الذكاء الإصطناعي يتتبع إشارات الخلايا العصبية بشكل أسرع من البشر

20

طور العلماء خوارزمية ذكاء إصطناعي يمكنها تتبع الخلايا العصبية النشطة بنفس دقة البشر في جزء صغير من الوقت.

هذه التقنية, الموضحة في مجلة National Academy of Sciences, تحلل صور من مقاطع الفيديو, وتمثل تطور مهم في مجال تحليل الخلايا العصبية.

وقال الباحثون في جامعة Duke بالولايات المتحدة إنه يسمح للباحثين بجمع ومعالجة إشارات الخلايا العصبية بشكل سريع لإجراء دراسات سلوكية في الوقت الفعلي.

لقياس النشاط العصبي, يستخدم الباحثون عادةً عملية تعرف باسم (two-photon calcium imaging) تصوير الكالسيوم ثنائي الفوتون, والتي تتيح لهم تسجيل نشاط الخلايا العصبية الفردية في أدمغة الحيوانات الحية.

تتيح هذه التسجيلات للباحثين تتبع نشاط الخلايا العصبية, وكيف يمكن أن تتوافق مع السلوكيات المختلفة. في حين أن هذه القياسات مفيدة للدراسات السلوكية, فإن تحديد الخلايا العصبية الفردية في التسجيلات هو عملية معقدة.

في الوقت الحالي, تتطلب الطريقة الأكثر دقة أن يحلل المحلل الإنساني كل “ومضة” يراها في التسجيل, وغالبًا ما يطلب منهم إيقاف الفيديو وإعادة تحليله حتى يتم تحديد الخلايا العصبية المستهدفة وحفظها.

هناك عوامل تزيد من تعقيد العملية, حيث يهتم الباحثون غالبًا بتحديد مجموعة فرعية صغيرة فقط من الخلايا العصبية النشطة التي تتداخل في طبقات مختلفة داخل آلاف الخلايا العصبية التي يتم تصويرها.

هذه العملية, تدعي التجزئة, هي معقدة وبطيئة. يمكن للباحث قضاء ما بين 4 إلى 24 ساعة في تجزئة الخلايا العصبية في تسجيل فيديو مدته 30 دقيقة, وذلك على افتراض أن مدة العمل مستمرة طوال الوقت بدون أخذ اي فترات راحة.

في المقابل, يمكن للخوارزمية الجديدة تحديد الخلايا العصبية بدقة وتقسيمها في دقائق.

وقالت Sina Farsiu, “كخطوة حاسمة نحو رسم خرائط كاملة لنشاط الدماغ, كلفنا بالتحدي الهائل المتمثل في تطوير خوارزمية ذكاء إصطناعي سريعة تكون دقيقة مثل البشر لتقسيم مجموعة متنوعة من الخلايا العصبية النشطة التي تم تصويرها في ظروف تجريبية مختلفة”. أستاذة مشاركة في البحث من جامعة Duke.

وقال Yiyang Gong, أستاذ مساعد: “إن عنق الزجاجة في تحليل البيانات قائم في علم الأعصاب لفترة طويلة حيث يقضى محللو البيانات ساعات وساعات في معالجة دقائق من البيانات, لكن هذه الخوارزمية يمكنها معالجة فيديو مدته 30 دقيقة في غضون 20 إلى 30 دقيقة”.

وقال Gong: “لقد تمكنا أيضًا من تعميم أدائها, لذا يمكن أن تعمل بشكل جيد على قدم المساواة إذا كنا بحاجة إلى تقسيم الخلايا العصبية من طبقة أخرى من الدماغ بحجم مختلف من الخلايا العصبية”.

قال Somayyeh Soltanian-Zadeh, طالب الدكتوراه في الجامعة: “إن خوارزمية التعلم العميق لدينا سريعة, وقد أثبتت أنها دقيقة (إن لم تكن أفضل) من الخبراء البشر في تجزئة الخلايا العصبية النشطة والمتداخلة من تسجيلات الفيديو للخلايا العصبية”

تسمح خوارزميات التعليم العميق للباحثين بمعالجة كميات كبيرة من البيانات بسرعة عن طريق إرسالها عبر طبقات متعددة من وحدات المعالجة غير الخطية, والتي يمكن تدريبها على تحديد أجزاء مختلفة من صورة معقدة.

في إطار عملهم, أنشأ الفريق خوارزمية يمكنها معالجة كل من المعلومات وتحسين التوقيت في مقاطع الفيديو المدخلة. ثم قاموا “بتدريب” الخوارزمية لتقليد تجزئة المحلل البشري مع مراعاة تحسين الدقة.

يمثل التقدم خطوة هامة نحو السماح لعلماء الأعصاب بتتبع النشاط العصبي في الوقت الفعلي. كما يستخدم Gong بالفعل الطريقة الجديدة لدراسة النشاط العصبي المرتبط بالسلوكيات المختلفة لدى الفئران.

من خلال فهم أفضل للخلايا العصبية التي تنشط من أجل فعاليات مختلفة, يأمل Gong في معرفة كيف يمكن للباحثين تحليل نشاط الدماغ لتعديل السلوك.

“هذا الأداء المحسن في الكشف عن الخلايا العصبية النشطة يجب أن يوفر المزيد من المعلومات حول الشبكة العصبية والحالات السلوكية, ويفتح الباب للتقدم السريع في تجارب علم الأعصاب”, قال Soltanian-Zadeh.

تمت ترجمة المقال الأصلي والموجود بالرابط أدناه

https://indianexpress.com/article/technology/science/artificial-intelligence-can-track-neurons-faster-than-humans-5679147/

 

تعليقات