麻省理工学院麦戈文脑研究所调查大脑的奥秘。一些最广泛使用的方法在这个前沿的神经成像技术,如正电子发射断层扫描(PET)或磁共振成像(MRI)。但研究所也房子更专业的设备,包括笨重、实施和令人难以置信的强大的脑磁图描记术(MEG)扫描仪,同行大脑内部的探测非常微弱的磁信号产生的神经元。
把这笨重的机器承担的任务落在了Dimitrios Pantazis,梅格实验室研究所所长是谁的马蒂诺成像中心。同行大脑内部的探测非常微弱的磁信号产生的神经元。
捷克葡萄牙直播跟Pantazis梅格的独特优势,它的使用在研究阿尔茨海默病和我们的视觉系统和新进展如何合并脑成像技术打造新航线在我们理解大脑的旅程。
Ruairi J Mackenzie (RJM):梅格的优势是什么在其他神经成像技术,如核磁共振?
Dimitrios Pantazis (DP):梅格是一种非侵入式测量的电生理技术在人类的大脑神经活动。它使用非常敏感的磁探测器,称为超导量子干涉器件(鱿鱼),检测非常弱磁场所产生的电流流经活性神经元。
梅格是一种纯粹的被动方法,依赖于磁信号检测所自然产生的大脑。因此,它不涉及辐射或强磁场,梅格和没有已知的危险。
梅格在毫秒范围的时间分辨率,神经元的时间沟通。因此,我们可以遵循快速皮质活动反映了不同脑区之间持续的信号。优秀的时间分辨率也使我们能够测量和描述的功能作用神经振荡模式,也称为脑节奏。这是一个很大的优势相对于其他神经成像技术,如功能性磁共振成像(fMRI)和正电子发射断层扫描术(PET),其时间分辨率的秒。此外,与其他技术,测量大脑新陈代谢或血流动力学反应相对较慢,梅格捕捉intraneuronal电流产生的领域,从而提供了一个直接的神经活动和突触电流指数。
脑电图(EEG)梅格是一个互补的方法,测量电头皮电位而不是磁场。它提供了类似的时间分辨率梅格,但空间分辨率是不准确,因为头皮上的电势测量不均匀电导率的强烈影响,而电流产生的磁场主要是相对同质的颅内,流动空间。
RJM:实验室如何利用梅格在阿尔茨海默病的研究?
DP:阿尔茨海默病(AD)是一种基于网络的疾病(connectopathy)。最早的生物标志物amyloid-β广告是蛋白质τ,积聚在特征空间模式和导致大规模脑网络特定的连通性变化。然而,映射amyloid-β和τ积累与PET扫描,只可能是昂贵,涉及接触放射性物质,使其不适合普通人群筛查。
一个潜在的新的生物标志物是脑功能网络的中断来衡量梅格。梅格是相对于PET扫描非侵入性和低成本。它还提供了很好的时间分辨率,可以捕捉微妙的大脑变化与广告有关。
因此,有必要开发方法,从梅格大脑网络数据提取定量信息。我的研究重点是开发此类工具。例如,我开发算法,称为图的嵌入方法,高维梅格的大脑网络映射到低维表示和简化AD-related的检测特性。使用这些特性,可以设计生物标志物可以预测何时有人会开发轻度认知障碍或最终转化为广告。我们也可以识别有重大梅格的大脑区域网络由于广告发展变化。我们发现,这些地区主要包括地区颞额叶皮质,与之前的研究一致,包括,例如,海马旁皮质,在广告与深刻的记忆缺陷有关。
梅格RJM:实验室如何利用人类视觉系统的研究?
