Изучение колебаний мозга продвинуло наше понимание функций мозга. Пульсации — это тип быстрых колебаний, лежащих в основе организации воспоминаний. Они страдают от неврологических расстройств, таких как эпилепсия и болезнь Альцгеймера. По этой причине они считаются электроэнцефалографическими (ЭЭГ) биомаркерами. Однако рябь демонстрирует различные формы сигналов и свойства, которые можно не заметить стандартными спектральными методами.
Недавно нейробиологическое сообщество призвало к необходимости лучше автоматизировать, гармонизировать и улучшить обнаружение пульсаций в ряде задач и видов. В исследовании авторы использовали записи, полученные на лабораторных мышах , для тренировки набора моделей машинного обучения.
«Мы проверили возможности этих моделей, используя данные от приматов, не являющихся людьми , которые были собраны в Университете Вандербильта (Нэшвилл, США) Саманом Аббаспуром и руководителем лаборатории Кари Хоффман в рамках Brain Initiative. Мы обнаружили, что их можно использовать данные ЭЭГ грызунов для обучения алгоритмам искусственного интеллекта, которые можно применять к данным приматов и, возможно, людей, при условии, что используются те же методы записи», — объясняет Де ла Прида, который является частью соединения CSIC AI-HUB, направленного на продвижение использования ИИ и его приложений.
Набор инструментов для моделей появился в результате хакатона, в результате которого был составлен короткий список лучших моделей обнаружения. Затем эти архитектуры были гармонизированы и оптимизированы авторами, которые теперь открыто предоставляют все коды и данные исследовательскому сообществу . Модели включают некоторые из самых известных архитектур обучения с учителем, такие как машины опорных векторов, деревья решений и сверточные нейронные сети.
«Мы определили более ста возможных моделей различных архитектур, которые теперь доступны для применения или переподготовки другими исследователями», — говорят Андреа Навас Оливе и Адриан Рубио, которые являются первыми авторами работы.
«Этот банк моделей ИИ обеспечит новые применения в области нейротехнологий и может быть полезен для обнаружения и анализа высокочастотных колебаний при таких патологиях, как эпилепсия, где они считаются клиническими маркерами», — заключает Де ла Прида.
