长期以来,MRI、脑电图(EEG)和脑磁图一直是研究大脑活动的工具,但卡内基梅隆大学(CarnegieMellon University)的新研究引入了一种基于人工智能的新型动态脑成像技术,该技术可以快速、高分辨率和低成本地绘制出大脑中快速变化的电活动。这一进展是在何从事了30多年的研究之后取得的,研究的重点是如何改进非侵入性动态脑成像技术。
大脑电活动分布在三维大脑中,并随时间快速变化。人们已经做出了许多努力来成像大脑功能和功能障碍,每种方法都有利弊。例如,MRI通常用于研究大脑活动,但速度不够快,无法捕捉大脑动力学。脑电图是MRI技术的良好替代品,然而,其低于最佳空间分辨率一直是阻碍其广泛应用于成像的主要障碍。
电生理源成像也得到了发展,在这种成像中,头皮脑电图记录通过信号处理和机器学习被翻译回大脑,以重建大脑活动随时间变化的动态图像。虽然脑电图源成像通常更便宜更快,但用户需要特定的培训和专业知识来选择和调整每次记录的参数。在新发表的工作中,他和他的团队介绍了第一种基于人工智能的动态大脑成像方法,该方法具有精确和快速成像神经电路动力学的潜力。
卡内基梅隆大学生物医学工程教授何斌说:“数十年来,我一直致力于开发创新的、非侵入性的功能性神经成像解决方案,我一直在研究一种动态大脑成像技术,该技术可以提供精确、有效且易于使用的信息,以便更好地为临床医生和研究人员服务。”。
他继续说:“我们的团队是第一个通过引入人工智能和多尺度大脑模型来实现这一目标的团队。利用生物物理启发的神经网络,我们正在创新这种深度学习方法,以训练一种神经网络,该网络可以在无需人工干预的情况下将头皮脑电图信号精确地转换回大脑中的神经回路活动。”
在他最近发表在《美国国家科学院院刊》(PNAS)上的研究中,通过对20名健康受试者的感觉和认知大脑反应进行成像来评估这种新方法的性能。通过将基于AI的无创成像结果与有创测量和手术切除结果进行比较,在20例耐药癫痫患者队列中对识别致痫组织也进行了严格验证。
结果在精度和计算效率方面,新的人工智能方法优于传统的源成像方法。
“有了这种新方法,你只需要一个集中的位置来进行大脑建模和训练深层神经网络,”他解释说。“在临床或研究环境中收集数据后,临床医生和研究人员可以远程将数据提交给经过良好训练的集中式深度神经网络,并快速收到准确的分析结果。这项技术可以加快诊断速度,并帮助神经学家和神经外科医生更好更快地制定手术计划。”
作为下一步,该小组计划进行更大规模的临床试验,努力使研究更接近临床实施。
他解释说:“我们的目标是以简单的操作和低成本实现高效、有效的动态脑成像。”。“这种基于人工智能的脑源成像技术使之成为可能。”