Forscher des Skoltech-Zentrums für rechnergestützte und datenintensive Wissenschaft und Technik (CDISE) belegten den 4. Platz im internationalen MRT-basierten Wettbewerb zur Vorhersage der Intelligenz von Jugendlichen. Die Ergebnisse ihrer Studie der Skoltech-Wissenschaftler wurden in der Zeitschrift veröffentlicht Kognitive Entwicklung des Gehirns bei Jugendlichen Neurokognitive Vorhersage. Lesen Sie auch – Steigern Sie Ihre Gehirnleistung mit diesen alltäglichen Lebensmitteln
Im Jahr 2013 starteten die US National Institutes of Health (NIH) die erste groß angelegte Studie dieser Art in der jugendlichen Gehirnforschung, die kognitive Entwicklung des jugendlichen Gehirns, um festzustellen, ob und wie sich die Hobbys und Gewohnheiten von Teenagern auf ihre weitere Gehirnentwicklung auswirken. Lesen Sie auch – MRT-gezielte Biopsie kann aggressiveren Prostatakrebs erkennen: Studie
Die Magnetresonanztomographie (MRT) ist eine gängige Technik, um Bilder von menschlichen inneren Organen und Geweben zu erhalten. Wissenschaftler fragten sich, ob das Intelligenzniveau aus einem MRT-Gehirnbild vorhergesagt werden kann. Die NIH-Datenbank enthält insgesamt über 11.000 strukturelle und funktionelle MRT-Bilder von Kindern im Alter von 9 bis 10 Jahren. Lesen Sie auch – Hörgeräte können die Gehirnfunktion verbessern, sagt die Forschung
NIH-Wissenschaftler haben einen internationalen Wettbewerb gestartet, bei dem die riesige NIH-Datenbank erstmals einer breiten Community zur Verfügung gestellt wurde. Die Teilnehmer erhielten die Aufgabe, ein Vorhersagemodell auf der Grundlage von Gehirnbildern zu erstellen.
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.
„Unser Team entwickelt unter anderem Deep-Learning-Methoden für Computer-Vision-Aufgaben in der MRT-Datenanalyse. 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 “, erklärt CDISE-Doktorand. Ekaterina Kondratyeva.
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. Diese Forschungsrichtung wird definitiv weiter ausgebaut.
Veröffentlicht: 28. Dezember 2019, 10:49 Uhr
