МРТ спрогнозировал уровень интеллекта у детей

МРТ помог предсказать уровень интеллекта

Группа исследователей из Центра вычислительной и информационно-интенсивной науки и техники Сколтеха (CDISE) заняла четвертое место в международном конкурсе по прогнозированию интеллекта подростков на основе МРТ. Впервые в истории ученые Сколтеха использовали коллективные методы, основанные на глубоком обучении 3D-сетей для решения этой сложной задачи прогнозирования. Результаты их исследования были опубликованы в журнале Teenager Brain Cognitive Development Neurocognitive Prediction.

В 2013 году Национальный Институт Здоровья США (NIH) запустил первое крупномасштабное исследование такого рода в области исследования мозга подростков, когнитивного развития мозга подростков (ABCD), чтобы увидеть, влияют ли и как увлечения и привычки подростков на дальнейшее развитие их мозга.

Магнитно-резонансная томография (МРТ) является распространенным методом, используемым для получения изображений внутренних органов и тканей человека. Ученые задавались вопросом, можно ли предсказать уровень интеллекта по МРТ-изображению мозга. База данных NIH содержит в общей сложности более 11 000 структурных и функциональных МРТ-изображений детей в возрасте 9-10 лет.

Ученые из NIH провели международный конкурс, впервые сделав огромную базу данных NIH доступной для широкого сообщества. Перед участниками была поставлена задача построения прогностической модели на основе изображений головного мозга. В рамках конкурса команда Сколтеха применила нейронные сети для обработки МРТ-изображений. Для этого они построили сетевую архитектуру, позволяющую применять несколько математических моделей к одним и тем же данным для повышения точности прогнозирования, и использовали новый метод ансамбля для анализа данных МРТ.

В своем недавнем исследовании ученые Сколтеха сосредоточились на прогнозировании уровня интеллекта, или так называемого «подвижного интеллекта», который характеризует биологические способности нервной системы и имеет мало общего с приобретенными знаниями или навыками. Важно отметить, что они сделали прогнозы как для уровня этого вида интеллекта, так и для целевой переменной, независимой от возраста, пола, размера мозга или используемого МРТ-сканера.

«Наша команда разрабатывает методы глубокого обучения для задач компьютерного зрения при анализе данных МРТ, в том числе. В данном исследовании мы применили ансамбли классификаторов к 3D сверхточным нейронным сетям: с помощью этого подхода можно классифицировать изображение таким, как оно есть, без предварительного уменьшения его размерности и, следовательно, без потери ценной информации», — объясняет аспирант CDISE Екатерина Кондратьева.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: