您现在的位置是:首页 > 科技网站首页科技

人工智能可以帮助解码癫痫大脑

  • 科技
  • 2019-08-16 13:59:53
  • 来源:

癫痫是第四种最常见的神经系统疾病,影响全世界近6500万人。众所周知的癫痫发作或“适合”是由于大脑中不寻常的电活动而引起的,并且是癫痫的主要症状。

既不依赖于年龄或性别,癫痫发作也是不可预测的,没有固定的发生频率或严重程度,往往对护理人员构成挑战。

虽然癫痫可能与先前的脑损伤或遗传因素有关,但神经科医生也发现健康人群中无意识的复发性癫痫发作。

这些癫痫发作的方式和原因仍然是一个谜。然而,研究发现癫痫发作的来源是在大脑内。换句话说,大脑本身就是癫痫的产生者。

如果起源在大脑内,那么,是否有可以检测到的指纹?大脑是否提供可以映射的告示标志来预测癫痫的发展趋势?

寻求这些问题的答案,一组跨学科研究人员进行了一项研究,以窥探癫痫大脑内部。结果表明存在独立的神经网络,可以携带关于异常的疾病敏感信息。

借助机器学习模型和人工智能,研究人员能够检测并揭示隐藏的模式。

“癫痫不是一种疾病,而是从大脑的电活动中表现出来的东西。有趣的是,我们每个人都有脑内癫痫的神经图。只有当网络被解雇并以外部方式显现时,它才会变得混乱或癫痫,“印度理工学院德里研究的首席研究员Tapan Kumar Gandhi在接受印度科学电报采访时表示。

癫痫的常用诊断工具是通过脑电图(脑电图)读取癫痫模式和可见症状,如惊厥,意识丧失或感觉障碍。

现有的研究揭示了代表感觉,听觉,认知和其他功能的同步活动的特定模式。这些活动通过流向大脑的血流变化来表示,并被视为BOLD信号或血氧水平依赖性输出的变化。

磁共振成像或MRI的最新发展有助于描绘大脑中的这些活动并检测癫痫发作的原因,如病变或瘢痕。然而,当癫痫发作时,MRI不是很有用。然而,功能性MRI - 另一种扫描方法 - 可以在执行特定任务时记录大脑中的区域相互作用。

1995年,印度研究人员发现大脑即使在静止状态下也显示出突出的神经网络连接。被称为静息状态功能性MRI或rsfMRI,来自该扫描的图像表明个体大脑中的神经模式,即使不执行任何动作。

在本研究中,该团队利用rsfMRI技术对颞叶癫痫(TLE)患者进行脑部扫描,这是最常见的癫痫形式。

“我们假设在癫痫易发大脑中可能存在'疾病特异性网络',可以借助机器学习模型识别,”甘地说。

机器学习涉及人工智能以读取实时数据而不是预编程信息。这种机器的构建块类似于大脑中的神经元细胞。

研究人员使用一种称为支持向量机(SVM)的工具来处理从扫描中获得的复杂和非线性数据。通过使用另一种称为基于弹性网的排名算法,提取了神经影像数据的相关特征。信号被整合以揭示模式。

该团队对132名受试者进行了一项试验性研究 - 其余42名患有癫痫患者。考虑了年龄,性别,癫痫病史,遗传易感性,受伤事件,药物治疗等参数。癫痫患者接受三次rsfMRI,而健康组的患者接受一次扫描。

总之,从全脑成像数据获得88个独立的组件或网络,并作为输入馈送到SVM。根据这些模式,使用另一种称为Pearson's Correlation的标准方法生成rsfMRI癫痫神经网络,将前10个强网络与临床特征相关联。

从模式输入,SVM可以识别癫痫个体达到97.5%的准确度,并且大脑中的特定肺叶负责该病症。该模型还揭示了相关性,如发病年龄,癫痫发作频率或疾病持续时间。

由此,研究人员得出结论,独立衍生的rsfMRI包含癫痫相关网络。“我们的研究表明,借助机器学习方法,我们可以像我们假设的那样识别这些网络。这些网络的强度增加表明颞叶癫痫发作的可能性,“甘地解释说。

Top