Вычислительная эффективная схема обработки данных позволит увидеть корреляции мозговой активности между различными частями мозга с беспрецедентным разрешением. Схема вычислений на основе статистики, разработанная исследователями KAUST, также решает одну из наиболее важных проблем медицинской и биологической визуализации – как обрабатывать данные визуализации достаточно быстро, чтобы реализовать всю исследовательскую мощь новейших методов визуализации с высоким разрешением.
Разработка функциональной магнитно-резонансной томографии (фМРТ) в начале 1990-х годов была одним из тех самых настоящих моментов Эврики для исследований мозга. Используя существующую технологию неинвазивной МРТ, фМРТ отображает распределение кислорода в крови в головном мозге, которое тесно коррелирует с активностью мозга. С помощью фМРТ можно делать снимки активности мозга в ответ на определенные стимулы, такие как речь, ответы на вопросы памяти или визуальные сцены.
Хотя фМРТ позволяет получать изображения с высоким разрешением, состоящие из сотен тысяч точек или «вокселей», отображение корреляций между одновременными функциями мозга в разных областях мозга представляет собой огромную вычислительную задачу. Даже при таком диапазоне вычислительных мощностей, который доступен сегодня, такие вычисления неосуществимы прямыми методами и поэтому требуют более эффективного в вычислительном отношении подхода.
Марк Гентон и Эрнандо Омбао из KAUST в сотрудничестве со Стефано Каструччо из Университета Нотр-Дам в США решили эту проблему. Они разработали основанную на статистике вычислительную схему, которая сопоставляет активность в разных частях мозга в разных пространственных масштабах, от всего мозга до более мелких региональных структур и вплоть до мельчайшего объема мозга.
"Используя статистический подход, наш подход с несколькими разрешениями по существу разбивает пространственный компонент данных фМРТ на различные масштабы – от глобального до локального," говорит Омбао.
Схема вычислений, разработанная в рамках сотрудничества с центром реабилитации после инсульта в Калифорнийском университете в Ирвине, вычисляет статистическую “ форму ” постоянно растущих популяций показаний активности таким образом, чтобы ее можно было легко использовать для распределенных вычислений, что делает ее высокоэффективной.
Это не только решает вычислительную проблему, но и улучшает интерпретируемость результатов, гарантируя, что взаимосвязь между действиями может быть охарактеризована как в каждой области мозга, так и в разных областях мозга.
"Важно учитывать, как пространственно разделенные нейронные единицы взаимодействуют друг с другом при моделировании данных фМРТ, чтобы избежать вводящих в заблуждение результатов, таких как ложные активации или неспособность обнаружить активность." говорит Омбао. "Правильная идентификация активированных и инактивированных единиц поможет нам улучшить наше понимание функции человеческого мозга как у здоровых, так и у больных людей."