由麻將現金版新加坡國立大學（NUS）科學家領導的跨學科研究團隊已成功地利用機器學習來發現對人腦細胞結構的新見解。
該團隊演示了一種使用從功能磁共振成像（fMRI）收集的數據自動估計大腦參數的方法，使神經通博娛樂城科學家能夠推斷出不同大腦區域的細胞特性，而無需使用手術手段探測大腦。該方法可潛在地用於評估神經系統疾病的治療，並開發新的療法。
許多疾病的潛在途徑發生在細胞水平，許多藥物在微觀水平起作用。要知道在人的大腦最深處真正發生了什麼，對我們來說至關重要的是，開發出可以非侵入性地深入大腦深處的方法，”新加坡研究小組負責人助理教授Thomas Yeo說道。國立大學神經技術學院（SINAPSE）和A * STAR-NUS臨床影像研究中心（CIRC）。
與荷蘭和西班牙的研究人員合作進行的這項新研究首次於2019年1月9日在線發表在科學雜誌《科學進展》上。
揭示人類的複雜性娛樂城比較 腦
大腦是人體最複雜的器官，由1000億個神經細胞組成，這些神經細胞又與大約1000個其他神經細胞相連。甚至影響大腦最小部分的任何損害或疾病都可能導致嚴重的損害。
當前，大多數人腦研究僅限於非侵入性方法，例如磁共振成像（MRI）。這限制了在細胞水平上對人腦的檢查，這可能為各種神經系統疾病的發展和潛在治療提供新穎的見解。
世界各地的不同研究團隊已利用生物物理模型來彌合無創成像與人腦對細胞的了解之間的鴻溝。生物物理大腦模型可用於模擬大腦活動，使神經科學家能夠深入了解大腦。但是，這些模型中的許多模型都基於過於簡單的假設，例如，所有大腦區域都具有相同的細胞特性，而科學家們知道這種特性已經有100多年的歷史了。
建立虛擬大腦模型
Yeo教授及其團隊與Pompeu Fabra大學，巴塞羅那大學和烏得勒支大學醫學中心的研究人員合作，分析了來自人類Connectome項目的452名參與者的成線上麻將ptt像數據。與先前的建模工作不同，它們允許每個大腦區域具有不同的細胞特性，並利用機器學習算法自動估計模型參數。
“我們的方法可以更好地擬合真實數據。此外，我們發現由機器學習算法估計的微觀模型參數反映了大腦如何處理信息。”論文的第一作者王鵬博士說，他是博士後研究員時進行了這項研究在楊教授助理的團隊中
研究小組發現，涉及視覺，聽覺和触覺等感覺知覺的大腦區域顯示出與參與內部思想和記憶的大腦區域相反的細胞特性。人腦細胞結構的空間模式密切反映了大腦如何分層處理來自周圍環境的信息。這種分層處理形式既是人腦的重要特徵，也是人工智能的最新進展。
“我們的研究表明，大腦的處理層次結構受區域之間微觀差異的支持，這可能會為人工智能的突破提供更多線索，”同時兼任電氣和計算機工程系的Yeo教授說。在國大工程學院。博弈娛樂城sp;
下一步
展望未來，NUS團隊計劃應用他們的方法來檢查單個參與者的大腦數據，以更好地了解大腦細胞結構的個體差異如何與認知能力的差異有關。研究小組希望這些最新結果可以邁出製定具有特定藥物或腦刺激策略的個性化治療計劃的一步。
本文已由新加坡國立大學提供的材料重新發表。注意：材料的長度和內容可能已被編輯。有關更多信息，請聯繫引用的來源。
參考：Wang，P.，Kong，R.，Kong，X。娛樂城註冊送500，Liégeois，R.，Orban，C.，Deco，G。，…Yeo，B.T. T.（2019年）。大規模電路模型的反演揭示了動態靜息人腦中的皮質層次。科學進展，5（1），eaat7854。 https://doi.org/10.1126/sciadv.aat7854
