威爾康奈爾醫(yī)學(xué)院、康奈爾理工學(xué)院和康奈爾大學(xué)伊薩卡校區(qū)的研究人員已經(jīng)展示了使用人工智能選擇的自然圖像和人工智能生成的合成圖像作為神經(jīng)科學(xué)工具來探測大腦的視覺處理區(qū)域。目標(biāo)是應(yīng)用數(shù)據(jù)驅(qū)動的方法來理解視覺是如何組織的，同時(shí)潛在地消除在查看對研究人員選擇的一組更有限的圖像的響應(yīng)時(shí)可能出現(xiàn)的偏差。
在發(fā)表在《通訊生物學(xué)》上的這項(xiàng)研究中，研究人員讓志愿者查看根據(jù)人類視覺系統(tǒng)的人工智能模型選擇或生成的圖像。預(yù)計(jì)這些圖像將最大程度地激活多個(gè)視覺處理區(qū)域。研究人員利用功能磁共振成像(fMRI)記錄志愿者的大腦活動，發(fā)現(xiàn)這些圖像確實(shí)比對照圖像更好地激活了目標(biāo)區(qū)域。
研究人員還表明，他們可以使用這些圖像響應(yīng)數(shù)據(jù)來調(diào)整個(gè)體志愿者的視覺模型，以便為特定個(gè)體生成最大程度激活的圖像比基于通用模型生成的圖像效果更好。
“我們認(rèn)為這是研究視覺神經(jīng)科學(xué)的一種有前途的新方法，”該研究的資深作者、威爾康奈爾醫(yī)學(xué)院菲爾家族大腦和心智研究所的放射學(xué)數(shù)學(xué)和神經(jīng)科學(xué)數(shù)學(xué)教授 Amy Kuceyeski 博士說。 。
這項(xiàng)研究是與康奈爾工程學(xué)院和康奈爾理工學(xué)院電氣和計(jì)算機(jī)工程教授以及威爾康奈爾醫(yī)學(xué)院放射學(xué)電氣工程教授 Mert Sabuncu 博士的實(shí)驗(yàn)室合作進(jìn)行的。該研究的第一作者是 Zijin Gu 博士，他是一名博士生，在研究時(shí)由 Sabuncu 博士和 Kuceyeski 博士共同指導(dǎo)。
通過將大腦反應(yīng)映射到特定圖像來建立人類視覺系統(tǒng)的準(zhǔn)確模型，是現(xiàn)代神經(jīng)科學(xué)更雄心勃勃的目標(biāo)之一。例如，研究人員發(fā)現(xiàn)，一個(gè)視覺處理區(qū)域可能會對面部圖像做出強(qiáng)烈反應(yīng)，而另一個(gè)視覺處理區(qū)域可能會對風(fēng)景做出反應(yīng)。考慮到用植入電極直接記錄大腦活動的風(fēng)險(xiǎn)和困難，科學(xué)家必須主要依靠非侵入性方法來實(shí)現(xiàn)這一目標(biāo)。
首選的非侵入性方法是功能磁共振成像(fMRI)，它本質(zhì)上是記錄大腦小血管中血流的變化——這是大腦活動的間接測量——當(dāng)受試者受到感官刺激或以其他方式執(zhí)行認(rèn)知或身體任務(wù)時(shí)。功能磁共振成像機(jī)器可以以立方毫米量級的分辨率讀出大腦三個(gè)維度的微小變化。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！