هوش مصنوعی، اتفاقات و تحولات بعدی را پیشبینی میکند.
هر چند این پیشبینی ها در همه ی موارد درست نیست ولی چون انبار داده های هوش مصنوعی بسیار وسیع است، پیش بینی های آن یعنی نتیجه ای که از روی داده های خود، به آن میرسد، میتواند بسیار کارا و قدرتمند باشد. همه ی داده های در دسترس هوش مصنوعی، سودمند نیست و اطلاعات بی ارزش و فیک هم در این داده ها هست ولی اگر بتوان راهی برای کنار گذاشتن داده های بی ارزش پیدا کرد نتیجه ی محاسبات هوش مصنوعی بسیار ارزشمند خواهد بود.
هوش مصنوعی، ردیابی نورون در حیوانات متحرک مانند کرم را متحول می کند(پیشرفت کنونی این پتانسیل را دارد که تحقیقات در تصویربرداری مغز را تسریع کند و درک ما را از مدارهای عصبی و رفتارها عمیق تر کند.)
ویژه علوم اعصاب
5 دسامبر 2023
خلاصه: محققان، روشی را مبتنی بر هوش مصنوعی برای ردیابی نورون ها در حیوانات متحرک و در حال تغییر شکل، ایجاد کردند که یک پیشرفت قابل توجه در تحقیقات علوم اعصاب است.
این روش، شبکه عصبی پیچشی (CNN)، بر چالش ردیابی فعالیت مغز در موجوداتی مانند کرمها- که بدن آنها دائماً تغییر شکل میدهد- غلبه میکند.
با استفاده از «افزایش هدفمند»، هوش مصنوعی، نیاز به حاشیه نویسی دستی تصویر را کاهش می دهد و فرآیند شناسایی نورون را ساده می کند. این فناوری که بر روی کرم گرد Caenorhabditis elegans آزمایش شده است، نه تنها کارآیی تجزیه و تحلیل را افزایش داده، بلکه بینش در مورد رفتارهای عصبی پیچیده را عمیق تر کرده است.
حقایق کلیدی:
تکنیک خلاقانه ی هوش مصنوعی: روش CNN convolutional neural network، به طور خودکار حاشیه نویسی را ترکیب می کند و تغییر شکل داخلی مغز را برای انطباق با وضعیت های جدید، یاد می گیرد.
بهره وری در تجزیه و تحلیل:
این رویکرد در مقایسه با حاشیه نویسی کاملا دستی، توان تحلیل را سه برابر می کند و به طور چشمگیری در زمان و تلاش برای تحقیق، صرفه جویی می کند.
کاربرد و یافته ها:
این روش با استفاده از کرم گرد غنی از نورون Caenorhabditis elegans، رفتارهای پیچیده ی بین نورونی و پاسخ به محرک ها را نشان داد.
پیشرفتهای اخیر، امکان میدهد از نورونها در حیواناتی- که آزادانه در حال حرکت هستند- تصویربرداری انجام شود. با این حال، برای رمزگشایی فعالیت مدار، این نورون های تصویر شده باید به صورت محاسباتی شناسایی و ردیابی شوند. این امر به ویژه زمانی چالش برانگیز می شود که خود مغز در داخل بدن انعطاف پذیر ارگانیسم، به عنوان مثال در یک کرم، حرکت می کند و تغییر شکل می دهد. تا به حال، جامعه ی علمی فاقد ابزار لازم برای رسیدگی به این مشکل بوده است.
اکنون، تیمی از دانشمندان EPFL و هاروارد یک روش پیشگامانه با هوش مصنوعی را برای ردیابی نورون ها در حیوانات متحرک و در حال تغییر ایجاد کرده اند. این مطالعه- که در مجله ی Nature Methods منتشر شده است- توسط سهند جمال راهی در دانشکده علوم پایه EPFL انجام شد.
روش جدید مبتنی بر یک شبکه ی عصبی پیچیده (CNN) است. این روش، نوعی هوش مصنوعی است که برای تشخیص و درک الگوهای موجود در تصاویر، آموزش دیده است. این، شامل فرآیندی به نام پیچیدگی convolution است که به بخشهای کوچکی از تصویر - مانند لبهها، رنگها یا شکلها - در یک زمان نگاه میکند و سپس همه آن اطلاعات را ترکیب میکند تا آن را معنا کند و اشیا یا الگوها را شناسایی نماید.
مشکل، این است که برای شناسایی و ردیابی نورون ها در طول فیلمی از مغز یک حیوان، بسیاری از تصاویر باید با دست، برچسب گذاری شود، زیرا حیوان در طول زمان به دلیل تغییر شکل های مختلف بدن، بسیار متفاوت ظاهر می شود. با توجه به تنوع حالت های حیوان، ایجاد تعداد کافی و زیاد حاشیه نویسی به صورت دستی برای آموزش CNN می تواند وحشتناک باشد.
برای رسیدگی به این موضوع، محققان یک CNN پیشرفته با «افزایش هدفمند» targeted augmentation ایجاد کردند. روش ابتکاری به طور خودکار، حاشیه نویسی قابل اعتمادی را به عنوان مرجع، از مجموعه ی محدودی از حاشیه نویسی های دستی فراهم می کند.
نتیجه این است که CNN، به طور موثر تغییرات شکلی درونی مغز را یاد میگیرد و سپس از آنها در حاشیهنویسی برای وضعیتهای جدید، استفاده میکند و نیاز به حاشیهنویسی دستی و بررسی مجدد را به شدت کاهش میدهد.
روش جدید، قادر است نورون ها را در تصاویر به عنوان نقاط منفرد یا به صورت حجم های سه بعدی شناسایی کند. محققان آن را روی کرم گرد Caenorhabditis elegans آزمایش کردند که 302 نورون، آن را به یک ارگانیسم محبوب در علوم اعصاب تبدیل کرده است.
دکتر سید سلمان فاطمی . نورولوژیست, [12/09/2023 08:21 ب.ظ]
دانشمندان با استفاده از CNN تقویتشده، فعالیت برخی از نورونهای درونی کرم (نورونهایی که سیگنالها را بین نورونها پل میزند) اندازهگیری کردند. آنها دریافتند که این نورون ها رفتارهای پیچیده ای از خود نشان می دهند، به عنوان مثال الگوهای پاسخ، زمانی که در معرض محرک های مختلف مانند بوهای مختلف قرار می گیرند، تغییر می کنند.
این تیم، CNN خود را در دسترس قرار داده اند و یک رابط کاربری گرافیکی کاربرپسند ارائه کرده اند که تقویت هدفمند را ادغام می کند و فرآیند را در یک خط لوله جامع، از حاشیه نویسی دستی تا تصحیح نهایی، ساده می کند.
سهند جمال راهی میگوید: «با کاهش چشمگیر تلاش دستی مورد نیاز برای بخشبندی و ردیابی نورون، روش جدید توان تحلیل را در مقایسه با حاشیهنویسی کامل دستی، سه برابر افزایش میدهد.
پیشرفت کنونی این پتانسیل را دارد که تحقیقات در تصویربرداری مغز را تسریع کند و درک ما را از مدارهای عصبی و رفتارها عمیق تر کند.
https://neurosciencenews.com/ai-neuron-tracking-25315/?fbclid=IwAR3bwBHibXXJZsZK-Dtkxm5J_Ms76ZSkhzoYPiszxI7u9APQEeDDenNqhyw
آدرس مطب : اصفهان ، خیابان آمادگاه ، روبروی داروخانه سپاهان ، مجتمع اطبا ، طبقه اول
تلفن : 32223328 - 031