خرید بک لینک: پژوهشگران ˮدانشگاه بوفالوˮ، یک مدل کامپیوتری جدید ابداع نموده اند که به بررسی دقیق تر لطمه های ناشی از سکته در مغز کمک می نماید.
به گزارش خرید بک لینک به نقل از ایسنا و به نقل از وب سایت رسمی دانشگاه بوفالو، پژوهشگران یک مدل کامپیوتری از مغز انسان ابداع نموده اند که می تواند الگوهایی از نقص مغز را شبیه سازی کند که نسبت به الگوهای کنونی، بسیار واقعی تر هستند. این مدل جدید می تواند امکان نوعی شبیه سازی دیجیتالی را عرضه نماید که امکان آزمایش افراد مبتلا به سکته و لطمه های مغزی را فراهم می آورد.
“کریستوفر مکنورگان” (Christopher McNorgan)، استادیار روانشناسی “دانشگاه ایالتی نیویورک در بوفالو” (UB) اظهار داشت: این مدل دقیقا با اتصال عملکردی مغز ارتباط دارد و می تواند الگوهای واقعی نقص شناختی را نشان دهد. از آنجائیکه این مدل، نحوه اتصال مغز را نشان می دهد، ما می توانیم آنرا طوری به کار بگیریم که بینش های جدیدی را عرضه نماید.
ابداع این مدل بدین معنا نیست که ما یک کپی دیجیتال از مغز انسان داریم بلکه یافته های ما نشان می دهند که عملکرد این مدل، متناقض با عملکرد مغز انسان نیست و شاید بتواند به ابداع یک کپی از مغز نیز کمک نماید.
مدلهای مبتنی بر مغز، بر یک رویکرد کلی متمرکز هستند که همه نقاط مغز و نحوه واکنش آنها نسبت به تحریک را مورد بررسی قرار می دهد. این رویکرد، در پژوهش های مربوط به اتصال عملکردی مغز مورد استفاده قرار دارد که مبتنی بر روش “اف ام آرآی” (fMRI) هستند. در این رویکرد، یک مدل خطی، رابطه مستقیمی را میان دو چیز در نظر می گیرد. برای مثال، روشن و خاموش شدن یک لامپ می تواند فعالیت ناحیه دیداری مغز را کمتر یا بیشتر کند.
بااینکه مدلهای خطی در شناسایی نواحی فعال مغز، بهتر هستند اما اغلب در تشخیص روابط پیچیده میان چند ناحیه شکست می خورند. همین موضوع، دامنه پیشرفت های جدیدتر مانند “MVPA” هستند که یک روش مبتنی بر یادگیری ماشینی را ارائه می دهد و در سطح جامع تری به ارزیابی نحوه فعالیت نواحی مغز می پردازد.

MVPA، یک روش غیرخطی ارزیابی است. برای مثال، مجموعه ای از نورون ها را در نظر بگیرید که باید مدلول نشانه توقف را تشخیص دهند. هنگامی که ما یک نشانه قرمز یا یک نشانه شش ضلعی را ببینیم، این نورون ها فعال نمی شوند برای اینکه دیدن یکی از این نشانه ها برای آنها به معنای توقف نیست.
مکنورگان اضافه کرد: یک واکنش غیرخطی هنگامی فعال می شود که ما نشانه ای ببینیم که هم قرمز و هم شش ضلعی است. به همین دلیل، روش هایی مانند MVPA، در هسته رویکردهای مبتنی بر یادگیری عمیق قرار دارند که فناوری هایی مانند نرم افزار دیداری کامپیوتر خودرو های خودران بر اساس آنها ساخته می شوند.
در هر حال، رویکردهای قدیمی اتصال عملکردی و MVPA، با محدودیت هایی همراه هستند و هر یک از آنها پیچیدگی هایی دارند که نیازمند تلاش و تخصص قابل توجه پژوهشگران حوزه مغز و اعصاب است.
مکنورگان، اولین پژوهشگری است که موفق شده اتصالات عملکردی و MVPA را با موفقیت ادغام کند و یک مدل مبتنی بر یادگیری ماشینی عرضه نماید که اتصالات عملکردی میان نواحی مغز را در جهان واقعی بررسی می کند.
یافته های این پژوهش می توانند امکان شناسایی و درک شبکه های مغز و نحوه عملکرد آنها را فراهم آورند.
این پژوهش، در مجله “NeuroImage” به چاپ رسیده است.

منبع: خرید بک لینک

دیجیتال رایانه سایت شبكه