【科技】科学家深度解析脑功能联接图谱

本篇文章583字，读完约1分钟

中国科学院上海生科院神经科学研究所王征研究组通过利用宏观脑功能连接图像中隐藏的结构化新闻，为研究脑图像的学生生物标记提供了新的方法。 相关研究成果最近在国际学术杂志《医学成像》上发表了。

近年来，机器学习在人工智能、网络等行业取得了突破性进展，也广泛应用于生物医学问题的处理。 机器学习分类算法不仅能识别正常人和患者脑互联网内判别新闻的生物标志物，还能分解临床精神类药物和安慰剂参与脑活动的歧视性生物标志物。 现在，研究判别性生物标志的方法依然首要使用以前流传下来的机器学习算法，但这样的通用型算法容易忽视用户问题中隐藏的结构化新闻，数据分类判别的灵敏度和特异性不够充分。

在研究员王征的指导下，博士后浦剑和阿里巴巴企业西雅图数据中心的王骏等人利用近年来对宏观脑连接图像的图解研究成果，提出了使结构正规损失函数最小化的方法，并提出了算法在求解过程中具有特定结构的判别新闻。

研究小组在计算机上生成的仿真数据集上的测试算法结果明显优于单变量统计检查、逻辑回归和随机算法。 然后根据猕猴磁共振脑功能连接图像数据，判别快速抗抑郁药氯胺酮和安慰剂对脑功能互联网控制的特征，有助于深入理解氯胺酮的抗抑郁机制。 研究人员使用该算法分析临床重度强迫症患者和正常对照组的脑功能结合图像，发掘强迫症病理相关判别性神经环的特征，这有助于将磁共振影像学结果用于精神系统疾病的临床诊断。