DP:人类的大脑可以解释视觉世界不到一眨眼的时间。这种令人印象深刻的能力是人类大脑的基本功能,需要一个复杂的神经机制,将低级视觉信息转换成语义内容。
为了实现这一点,视觉区域形成一个层次结构。区域层次结构的底部处理简单的线条和角度等特性。然后将这个信息传给领域上面,这过程更复杂的特征,如形状。最终层次结构的顶部的区域标识的对象。
尽管重大进展描述的轨迹和功能键视觉区域,一个精确的描述时空动态的视觉皮层仍然是一个挑战。人类大脑内解决视觉物体识别~ 200毫秒,太快,功能磁共振成像。因此,梅格是一个独特的方法方法跟踪快速视觉大脑动力学在毫秒时间分辨率。梅格为我们提供了一个前所未有的机会来解决人类视觉识别在时间和空间上。
在我的实验室中,我们把梅格神经影像与机器学习工具,也被称为解码工具,解决人类视觉表示和识别信息编码在人类的大脑。例如,我们确定了时间相关的视觉表示不同顺序的对象分类,例如当大脑识别人脸,身体和其他类型的对象和场景。我们还表明,梅格可以捕获视觉信息编码甚至皮质列在个人的层面上,这是在几百微米。我们为特征的时空动态前馈和反馈的视觉流程。我们研究了面部的解码时间进程属性和信息显示,性别和年龄出现身份信息之前,建议而且处理的维度。所有这些发现提供了新的约束计算视觉识别理论。
RJM:将人工智能和机器学习技术发挥何种作用在梅格的未来?
DP:梅格已经是一个非常强大的神经影像学方法。工作从我的小组和其他已经表明,梅格数据捕获大量的大脑中的认知过程的信息。一个几乎可以声称他/她执行的读心术,通过揭示一个人看到,感知和记忆。使用机器学习算法称为解码工具,我们可以,例如,研究大脑如何编码复杂的视觉场景或抽象的语义信息。
今天,我们正在目睹所谓的人工智能(AI)的第三次革命。过去十年见证了算法的快速发展,现在与人类竞争在许多任务的表现。例如,深层神经网络,现代计算机视觉模型的支柱,常常达到视觉精度高于人类。结果,几年后我们可能有效的算法,桥计算区别人类和计算机视觉和开启人类大脑是如何解决视觉识别的秘密或其他完成认知任务。梅格能有这方面的核心作用,因为它提供了丰富的神经影像数据通知的设计视觉或其他认知过程的计算模型。
人工智能,也被称为深度学习,突破性的结果在许多领域,现在越来越多地用于医学图像分析。近年来,深度学习提供了快速的重建和先进的图像质量在许多成像逆问题,如ct、磁共振成像、正电子发射断层扫描,图像超分辨率光声层析成像,合成孔径雷达图像重建和许多其他人。翻译这些好处的梅格是非常及时的,可能也有类似的变革性影响。深度学习提供了一个有前途的新方法显著改善梅格源定位和梅格也扩大实时应用程序。
梅格RJM:如何采用新技术来改善其空间分辨率?
DP: 以来的第一次1970年代早期,当第一个梅格录音,我们有希望的新传感器技术可以提高信号和降低梅格设备的成本。光泵磁力仪是最令人兴奋的新兴技术之一。因为他们可以放置接近头部比传统的基于低温传感器,它们在理论上提供更好的信号,并提供改进的空间分辨率。进一步的优势是,它们使便携式的设计,耐磨,梅格设备,扩大梅格技术的实际应用。
之外新的传感器技术、多通道功能成像也倍受关注,在过去的十年中旨在利用分辨率优势从个体模式变成一个精炼的时空的大脑活动。梅格措施神经元激活一毫秒精度但相对较粗的空间分辨率和没有透露这些信号的精确位置。最常见的脑部扫描,功能磁共振成像、识别解剖神经激活的衬底,但是太慢了捕捉大脑动力学。建立通信在成像模式可能会使大脑功能的更完整的视图。
为此,我们开发了一个名为MEG-fMRI融合的新成像技术。该方法结合了功能磁共振成像的位置信息和时间信息的梅格使用一种称为具象相似性分析的计算方法。依赖于事实的关键理念,如果两个不同的刺激(比如面孔的图像)唤起梅格类似的信号,他们还将引发类似的信号功能磁共振成像。结果,比较之间的相似性模式模式形式梅格和fMRI信号之间的联系。梅格相似模式,通知毫秒精度,可以在功能磁共振成像与相似模式,以毫米的精确度通知。组合提供了一个非侵入性millisecond-millimeter准确性,这将不可能光靠个人技术。使用我们的小说MEG-fMRI融合方法,我们产生了首开先河的电影揭示了人类腹侧视觉通路的激活级联高时空分辨率(见视频)。
Dimitrios Pantazis Ruairi J Mackenzie说,高级科学技术网络作家捷克葡萄牙直播
