Een baanbrekend onderzoek onder leiding van Maryam Shanechi en haar team heeft een nieuwe machine learning methode geïntroduceerd die in staat is om consistente intrinsieke hersenpatronen te onthullen bij verschillende onderwerpen. Dit baanbrekende onderzoek, gepubliceerd in de Proceedings of the National Academy of Sciences, heeft het potentieel om ons begrip van hoe de hersenen informatie verwerken en complexe motorische taken coördineren aanzienlijk te verbeteren.
Het menselijk brein slaagt erin om naadloos visuele input te verwerken en spieractiviteit te coördineren om alledaagse bewegingen uit te voeren. Het ontrafelen van de collectieve activiteitspatronen van miljoenen neuronen die betrokken zijn bij dit proces is echter geen gemakkelijke taak. Shanechi en haar team probeerden dit probleem aan te pakken door een nieuwe machine learning methode te ontwikkelen die het effect van visuele input onderscheidt van de intrinsieke processen van de hersenen.
Traditioneel gezien hebben methoden voor de analyse van hersengegevens ofwel rekening gehouden met neurale activiteit en input maar niet met gedrag, of zich gericht op neurale activiteit en gedrag maar niet op input. Het team van Shanechi slaagde er echter in om deze beperking te overwinnen door een innovatieve methode te ontwikkelen die alle drie de signalen – neurale activiteit, gedrag en input – gebruikt bij het extraheren van verborgen hersenpatronen.
Door deze nieuwe methode toe te passen op drie beschikbare datasets, slaagden de onderzoekers erin om een opvallend consistent verborgen patroon in neurale activiteit te ontdekken bij alle drie de onderwerpen, ondanks de verschillen in de taken die ze uitvoerden. Dit verborgen patroon bleek relevant te zijn voor beweging en leverde waardevolle inzichten op in de interne processen van de hersenen.
Bovendien merkte het team op dat hun nieuwe methode de voorspelling van neurale activiteit en gedrag aanzienlijk verbeterde in vergelijking met eerdere benaderingen die geen rekening hielden met alle drie de signalen. Deze doorbraak opent nieuwe mogelijkheden voor onderzoekers om nauwkeuriger modellen van neurale en gedragsgegevens te maken, wat leidt tot een preciezer begrip van de hersenfunctie.
Over het algemeen betekent het onderzoek van Shanechi een belangrijke vooruitgang op het gebied van neurowetenschap en werpt het nieuw licht op de complexe werking van het menselijk brein tijdens bewegingsgedrag. Met verdere ontwikkelingen zou deze nieuwe machine learning methode nog diepere inzichten kunnen ontsluiten in hersenprocessen en bijdragen aan vooruitgang op gebieden zoals neurorevalidatie en brein-computerinterfaces.
Veelgestelde Vragen over het Baanbrekende Onderzoek naar Hersenpatronen en Machine Learning
The source of the article is from the blog smartphonemagazine.nl