Forscher haben Ensemble-Methoden verwendet, die auf Deep-Learning-3D-Analysenetzwerken basieren, um die globale Herausforderung der Magnetresonanztomographie (MRT) für Kinder zu beantworten. Lesen Sie auch – Besorgt über den übermäßigen Telefongebrauch Ihrer Kinder? Es kann ihre geistige Gesundheit nicht beeinträchtigen
Wichtig ist, dass sie Vorhersagen sowohl für das Niveau der Flüssigkeitsintelligenz als auch für die Zielvariable unabhängig von Alter, Geschlecht, Gehirngröße oder verwendetem MRT-Scanner machten. Lesen Sie auch – Kinder, die Steroide mit erhöhtem Diabetes-Risiko einnehmen: Kennen Sie die anderen Nebenwirkungen dieses Medikaments
Die MRT ist eine übliche Technik, um Bilder von menschlichen inneren Organen und Geweben zu erhalten. Wissenschaftler fragten sich, ob das Intelligenzniveau aus einem MRT-Gehirnbild vorhergesagt werden kann. Lesen Sie auch – Yoga-Asanas, um die Immunität Ihrer Kinder während der Pandemie zu stärken
„Unser Team entwickelt unter anderem Deep-Learning-Methoden für Computer-Vision-Aufgaben in der MRT-Datenanalyse“, sagte die Studienforscherin Ekaterina Kondratyev vom Skolkovo-Institut für Wissenschaft und Technologie (Skoltech) in Russland.
„In dieser Studie haben wir Ensembles von Klassifikatoren auf 3D von hochpräzisen neuronalen Netzen angewendet: Mit diesem Ansatz kann man ein Bild so klassifizieren, wie es ist, ohne zuerst seine Dimension zu reduzieren und daher ohne wertvolle Informationen zu verlieren“, sagte Kondratyeva.
Die Datenbank der US National Institutes of Health (NIH) enthält insgesamt über 11.000 strukturelle und funktionelle MRT-Bilder von Kindern im Alter von 9 bis 10 Jahren.
Im Jahr 2013 startete das NIH die erste groß angelegte Studie dieser Art in der jugendlichen Gehirnforschung, die kognitive Entwicklung des jugendlichen Gehirns, um zu untersuchen, ob und wie sich die Hobbys und Gewohnheiten von Teenagern auf ihre weitere Gehirnentwicklung auswirken.
NIH-Wissenschaftler haben einen internationalen Wettbewerb gestartet, bei dem die enorme NIH-Datenbank erstmals einer breiten Community zur Verfügung gestellt wurde.
Die Teilnehmer erhielten die Aufgabe, ein Vorhersagemodell auf der Grundlage von Gehirnbildern zu erstellen.
Im Rahmen des Wettbewerbs setzte das Skoltech-Team neuronale Netze für die MRT-Bildverarbeitung ein.
Zu diesem Zweck bauten sie eine Netzwerkarchitektur auf, mit der mehrere mathematische Modelle auf dieselben Daten angewendet werden konnten, um die Vorhersagegenauigkeit zu erhöhen, und verwendeten eine neuartige Ensemble-Methode zur Analyse der MRT-Daten.
In ihrer jüngsten Studie konzentrierten sich die Skoltech-Forscher auf die Vorhersage des Intelligenzniveaus oder der sogenannten „flüssigen Intelligenz“, die die biologischen Fähigkeiten des Nervensystems charakterisiert und wenig mit erworbenen Kenntnissen oder Fähigkeiten zu tun hat.
Wichtig ist, dass sie Vorhersagen sowohl für das Niveau der Flüssigkeitsintelligenz als auch für die Zielvariable unabhängig von Alter, Geschlecht, Gehirngröße oder verwendetem MRT-Scanner machten.
Die Ergebnisse der Studie halfen dabei, die Korrelation zwischen der „flüssigen Intelligenz“ des Kindes und der Gehirnanatomie zu finden.
Obwohl die Vorhersagegenauigkeit nicht perfekt ist, werden die während dieses Wettbewerbs erstellten Modelle dazu beitragen, verschiedene Aspekte der kognitiven, sozialen, emotionalen und körperlichen Entwicklung von Jugendlichen zu beleuchten
Veröffentlicht: 31. Dezember 2019, 08:48 Uhr | Aktualisiert: 31. Dezember 2019, 08:58 Uhr
