對(duì)大腦振蕩的研究增進(jìn)了我們對(duì)大腦功能的理解。波紋是記憶組織背后的一種快速振蕩。他們受到癲癇和阿爾茨海默病等神經(jīng)系統(tǒng)疾病的影響。因此，它們被認(rèn)為是腦電圖 (EEG) 生物標(biāo)志物。然而，波紋表現(xiàn)出各種波形和特性，標(biāo)準(zhǔn)光譜方法可能會(huì)忽略這些波形和特性。
最近，神經(jīng)科學(xué)界呼吁需要更好地自動(dòng)化、協(xié)調(diào)和改進(jìn)一系列任務(wù)和物種的漣漪檢測(cè)。在這項(xiàng)研究中，作者使用實(shí)驗(yàn)室小鼠獲得的錄音來(lái)訓(xùn)練機(jī)器學(xué)習(xí)模型的工具箱。
“我們使用 Saman Abbaspoor 和實(shí)驗(yàn)室負(fù)責(zé)人 Kari Hoffman 在范德比爾特大學(xué)(美國(guó)納什維爾)收集的非人類靈長(zhǎng)類動(dòng)物數(shù)據(jù)測(cè)試了這些模型的能力，作為大腦計(jì)劃的一部分。我們發(fā)現(xiàn)可以使用嚙齒類動(dòng)物腦電圖數(shù)據(jù)來(lái)訓(xùn)練人工智能算法，如果使用相同類型的記錄技術(shù)，這些算法可以應(yīng)用于靈長(zhǎng)類動(dòng)物甚至人類的數(shù)據(jù)。”De la Prida 解釋道，他是 CSIC AI-HUB 連接的成員，旨在推進(jìn)該技術(shù)的使用人工智能及其應(yīng)用。
該模型工具箱是黑客馬拉松的結(jié)果，最終產(chǎn)生了最佳檢測(cè)模型的簡(jiǎn)短列表。然后作者對(duì)這些架構(gòu)進(jìn)行了協(xié)調(diào)和優(yōu)化，現(xiàn)在他們向研究社區(qū)公開(kāi)提供所有代碼和數(shù)據(jù)。模型包括一些最著名的監(jiān)督學(xué)習(xí)架構(gòu)，例如支持向量機(jī)、決策樹(shù)和卷積神經(jīng)網(wǎng)絡(luò)。
該研究的第一作者 Andrea Navas Olivé 和 Adrián Rubio 表示：“我們已經(jīng)從不同的架構(gòu)中識(shí)別出了一百多個(gè)可能的模型，這些模型現(xiàn)在可供其他研究人員應(yīng)用或再訓(xùn)練。”
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！