В Петербурге научились "подслушивать" нейроны мозга |
||
|
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ Атаки на ИИ Внедрение ИИИИ теория Компьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Промпты. Генеративные запросы Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2026-06-11 15:03 Модель на основе искусственного интеллекта, позволяющую анализировать активность нейронов мозга, создали ученые СПбПУ. По их словам, в ближайшем будущем разработка позволит оценивать эффективность новых препаратов для лечения нейродегенеративных заболеваний и предполагать причины возникновения болезни Альцгеймера. Результаты исследования опубликованы в IEEE Transactions on Neural Systems and Rehabilitation Engineering. "Мы создали универсальную модель NEuRT на основе искусственного интеллекта для анализа активности нейронных сетей в мозге. Образно говоря, с помощью нейросети мы наблюдаем, как нейроны "разговаривают" друг с другом", — сообщила заведующая научно-исследовательской лабораторией анализа биомедицинских изображений и данных Санкт-Петербургского политехнического университета Петра Великого (СПбПУ) Екатерина Пчицкая. В СПбПУ отметили, что в основе созданной нейросети лежит архитектура, которая изначально была разработана для анализа человеческого языка (современные языковые ИИ-помощники). "Оказалось, что сигналы нейронов и текст устроены похожим образом — в обоих случаях важны последовательность и контекст. Модель обучалась по принципу "угадай пропущенное слово", но вместо слов она восстанавливала скрытые фрагменты нейронных записей", — отметила Пчицкая. По ее словам, это можно использовать для решения разных прикладных задач. "Такая модель позволяет отличить здоровый мозг от мозга, пораженного болезнью Альцгеймера, опираясь только на записи нейронной активности. В экспериментах на мышах было показано до 98% точности метода", — пояснила она, подчеркнув, что сеть способна не только ставить диагноз, определять патологию, но и объяснять, по какой причине она возникла, показывая, что именно "сломалось" в функционировании нейронной сети при патологии. Как рассказали в университете, обучение шло на огромном открытом массиве данных (270 гигабайт записей нейронов мышиной зрительной коры), а затем модель успешно применила полученные знания к другому отделу мозга — гиппокампу. Нейронную активность у мышей записывали с помощью миниатюрной флуоресцентной микроскопии — крошечных устройств, которые крепятся на голову животного и позволяют наблюдать за нейронами, пока мышь свободно передвигается. Для анализа использовали специальный флуоресцентный белок GCaMP6f, который светится, когда нейрон активен. В ближайшее время научная группа планирует добавить в модель поведенческие данные: нейросеть будет учитывать не только активность мозга, но и то, что в этот момент делает животное. По мнению ученых, это существенно обогатит анализ. Исследование поддержано грантом в рамках государственного задания FSEG-2024-0025 Министерства науки и высшего образования Российской Федерации. Данный проект был профинансирован Фондом поддержки молодежных инноваций и инициатив Санкт-Петербурга (лаборатория входит в кампус цифровых лабораторий Blue Sky Research). Телеграм: t.me/ainewsline Источник: vk.com Комментарии: |
|