近日，中国科学院深圳进步前辈手艺研究院数字所王书强课题组在《IEEE模式阐发与机械智能汇刊》颁发研究功效，实现了基在生成式AI优化模子的End-to-End脑收集构建。

生成式AI经由过程从数据中主动进修提取埋没的模式和纪律，在摹拟复杂天然进程、阐发和猜测科学数据等方面表示出庞大潜力。相较在传统方式，生成式AI在进修复杂脑收集布局和毗连模式特点方面具有显著优势，它能从脑收集异常特点中发掘潜伏的神经心理病理机制，为神经系统疾病的病因研究供给新线索。

与传统的脑影象阐发比拟，脑收集计较在摸索年夜脑机理和脑疾病阐发具有显著优势。但是，现有的脑收集构建方式面对着效力低、一致性差、高度经验依靠等问题。针对上述问题，研究团队提出了一种基在分散-图对照进修模子(DGCL)的脑收集构建新范式。

具体而言，研究团队起首经由过程设计的年夜脑区域感知模块的分散进修进程，实现个性化脑区的精准定位，避免了主不雅参数选择，并主动化对齐尺度脑模板空间。然后操纵图对照进修思惟，经由过程稀少化冗余毗连，实现个别化年夜脑毗连优化，从而加强统一组内年夜脑收集的一致性。终究经由过程设计节点、图对照损掉和分类损掉的结合束缚机制，实现重建脑收集优化。

为了验证所提出的年夜脑区域感知模块模子在脑收集构建和脑疾病阐发使命上的通用性和泛化性，研究团队别离在面向阿尔茨海默病（AD）的ADNI数据集和面向自闭症障碍（ASD）的ABIDE数据集进行了年夜量消融尝试和对照尝试。尝试成果注解，相较在现有的脑收集构建东西，研究团队提出的年夜脑区域感知模块在脑收集构建效力、靠得住性，和脑疾病猜测精度等方面具有显著优势。

经由过程对AD和ASD分歧阶段脑收集毗连模式阐发发现，两种模式的脑收集连通性在疾病初期都呈上升趋向，然后在疾病中期-晚期阶段时削减到较低程度。这一发现与脑科学研究中的神经毗连代偿机制一致。

相干论文信息：https://ieeexplore.ieee.org/document/10636067

版权声明：凡本网注明“来历：中国科学报、科学网、科学新开博体育闻杂志”的所有作品，网站转载，请在正文上方注明来历和作者，且不得对内容作本色性改动；微信公家号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。

上一篇:开博-蹇兴超拟任本科高校正职—新闻—科学网 下一篇:开博-全球平均海平面达到有卫星记录以来最高点—新闻—科学网