對大腦振蕩的研究增進了我們對大腦功能的理解。波紋是記憶組織背后的一種快速振蕩。他們受到癲癇和阿爾茨海默病等神經(jīng)系統(tǒng)疾病的影響。因此，它們被認為是腦電圖 (EEG) 生物標志物。然而，波紋表現(xiàn)出各種波形和特性，標準光譜方法可能會忽略這些波形和特性。
最近，神經(jīng)科學界呼吁需要更好地自動化、協(xié)調和改進一系列任務和物種的漣漪檢測。在這項研究中，作者使用實驗室小鼠獲得的錄音來訓練機器學習模型的工具箱。
“我們使用 Saman Abbaspoor 和實驗室負責人 Kari Hoffman 在范德比爾特大學(美國納什維爾)收集的非人類靈長類動物數(shù)據(jù)測試了這些模型的能力，作為大腦計劃的一部分。我們發(fā)現(xiàn)可以使用嚙齒類動物腦電圖數(shù)據(jù)來訓練人工智能算法，如果使用相同類型的記錄技術，這些算法可以應用于靈長類動物甚至人類的數(shù)據(jù)。”De la Prida 解釋道，他是 CSIC AI-HUB 連接的成員，旨在推進該技術的使用人工智能及其應用。
該模型工具箱是黑客馬拉松的結果，最終產生了最佳檢測模型的簡短列表。然后作者對這些架構進行了協(xié)調和優(yōu)化，現(xiàn)在他們向研究社區(qū)公開提供所有代碼和數(shù)據(jù)。模型包括一些最著名的監(jiān)督學習架構，例如支持向量機、決策樹和卷積神經(jīng)網(wǎng)絡。
該研究的第一作者 Andrea Navas Olivé 和 Adrián Rubio 表示：“我們已經(jīng)從不同的架構中識別出了一百多個可能的模型，這些模型現(xiàn)在可供其他研究人員應用或再訓練。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！