के इलाज के रूप में मस्तिष्क के एक नेटवर्क की अनुमति देता है, शोधकर्ताओं का निकालने के लिए और अधिक सार्थक डेटा से EEGs — ScienceDaily


शोधकर्ताओं ने सेंट लुइस में वाशिंगटन विश्वविद्यालय’ McKelvey इंजीनियरिंग के स्कूल है संयुक्त कृत्रिम बुद्धि के साथ प्रणालियों के सिद्धांत को विकसित करने के लिए एक अधिक कुशल तरीका पता लगाने के लिए और सही ढंग से की पहचान एक मिरगी जब्ती वास्तविक समय में.

उनके परिणाम प्रकाशित किए गए थे में 26 मई को जर्नल वैज्ञानिक रिपोर्ट.

अनुसंधान से आता है प्रयोगशाला के जेआर-शिन ली, प्रोफेसर, में प्रेस्टन एम विभाग के इलेक्ट्रिकल और सिस्टम इंजीनियरिंग, और अध्यक्षता में किया गया था वाल्टर Bomela, में एक postdoctoral साथी, ली की प्रयोगशाला है.

यह भी अनुसंधान दल के थे, वैंग Shuo, एक पूर्व छात्र ली है और अब में सहायक प्रोफेसर, टेक्सास विश्वविद्यालय के Arlington, और चू-एक चाउ के नॉर्थईस्टर्न विश्वविद्यालय.

“हमारी तकनीक हमें की अनुमति देता प्राप्त करने के लिए कच्चे डेटा, यह प्रक्रिया और निकालने के लिए एक सुविधा है कि और अधिक जानकारीपूर्ण के लिए मशीन सीखने मॉडल का उपयोग करने के लिए,” Bomela कहा. “के प्रमुख लाभ के लिए हमारे दृष्टिकोण है फ्यूज संकेतों से 23 इलेक्ट्रोड के लिए एक पैरामीटर हो सकता है कि कुशलता से संसाधित के साथ बहुत कम कंप्यूटिंग संसाधनों।”

में मस्तिष्क विज्ञान, वर्तमान को समझने के अधिकांश बरामदगी है कि वे पाए जाते हैं जब सामान्य मस्तिष्क गतिविधि से बाधित है एक मजबूत, अचानक हाइपर-सिंक्रनाइज़ फायरिंग के एक क्लस्टर न्यूरॉन्स की. एक जब्ती के दौरान, यदि एक व्यक्ति को आदी है करने के लिए एक electroencephalograph-एक डिवाइस के रूप में जाना जाता एक ईईजी उपाय है कि विद्युत उत्पादन-असामान्य मस्तिष्क गतिविधि प्रस्तुत किया जाता है के रूप में परिलक्षित कील और लहर निर्वहन.

“लेकिन जब्ती का पता लगाने की सटीकता नहीं है कि अच्छा है जब लौकिक ईईजी संकेतों का इस्तेमाल कर रहे हैं,” Bomela कहा. टीम के एक नेटवर्क विकसित निष्कर्ष करने के लिए तकनीक की सुविधा का पता लगाने के एक जब्ती और तुच्छ के साथ अपने स्थान सटीकता में सुधार.

के दौरान एक ईईजी सत्र, एक व्यक्ति इलेक्ट्रोड से जुड़ी विभिन्न स्थानों पर उसकी/उसके सिर, प्रत्येक रिकॉर्डिंग विद्युत गतिविधि है कि चारों ओर जगह.

“हम इलाज किया ईईजी इलेक्ट्रोड के रूप में नोड्स के एक नेटवर्क है । का उपयोग कर के रिकॉर्डिंग (समय श्रृंखला डेटा) से प्रत्येक नोड के लिए, हम विकसित किया है एक डेटा संचालित दृष्टिकोण का अनुमान करने के लिए समय-अलग कनेक्शन नेटवर्क में या रिश्तों के बीच नोड्स,” Bomela कहा. के बजाय केवल देख रहे हैं पर ईईजी डेटा-चोटियों और ताकत के अलग-अलग संकेतों — नेटवर्क तकनीक समझता है रिश्ते. “हम चाहते हैं कि अनुमान करने के लिए कैसे एक मस्तिष्क क्षेत्र है दूसरों के साथ बातचीत,” उन्होंने कहा.

यह राशि इन संबंधों के रूप में है कि नेटवर्क.

