Результаты исследования повысят эффективность разработки нейрокомпьютерных интерфейсов и глубокой стимуляции мозга для лечения неврологических заболеваний.
Ученые Института искусственного интеллекта AIRI, Сколтеха, МГУ и ИЭФБ РАН впервые математически доказали взаимосвязь бегущих кортикальных волн с вращательной динамикой для нейронных данных. Исследователи применили методы машинного обучения, чтобы проанализировать пять датасетов, созданных на основе экспериментальных наблюдений за моторной и префронтальной корой головного мозга обезьяны и мыши. Результаты опубликованы опубликовано в Scientific Reports.
Сегодня одним из наиболее популярных экспериментов по изучению работы мозга во время двигательной активности считается анализ движений руки (reaching experiment), записываемый при помощи имплантируемых в структуры головного мозга электродов. Далее научное сообщество традиционно использует две модели интерпретации данных: репрезентативную и динамическую. Согласно репрезентативному подходу, каждый отдельный нейрон отвечает за свой параметр движения конечности: ускорение, скорость и направление движения руки, его угол и другие характеристики. В то время, как динамическая модель рассматривает в качестве объекта изучения двигательную активность в целом, фокусируясь не на отдельных нейронах, но на их общей динамике.
В ходе исследования, работа над которым длилась с осени 2022 года, ученые предложили отойти от конкурирующих гипотез и сосредоточиться исключительно на анализе волн. Наряду с доказательством взаимосвязи двух феноменов головного мозга — бегущих кортикальных волн и вращательной динамики, — команда представила два метода для количественной оценки волны.
Так, первый метод — оценка кривизны волны без сжатия данных — позволяет анализировать обороты и скорость движения волны в 2D-проекции, не теряя полезную информацию. Через еще один параметр, вращательную плоскость, аналитики могут выражать векторы и строить двумерные графики для отображения характеристик волны с динамикой изменений. Второй метод — оценка вращательной степени — дает возможность оценивать истинную динамику нейронной активности в данных и сравнивать их между собой, в то же время наглядно демонстрируя, как двумерная проекция портит первоначальные данные.
«Отличительной особенностью нашей работы стал фокус на природе волн с точки зрения науки о данных. Группа не пыталась поддержать динамическую или репрезентативную модель, поскольку любая модель спускается до интерпретации: исследователи получают информацию и на ее основе приходят к каким-либо выводам. Нашей целью был математический подход со строгими требованиями и условиями — этот подход позволит расширить существующую научную картину мира. Предлагаемые нами методы будут полезны ученым в разработке нейрокомпьютерных интерфейсов и в изучении стимуляции мозга — направлении нейронауки, исследующем возможности лечения неврологических заболеваний», – подчеркнула Екатерина Кузьмина, автор исследования, младший научный сотрудник группы лаборатории «Сильный ИИ в медицине» Института AIRI.
Читать далее:
Найден дешевый способ извлекать золото из «отходов»
Посмотрите, как быстро тонут города: опубликованы новые снимки спутника НАСА
Астрономы изучили радиоджет, который движется быстрее скорости света
Обложка: Nevit Dilmen
Wikimedia Commons | Сведения о лицензии