2080 Ti. Mã, dữ liệu và các mô hình được đào tạo có sẵn tại Kết quả thử nghiệm cho thấy rằng mạng của chúng tôi đạt được độ chính xác cao nhất và thời gian suy luận thấp nhất trong số tất cả các phương pháp phân đoạn thời gian thực hiện đại được so sánh. Chúng tôi đã đạt được điểm số Dice trung bình lần lượt là 97,99 \% và 84,04 \% trên các bộ thử nghiệm thông thường và thử thách, với thời gian suy luận là 3,36 mili giây cho mỗi hình ảnh trên NVIDIA GeForce RTX 2080 Ti. Mã, dữ liệu và các mô hình được đào tạo có sẵn tại Kết quả thử nghiệm cho thấy rằng mạng của chúng tôi đạt được độ chính xác cao nhất và thời gian suy luận thấp nhất trong số tất cả các phương pháp phân đoạn thời gian thực hiện đại được so sánh. Chúng tôi đã đạt được điểm số Dice trung bình lần lượt là 97,99 \% và 84,04 \% trên các bộ thử nghiệm thông thường và thử thách, với thời gian suy luận là 3,36 mili giây cho mỗi hình ảnh trên NVIDIA GeForce RTX 2080 Ti. Mã, dữ liệu và các mô hình được đào tạo có sẵn tạihttps://github.com/bchimagine/real_time_fetal_brain_segmentation

4. Đánh giá độ chắc chắn của việc kích hoạt hoặc không hoạt động trong nghiên cứu fMRI Test-Retest (arXiv)

Tác giả: Ranjan Maitra

Trừu tượng :Hình ảnh cộng hưởng từ chức năng ~ (fMRI) được sử dụng rộng rãi để nghiên cứu sự hoạt hóa trong não người. Trong hầu hết các trường hợp, dữ liệu thường được sử dụng để xây dựng bản đồ kích hoạt tương ứng với một mô hình nhất định. Kết quả có thể rất khác nhau, do đó việc định lượng độ chắc chắn của việc xác định kích hoạt và bất hoạt qua các nghiên cứu là rất quan trọng. Bài báo này cung cấp một cách tiếp cận dựa trên mô hình để ước tính độ chắc chắn từ dữ liệu thu được qua một số bản sao của cùng một mô hình thực nghiệm. Cụ thể, các giá trị p thu được từ phân tích thống kê dữ liệu được mô hình hóa một cách rõ ràng dưới dạng hỗn hợp các phân phối cơ bản của chúng; do đó, không giống như phương pháp luận hiện đang được sử dụng, không có yêu cầu về ngưỡng chủ quan trong quá trình ước tính. Các tham số chi phối mô hình hỗn hợp có thể dễ dàng thu được theo nguyên tắc khả năng xảy ra tối đa. Thêm nữa, các ước lượng cũng có thể được sử dụng để xác định một cách tối ưu các vùng kích hoạt đặc trưng cho voxel cùng với các biện pháp độ chắc chắn tương ứng của chúng. Phương pháp này được áp dụng cho một nghiên cứu liên quan đến mô hình vận động được thực hiện trên một đối tượng đơn lẻ nhiều lần trong khoảng thời gian hai tháng. Các thí nghiệm mô phỏng được sử dụng để hiệu chỉnh hiệu suất của phương pháp này rất hứa hẹn. Phương pháp này cũng được coi là mạnh mẽ trong việc xác định các khu vực kích hoạt và độ chắc chắn tương ứng của chúng

5. Một lý thuyết về trí thông minh tự nhiên ( arXiv )

Tác giả: Christoph von der Malsburg , Thilo Stadelmann , Benjamin F. Grewe

Trừu tượng :Giới thiệu: Trái ngược với công nghệ AI hiện tại, trí thông minh tự nhiên - loại trí thông minh tự chủ được nhận ra trong não của động vật và con người để đạt được các mục tiêu trong môi trường tự nhiên được xác định bằng một loạt dữ liệu hành vi bẩm sinh - vượt trội hơn nhiều về mặt học tập tốc độ, khả năng khái quát hóa, khả năng tự chủ và sáng tạo. Những điểm mạnh này như thế nào, ý tưởng và trí tưởng tượng được tạo ra trong mạng nơ-ron tự nhiên bằng phương tiện gì? Phương pháp: Xem lại tài liệu, chúng tôi đưa ra lập luận rằng cả môi trường tự nhiên và bộ não của chúng ta đều có độ phức tạp thấp, tức là đòi hỏi rất ít thông tin và do đó cả hai đều có cấu trúc cao. Chúng tôi lập luận thêm rằng cấu trúc của não và môi trường tự nhiên có liên quan chặt chẽ với nhau. Các kết quả: Chúng tôi đề xuất rằng cấu trúc đều đặn của não có dạng các mảnh lưới (các mô hình mạng tự tổ chức) và chúng đóng vai trò là thiên hướng quy nạp mạnh mẽ cho phép não học nhanh chóng, khái quát hóa từ một vài ví dụ và thu hẹp khoảng cách giữa các mô hình được định nghĩa một cách trừu tượng. mục tiêu chung và tình huống cụ thể. Kết luận: Kết quả của chúng tôi có ý nghĩa quan trọng đối với các vấn đề mở trong nghiên cứu mạng nơ-ron nhân tạo.

© Copyright 2021 - 2022 | vngogo.com | All Rights Reserved