एक बार जब आप एक नेटवर्क है, आप उपाय कर सकते हैं अपने मानकों के holistically. उदाहरण के लिए, के बजाय की ताकत को मापने के लिए एक ही संकेत है, समग्र नेटवर्क मूल्यांकन किया जा सकता है के लिए ताकत है । वहाँ है एक पैरामीटर बुलाया फिएद्लेर eigenvalue है, जो की विशेष रूप से उपयोग. “जब एक जब्ती होता है, तो आप देखेंगे इस पैरामीटर को बढ़ाने के लिए शुरू,” Bomela कहा.

और नेटवर्क में सिद्धांत, फिएद्लेर eigenvalue भी संबंधित करने के लिए एक नेटवर्क के synchronicity — बड़ा मूल्य अधिक नेटवर्क तुल्यकालिक है. “इस के साथ सहमत हैं सिद्धांत है कि जब्ती के दौरान, मस्तिष्क की गतिविधियों को सिंक्रनाइज़ है,” Bomela कहा.

की ओर एक पूर्वाग्रह तुल्यकालन भी मदद करता है को समाप्त विरूपण साक्ष्य और पृष्ठभूमि शोर. अगर एक व्यक्ति, उदाहरण के लिए, खरोंच अपने हाथ, के साथ जुड़े मस्तिष्क गतिविधि हो जाएगा पर कब्जा कर लिया कुछ ईईजी इलेक्ट्रोड या चैनल है । यह नहीं होगा, हालांकि, के साथ सिंक्रनाइज़ किया जा जब्ती गतिविधि. उस रास्ते में, यह नेटवर्क संरचना स्वाभाविक रूप से कम कर देता है के महत्व को असंबंधित संकेत; केवल मस्तिष्क की गतिविधियों को सिंक में हैं कि कारण होगा एक उल्लेखनीय वृद्धि के फिएद्लेर eigenvalue.

वर्तमान में इस तकनीक का काम करता है के लिए एक व्यक्ति के रोगी हैं । अगले कदम को एकीकृत करने के लिए मशीन सीखने के सामान्यीकरण करने के लिए तकनीक की पहचान करने के लिए विभिन्न प्रकार की बरामदगी भर में रोगियों.

विचार है का लाभ लेने के लिए विभिन्न मापदंडों निस्र्पक नेटवर्क का उपयोग करें और उन्हें के रूप में सुविधाओं को प्रशिक्षित करने के लिए मशीन सीखने एल्गोरिथ्म ।

Bomela likens जिस तरह से यह काम करेगा करने के लिए चेहरे की पहचान सॉफ्टवेयर है, जो उपायों के अलग-अलग विशेषताएं-आंखें, होंठ और इतने पर-सामान्यीकरण से उन उदाहरणों की पहचान करने के लिए किसी भी चेहरे.

“नेटवर्क की तरह है एक चेहरा,” उन्होंने कहा. “आप निकाल सकते हैं विभिन्न मापदंडों से एक व्यक्ति के नेटवर्क-इस तरह के रूप में clustering गुणांक या निकटता एस केंद्र — मदद करने के लिए मशीन सीखने के बीच अंतर विभिन्न बरामदगी।”

है कि क्योंकि यह नेटवर्क में सिद्धांत रूप में, समानता में विशिष्ट मानकों के साथ जुड़े रहे हैं विशिष्ट नेटवर्क. इस मामले में, उन लोगों के नेटवर्क के अनुरूप होगा करने के लिए विभिन्न प्रकार की बरामदगी की है ।

एक दिन, एक व्यक्ति के साथ एक जब्ती विकार पहन कर सकते हैं एक डिवाइस के अनुरूप करने के लिए एक इंसुलिन पंप है । के रूप में न्यूरॉन्स शुरू सिंक्रनाइज़ करने के लिए, डिवाइस वितरित करेंगे दवा या बिजली के हस्तक्षेप को रोकने के लिए जब्ती में अपने पटरियों.

इससे पहले कि यह हो सकता है, शोधकर्ताओं की जरूरत है एक बेहतर समझ के लिए तंत्रिका नेटवर्क.

“जबकि अंतिम लक्ष्य है करने के लिए परिष्कृत तकनीक के लिए नैदानिक उपयोग, अभी हम कर रहे हैं पर ध्यान केंद्रित विकसित करने के तरीकों की पहचान करने के लिए बरामदगी के रूप में कठोर परिवर्तन में मस्तिष्क की गतिविधियों,” ली ने कहा । “इन परिवर्तनों के द्वारा कब्जा कर रहे हैं के इलाज के रूप में मस्तिष्क के एक नेटवर्क में हमारे वर्तमान विधि है।”



Source link

Leave a Reply

Your email address will not be published. Required fields are marked *