机器学习揭示了人类大脑的新见解

由新加坡国立大学(NUS)科学家领导的跨学科研究团队已成功地利用机器学习来发现对人脑细胞结构的新见解。

该团队展示了一种使用从功能磁共振成像(fMRI)收集的数据自动估算大脑参数的方法，使神经科学家无需使用手术手段即可探测大脑，从而推断出不同大脑区域的细胞特性。该方法可潜在地用于评估神经系统疾病的治疗，并开发新的疗法。

许多疾病的潜在途径发生在细胞水平，许多药物在微观水平起作用。要知道在人的大脑最深处真正发生了什么，对我们来说至关重要的是，开发出可以非侵入性地深入大脑深处的方法，”新加坡研究小组负责人助理教授Thomas Yeo说道。国立大学神经技术学院(SINAPSE)和A * STAR-NUS临床影像研究中心(CIRC)。

与荷兰和西班牙的研究人员合作进行的这项新研究首次于2019年1月9日在线发表在科学期刊《科学进展》上。

揭示人脑的复杂性

大脑是人体最复杂的器官，由1000亿个神经细胞组成，这些神经细胞又与大约1000个其他神经细胞相连。甚至影响大脑最小部分的任何损害或疾病都可能导致严重的损害。

当前，大多数人脑研究仅限于非侵入性方法，例如磁共振成像(MRI)。这限制了在细胞水平上对人脑的检查，这可能为各种神经系统疾病的发展和潜在治疗提供新颖的见解。

世界各地的不同研究团队已利用生物物理模型弥合了非侵入性成像与人脑对细胞的了解之间的鸿沟。生物物理大脑模型可用于模拟大脑活动，使神经科学家能够深入了解大脑。但是，这些模型中的许多模型都基于过于简单的假设，例如，所有大脑区域都具有相同的细胞特性，而科学家们知道这种特性已经有100多年的历史了。

建立虚拟大脑模型

Yeo教授及其团队与Pompeu Fabra大学，巴塞罗那大学和乌得勒支大学医学中心的研究人员合作，分析了来自人类Connectome项目的452名参与者的成像数据。与先前的建模工作不同，它们允许每个大脑区域具有不同的细胞特性，并利用机器学习算法自动估计模型参数。

“我们的方法可以更好地拟合真实数据。此外，我们发现由机器学习算法估算的微观模型参数反映了大脑如何处理信息。”论文的第一作者王鹏博士说，他是博士后研究员时就进行了这项研究。在杨教授助理的团队中

研究团队发现，涉及视觉，听觉和触觉等感觉知觉的大脑区域表现出与参与内部思想和记忆的大脑区域相反的细胞特性。人脑细胞结构的空间模式紧密反映了大脑如何分层处理来自周围环境的信息。这种分层处理形式既是人脑的重要特征，也是人工智能的最新进展。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！