金沙城娱乐场网址大全
BIO1000.COM

机器学习识别儿童的个性化大脑网络

费城-机器学习正在帮助宾州医学研究人员识别单个儿童的大脑网络的大小和形状,这可能有助于理解精神疾病。在今天发表在《神经元》杂志上的一项新研究中,一个多学科团队展示了每个孩子独特的大脑网络如何预测认知。这项研究使用机器学习技术分析了将近700名儿童,青少年和年轻人的功能磁共振成像(fMRI)扫描,这项研究首次表明儿童的功能神经解剖学可以有很大差异,并且在研究过程中得到了完善发展。

人脑在其表面上具有褶皱和脊纹,为寻找大脑区域提供了物理标志。长期以来,人类一直在研究控制认知的功能网络,方法是将激活模式(大脑的软件)排列到这些物理地标的硬件上。但是,此过程假定大脑的功能位于每个人的相同地标上。这对许多简单的大脑系统都非常有效,例如,控制运动的运动系统通常紧挨着每个人的相同特定褶皱。但是,最近对成年人进行的多项研究表明,负责执行功能的更为复杂的大脑系统并非如此,这是一组包括自我控制和注意力在内的心理过程。在这些系统中功能网络并不总是与大脑的褶皱和山脊的物理界线对齐。相反,每个成年人都有自己的特定布局。到目前为止,还不知道随着孩子的成长,这种特定于人的网络可能会发生变化,或者与执行功能有关。

高级作者西奥多·D·萨特斯维特说:“这项工作的令人兴奋的部分是,我们现在能够确定单个孩子中这些功能网络的空间布局,而不是使用相同的'一刀切”的方法查看每个人。”博士,宾夕法尼亚大学佩雷??尔曼医学院精神病学助理教授。“像成年人一样,我们发现不同孩子之间的功能神经解剖学差异很大-每个孩子都有独特的模式。也像成年人一样,孩子之间变化最大的网络是负责调节各种行为的相同执行网络。经常会冒着风险和冲动使青少年降落在热水中。”

为了研究儿童的功能性网络如何发展并支持执行功能,该小组分析了一大批青少年和年轻人(693名参与者,年龄8至23)。这些参与者完成了27分钟的fMRI扫描,这是费城神经发育研究队列(PNC)的一部分,这项研究是由美国国家心理健康研究所资助的一项大型研究。宾夕法尼亚大学放射学助理教授,论文的合著者Yong Fan博士实验室开发的机器学习技术使该团队可以绘制单个儿童中的17个功能网络,而不必依赖于这些网络的平均位置。

然后,研究人员研究了这些功能性网络如何随着青春期的发展而发展,并与一系列认知测试的表现相关。研究小组发现,这些网络的功能性神经解剖学随着年龄的增长而得以完善,并允许研究人员高度准确地预测儿童的年龄。

Satterthwaite实验室的博士后研究员,该论文的第一作者崔再旭博士说:“这些网络的空间布局预示了孩子们在执行任务方面的表现如何。”“在大脑皮层上拥有更多“不动产”的儿童专门负责执行功能的网络实际上在这些复杂任务上表现更好。”相比之下,执行功能低下的年轻人将较少的大脑皮层用于这些执行网络。

这组作者说,这些结果加在一起,为发展可塑性和多样性提供了新的考虑,并突出了个性化诊断和治疗技术的发展潜力。

Satterthwaite说:“这些发现使我们对这些网络如何形成的发育生物学提出了有趣的问题,并且还为个性化神经调节治疗提供了潜力,例如针对抑郁或注意力问题的脑刺激。”“这些系统是如何首先放置的?如果我们使用通过他们自己的个人网络进行针对性的神经调节,我们可以为患者带来更好的反应吗?关注每个人大脑的独特功能可能会为我们提供重要的前进方向。 ”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

XML 地图 | Sitemap 地图