設(shè)置
  • 日夜間
    隨系統(tǒng)
    淺色
    深色
  • 主題色

科學(xué)家首次將 AI 元學(xué)習(xí)引入神經(jīng)科學(xué),將提升大腦成像精準(zhǔn)醫(yī)療

2022/5/19 18:18:39 來源:鳳凰科技 作者:- 責(zé)編:瀟公子

鳳凰網(wǎng)科技訊 5 月 19 日消息,近期,一項技術(shù)成果在神經(jīng)生物學(xué)頂級期刊 Nature Neuroscience 上發(fā)布。這項研究首次將人工智能領(lǐng)域的元學(xué)習(xí)方法引入到神經(jīng)科學(xué)及醫(yī)療領(lǐng)域,能在有限的醫(yī)療數(shù)據(jù)上訓(xùn)練可靠的 AI 模型,提升基于腦成像的精準(zhǔn)醫(yī)療效果。

腦成像技術(shù)是神經(jīng)科學(xué)發(fā)展的一個重要領(lǐng)域,能夠直接觀察大腦在信息處理和應(yīng)對刺激時的神經(jīng)化學(xué)變化、從而對疾病的診斷和治療提供重要參照。理論上,基于腦成像的 AI 模型可應(yīng)用于預(yù)測個人的一些表征特性,例如,智商、對于某種藥物或某項治療產(chǎn)生的臨床效果等,從而促進針對個人的精準(zhǔn)醫(yī)療,提高社會的醫(yī)療與護理水平。

一個現(xiàn)實的問題在于,雖然現(xiàn)在已經(jīng)有英國生物銀行(UK Biobank)這樣的大規(guī)模人類神經(jīng)科學(xué)數(shù)據(jù)集,在研究臨床人群或解決重點神經(jīng)科學(xué)的問題時,幾十到上百人的小規(guī)模數(shù)據(jù)樣本依舊是常態(tài)。在精確標(biāo)注的醫(yī)療數(shù)據(jù)量有限的情況下,如何訓(xùn)練出可靠的 AI 模型,在神經(jīng)科學(xué)和計算機科學(xué)領(lǐng)域正在成為焦點問題。

在 Nature Neuroscience 發(fā)布的最新研究成果中,研究者們首次提出,使用機器學(xué)習(xí)領(lǐng)域的元學(xué)習(xí)(meta learning)來解決上述難題。元學(xué)習(xí)(meta learning)是一種讓機器學(xué)會更好地學(xué)習(xí)的方法,目的是讓機器面對全新的任務(wù)時能更好地利用在先前的任務(wù)中獲取的“知識”。

研究者通過對先前的小樣本數(shù)據(jù)分析發(fā)現(xiàn),個體的認知、心理健康、人口統(tǒng)計學(xué)和其他健康屬性等表征特性與大腦成像數(shù)據(jù)之間存在一種內(nèi)在的相關(guān)性。基于小樣本數(shù)據(jù)和大數(shù)據(jù)集之間的這種相關(guān)性,研究者提出名為元匹配(meta-matching)的方法。這一方法可以將大數(shù)據(jù)集上訓(xùn)練出來的機器學(xué)習(xí)模型遷移到小數(shù)據(jù)集上,從而訓(xùn)練出更可靠的模型,以更準(zhǔn)確地預(yù)測新的表型。

這一新方法已經(jīng)在英國生物銀行(UK Biobank)和人類連接組計劃(Human Connectome Project)的數(shù)據(jù)集上完成了測評,測評結(jié)果顯示,新方法相較于傳統(tǒng)方法體現(xiàn)出更高的準(zhǔn)確率。

實驗顯示,這項新的訓(xùn)練框架非常靈活,可以與任何機器學(xué)習(xí)算法相結(jié)合,在小規(guī)模的數(shù)據(jù)集上,也可以有效地訓(xùn)練泛化性能好的 AI 預(yù)測模型。

Nature Neuroscience 是全球最具影響力的學(xué)術(shù)期刊 Nature 的子刊,也是神經(jīng)生物學(xué)領(lǐng)域最頂級的刊物之一,該雜志發(fā)表的論文涉及神經(jīng)科學(xué)的各個領(lǐng)域,包括分子、細胞、系統(tǒng)、行為、認知和計算研究。

廣告聲明:文內(nèi)含有的對外跳轉(zhuǎn)鏈接(包括不限于超鏈接、二維碼、口令等形式),用于傳遞更多信息,節(jié)省甄選時間,結(jié)果僅供參考,IT之家所有文章均包含本聲明。

相關(guān)文章

關(guān)鍵詞:神經(jīng)科學(xué),大腦醫(yī)療

軟媒旗下網(wǎng)站: IT之家 最會買 - 返利返現(xiàn)優(yōu)惠券 iPhone之家 Win7之家 Win10之家 Win11之家

軟媒旗下軟件: 軟媒手機APP應(yīng)用 魔方 最會買 要知