Российские исследователи из Университета Иннополис и БФУ им. И. Канта обучили искусственную нейронную сеть анализировать электрические сигналы в коре головного мозга и находить изменения функциональных связей. Новый метод построен на схожести искусственной нейросети с биологической. Результаты исследования опубликовал научный журнал Sensors.
Учёные обучили нейросеть определять наличие функциональной взаимосвязи между двумя областями коры мозга, восстанавливать её и фиксировать изменения функциональной сети на различных этапах движения. Анализ функциональных связей включает огромное количество показателей, большинство из которых сосредоточены на синхронизации различных ритмов мозга, связанных с когнитивной и двигательной активностью.
Елена Пицик, младший научный сотрудник Лаборатории нейронауки и когнитивных технологий Университета Иннополис, младший научный сотрудник Балтийского центра нейротехнологий и искусственного интеллекта БФУ им. И. Канта: «Во время обучения нейросети, например, классифицировать буквы мы даём ей набор картинок с буквами и пометки, какая буква на каждой картинке изображена. Нейронная сеть “самостоятельно” устанавливает функциональную зависимость между этими наборами данных, которая позволит ей в дальнейшем классифицировать буквы. В нашем исследовании вместо букв и подписей мы использовали электроэнцефалограммы — записи электрических сигналов с двух областей головного мозга. Эти данные мы получили во время анализа нейронных процессов у пожилых и молодых людей, выполняющих действия мелкой моторики».
По словам исследователей, важно устанавливать изменения в сети функциональных связей, потому что они отражают процессы, происходящие в мозге. Научные сотрудники также обнаружили, что на разных этапах выполнения движения нейросеть находит различные функциональные взаимодействия между областями, то есть динамически перестраивается в процессе движения.
Сеть функциональных связей чувствительна к возрастным изменениям мозга и содержит ценные данные о физическом и когнитивном здоровье человека в пожилом возрасте. Нарушения в сети часто рассматриваются как маркер неврологических расстройств. Методы диагностики функциональных связей, в том числе и разработанный российскими исследователями, используются для раннего детектирования этих изменений и позволяют начать лечение на ранних стадиях болезней и предотвратить многие их последствия.
Елена Пицик, младший научный сотрудник Лаборатории нейронауки и когнитивных технологий Университета Иннополис, младший научный сотрудник Балтийского центра нейротехнологий и искусственного интеллекта БФУ им. И. Канта: «Расстройства аутистического спектра, болезнь Альцгеймера, депрессия и рассеянный склероз связаны с нарушениями в структуре головного мозга и нарушением взаимодействия между участками кортекса — группы нейронов в коре головного мозга. Считаем наш метод перспективным: он разработан на основе биологической нейронной сети и способен “естественным” образом детектировать функциональные связи».
По словам нейробиологов, разработка подходов диагностики функциональных связей на основе искусственного интеллекта является одной из важных и инвестиционно привлекательных областей приложений искусственного интеллекта. Однако на медицинские системы накладываются особые требования.
Александр Храмов, руководитель Лаборатории нейронауки и когнитивных технологий Университета Иннополис, главный научный сотрудник Балтийского центра нейротехнологий и искусственного интеллекта БФУ им. И. Канта: «Медицинские работники в будущем будут объяснять пациенту логику принятия искусственным интеллектом решений. Основная задача этого исследования была в попытке использовать подходы искусственного интеллекта именно так, чтобы они были понятны и легко интерпретируемы врачом-неврологом».
Результаты исследования о «Возрастных изменениях функциональных связей при сенсомоторной интеграции, обнаруженные искусственной нейронной сетью» (Age-Related Changes in Functional Connectivity during the Sensorimotor Integration Detected by Artificial Neural Network) опубликованы в научном журнале Sensor в специальном выпуске, посвященном вопросам объяснимого искусственного интеллекта.
