大腦被認(rèn)為是現(xiàn)存最復(fù)雜的系統(tǒng)之一。雖然在理解方面取得了很大的進(jìn)步，但我們往往問的問題比回答的多。
然而，現(xiàn)在由京都大學(xué)領(lǐng)導(dǎo)的一個(gè)研究小組開發(fā)了一個(gè)機(jī)器學(xué)習(xí)模型，該模型允許科學(xué)家通過測(cè)量神經(jīng)元自身發(fā)出的信號(hào)來(lái)重建神經(jīng)元電路。該模型有可能闡明不同腦區(qū)神經(jīng)元計(jì)算的差異。
為了理解大腦，我們必須研究組成大腦的神經(jīng)元。我們的整個(gè)感知世界分布在大腦的數(shù)十億個(gè)細(xì)胞中。此外，它們之間的聯(lián)系數(shù)量成倍增加(稱為突觸)，這挑戰(zhàn)了我們的理解。
項(xiàng)目負(fù)責(zé)人、京都大學(xué)科學(xué)學(xué)院的Shigeru Shinomoto解釋說，盡管大腦中單個(gè)神經(jīng)元的活動(dòng)可以被記錄下來(lái)——而且數(shù)量在過去十年中急劇增加——但這仍然是一個(gè)挑戰(zhàn)。畫出這些單元是如何相互連接的。
Shinomoto解釋說：“有人提出，可以通過分析神經(jīng)元信號(hào)之間的相關(guān)性來(lái)估計(jì)神經(jīng)元的連通性?！薄暗茈y得到準(zhǔn)確的推斷，因?yàn)橛写罅縼?lái)自其他神經(jīng)元的外部噪聲。”
該團(tuán)隊(duì)構(gòu)建了一種分析方法，從單個(gè)神經(jīng)元獲得信號(hào)尖峰，并估計(jì)神經(jīng)元之間的聯(lián)系。為了消除“噪聲”數(shù)據(jù)，他們將通用線性模型或GLM(機(jī)器學(xué)習(xí)中的基本模型)應(yīng)用于互相關(guān)圖或CC，該圖記錄了神經(jīng)元之間的激發(fā)相關(guān)性。
這項(xiàng)研究的第一作者小林良田(Ryota Kobayashi)說：“我們稱這種分析為GLMCC，它根據(jù)突觸膜電位來(lái)估計(jì)神經(jīng)連接的強(qiáng)度。
“為了確認(rèn)我們的數(shù)據(jù)是否反映了現(xiàn)實(shí)世界的連通性，我們通過模擬大規(guī)模神經(jīng)網(wǎng)絡(luò)來(lái)評(píng)估其準(zhǔn)確性。我們確認(rèn)，新模型的準(zhǔn)確率為97%，遠(yuǎn)高于以前的任何方法?！?
然后將該模型應(yīng)用于大鼠海馬神經(jīng)元活動(dòng)的實(shí)驗(yàn)數(shù)據(jù)。分析時(shí)，估計(jì)的連接與從其他生理線索推斷的結(jié)果相匹配。
而且源代碼的“即用”版本可以在網(wǎng)上獲得，研究小組希望全世界的神經(jīng)科學(xué)家都能使用它。
Shinohamoto總結(jié)道：“隨著技術(shù)的進(jìn)步，我們收集的神經(jīng)學(xué)數(shù)據(jù)量將會(huì)增加。我們新的分析模型對(duì)于處理這些信息至關(guān)重要，它將使我們能夠更好地理解我們的大腦是如何處理我們周圍的世界的?！?
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！