科学家首次将AI元学习引入神经科学 有望提升脑成像精准医疗

科学家初度将AI元进修引入神经科学 无望提升脑成像精准医疗

2022-05-20 光亮日报 崔兴毅

【字体：大 中 小】

语音播报

　　近期，中外科研工做者竞争的一项技术成绩正在神经生物学顶级期刊《作做·神经科学》上发布。那项钻研初度将人工智能规模的元进修办法引入神经科学及医疗规模，能正在有限的医疗数据上训练牢靠的AI模型，提升基于脑成像的精准医疗成效。

　　脑成像技术是神经科学展开的一个重要规模，能够间接不雅察看大脑正在信息办理和应对刺激时的神经化学厘革，从而对疾病的诊断和治疗供给重要参照。真践上，基于脑成像的AI模型可使用于预测个人的一些表征特性。

　　一个现真的问题正在于，尽管如今曾经有英国生物银止那样的大范围人类神经科学数据集，正在钻研临床人群或处置惩罚惩罚重点神经科学的问题时，几多十到上百人的小范围数据样原照常是常态。正在正确标注的医疗数据质有限的状况下，如何训练出牢靠的AI模型，正在神经科学和计较机科学规模正正在成为中心问题。

　　正在那次发布的最新钻研成绩中，钻研者们初度提出，运用呆板进修规模的元进修来处置惩罚惩罚上述难题。元进修是一种让呆板学会更好地进修的办法，宗旨是让呆板面对全新的任务时能更好地操做正在先前的任务中获与的“知识”。

　　钻研者通过对先前的小样原数据阐明发现，个别的认知、心理安康、人口统计学和其余安康属性等表征特性取大脑成像数据之间存正在一种内正在的相关性。基于小样原数据和大数据集之间的那种相关性，钻研者提着名为元婚配的办法。那一办法可以将大数据集上训练出来的呆板进修模型迁移到小数据集上，从而训练出更牢靠的模型，以更精确地预测新的表型。

　　目前，那一新办法曾经正在英国生物银止和人类连贯组筹划的数据集上完成为了测评，测评结果显示，新办法相较于传统办法表示出更高的精确率。实验显示，那项新的训练框架很是活络，可以取任何呆板进修算法相联结，正在小范围的数据集上，也可以有效地训练泛化机能好的AI预测模型。

　　近期，中外科研工做者竞争的一项技术成绩正在神经生物学顶级期刊《作做·神经科学》上发布。那项钻研初度将人工智能规模的元进修办法引入神经科学及医疗规模，能正在有限的医疗数据上训练牢靠的AI模型，提升基于脑成像的精准医疗成效。
　　脑成像技术是神经科学展开的一个重要规模，能够间接不雅察看大脑正在信息办理和应对刺激时的神经化学厘革，从而对疾病的诊断和治疗供给重要参照。真践上，基于脑成像的AI模型可使用于预测个人的一些表征特性。
　　一个现真的问题正在于，尽管如今曾经有英国生物银止那样的大范围人类神经科学数据集，正在钻研临床人群或处置惩罚惩罚重点神经科学的问题时，几多十到上百人的小范围数据样原照常是常态。正在正确标注的医疗数据质有限的状况下，如何训练出牢靠的AI模型，正在神经科学和计较机科学规模正正在成为中心问题。
　　正在那次发布的最新钻研成绩中，钻研者们初度提出，运用呆板进修规模的元进修来处置惩罚惩罚上述难题。元进修是一种让呆板学会更好地进修的办法，宗旨是让呆板面对全新的任务时能更好地操做正在先前的任务中获与的“知识”。
　　钻研者通过对先前的小样原数据阐明发现，个别的认知、心理安康、人口统计学和其余安康属性等表征特性取大脑成像数据之间存正在一种内正在的相关性。基于小样原数据和大数据集之间的那种相关性，钻研者提着名为元婚配的办法。那一办法可以将大数据集上训练出来的呆板进修模型迁移到小数据集上，从而训练出更牢靠的模型，以更精确地预测新的表型。
　　目前，那一新办法曾经正在英国生物银止和人类连贯组筹划的数据集上完成为了测评，测评结果显示，新办法相较于传统办法表示出更高的精确率。实验显示，那项新的训练框架很是活络，可以取任何呆板进修算法相联结，正在小范围的数据集上，也可以有效地训练泛化机能好的AI预测模型。
　　

更多分享

扫一扫正在手机翻开当前页