02:00 
Получение более четких функциональных данных МРТ о мозге и его нарушениях возможно с использованием искусственного интеллекта, по словам исследователей Бостонского колледжа, которые недавно сообщили в Nature Methods, что они разработали метод с помощью искусственного интеллекта для удаления «шума» или искажений изображения, вызванных движением, сердцебиением и другими факторами.
Функциональная нейровизуализация, также известная как фМРТ, является одним из наиболее широко используемых неинвазивных методов в медицине. нейробиологии, десятки тысяч исследований были опубликованы только в 2024 году. Основным препятствием для исследований фМРТ является то, что данные МРТ о реакциях мозга смешиваются с шумом от движений и других источников.
По мнению доцента кафедры психологии Бостонского колледжа Стефано Анзеллотти, старшего автора статьи, более эффективное удаление шума может проложить путь к новым открытиям о мозге и его нарушениях. Новый метод, разработанный Анзеллотти и двумя другими исследователями, использует генеративный искусственный интеллект, чтобы утроить эффективность предыдущих подходов.
Результаты могут открыть новые двери для исследований мозга, сказал Анзеллотти.
«Мы хотели улучшить удаление шума из данных фМРТ», — сказал Анзеллотти. «В других работах пытались сделать это раньше. Что нового в нашей работе, так это то, что благодаря использованию генеративного искусственного интеллекта мы смогли улучшить результаты более чем на 200 процентов по сравнению с предыдущими методами».
Метод, разработанный исследователями, известный как DeepCor, превосходит другие современные подходы к шумоподавлению на различных смоделированных наборах данных. По словам Анзеллотти, в реальных данных фМРТ DeepCor превосходит другой широко используемый метод, известный как CompCor, на 215 процентов в удалении шума из реакций лица и на 339 процентов в уточнении реалистичных синтетических данных, сгенерированных для имитации свойств реального набора данных фМРТ, по словам Анзеллотти.
ИИ узнает, какие паттерны являются уникальными для областей мозга, содержащих нейроны, и уникальные паттерны в областях мозга, которые не содержат нейронов. например, желудочки, - сказал Анцеллотти.
"Шум обычно влияет на оба набора областей, поэтому удаление общих для них паттернов позволяет выделить уникальные паттерны областей, содержащих нейроны", - сказал Анзеллотти.
Команда, в которую входили постдокторант Айдас Аглинскас и Ю Чжу, тогда еще студентка бакалавриата, изучала человеческий мозг с помощью функциональной магнитно-резонансной томографии.
Анзеллотти рассказал о масштабах применения улучшения не ожидалось.
"Мы были удивлены тем, насколько значительным было улучшение", - сказал он. «Мы ожидали, что метод будет работать лучше, но мы ожидали улучшения в диапазоне от 10 до 50 процентов. Улучшение на 200 процентов превзошло наши самые оптимистичные ожидания».
Исследование Анзеллотти продолжит изучение улучшений в показаниях фМРТ.
«Мы рассматриваем два ключевых следующих шага: сделать метод максимально доступным для как можно большего числа других исследователей и использовать его для шумоподавления больших общедоступных наборов данных. чтобы отрасль могла как можно скорее начать получать выгоду от более чистых данных", - сказал он.
