บาคาร่าเว็บตรง ดวงตาของเราถือเป็นหน้าต่างของจิตวิญญาณ สำหรับนักวิทยาศาสตร์และแพทย์ ดวงตาช่วยให้เข้าถึงความทรงจำ ความรู้ความเข้าใจ และแม้กระทั่งความผิดปกติของระบบประสาท สิ่งที่ดวงตาของเราจับจ้องอยู่ และวิธีที่เราจ้องมองอาจเป็นการวินิจฉัยความจำในการทำงานที่บกพร่อง บ่งชี้ถึงความจำเสื่อม หรือแม้แต่สัญญาณของโรคพาร์กินสัน
มาตรฐานทองคำของการสร้างภาพประสาทในมนุษย์
สมัยใหม่คือ MRI เชิงหน้าที่ (fMRI) ซึ่งใช้สนามแม่เหล็กแรงสูงเพื่อวัดการเปลี่ยนแปลงของการไหลเวียนของเลือด และด้วยเหตุนี้การทำงานของสมอง เทคนิคนี้ไม่รุกราน ไม่ต้องฉีด ฉายรังสีหรือผ่าตัดใดๆ การติดตามการเคลื่อนไหวของดวงตาระหว่างการถ่ายภาพสามารถเพิ่มข้อมูลที่มีค่าให้กับการศึกษา fMRI และกิจวัตรทางคลินิกได้เหมือนกัน อย่างไรก็ตาม สภาพแวดล้อมที่เป็นแม่เหล็กมีข้อจำกัดเกี่ยวกับอุปกรณ์ที่นำเข้าเครื่องสแกน ทำให้การติดตามดวงตาทำได้ยาก
เครื่องติดตามตาแบบใช้กล้องที่เข้ากันได้กับ MR เช่น EyeLink 1000 Plus สามารถตั้งค่าห้องปฏิบัติการวิจัยได้ประมาณ 40,000 เหรียญ ด้วยเหตุนี้ การศึกษา fMRI เพียง 10% ที่ตีพิมพ์ในช่วงสองปีที่ผ่านมาใช้การติดตามดวงตา และมีเพียงครึ่งเดียวเท่านั้นที่ใช้การติดตามดวงตาเพื่อช่วยตีความผลลัพธ์
นักวิจัยจากสถาบัน Kavli Institute for Systems NeuroscienceและMax Planck Institute for Human Cognitive and Brain Sciencesได้พัฒนาDeepMReyeซึ่งเป็นโครงข่ายประสาทเทียมที่ใช้สัญญาณ MR จากดวงตาในการติดตามดวงตาโดยไม่จำเป็นต้องใช้เพื่อแก้ปัญหานี้ สำหรับกล้อง
ในชุดข้อมูล 3T-MRI อิสระ 6 ชุด อัลกอริธึม
การเรียนรู้ด้วยเครื่องของพวกเขาเรียนรู้ที่จะตรวจจับรูปแบบในสัญญาณ MRI ที่บ่งบอกถึงตำแหน่งการจ้องมอง จากนั้นจึงถอดรหัสหรือสร้างพฤติกรรมการดูที่สอดคล้องกันในข้อมูลที่อัลกอริธึมไม่เคยเห็นมาก่อน นี่หมายความว่า DeepMReye สามารถทำการติดตามดวงตาได้แม้ในชุดข้อมูล fMRI ที่มีอยู่ ทำให้สามารถตอบคำถามการวิจัยใหม่ๆ โดยใช้แหล่งข้อมูลขนาดใหญ่และพร้อมใช้งานทันที ทีมงานอธิบาย DeepMReye ในNature Neuroscience
ทีมงานเบื้องหลัง DeepMReye: Markus Frey (ซ้าย) และ Matthias Nau ดวงตาของมนุษย์มีปัญหาในการดึงสัญญาณจากสัญญาณรบกวนในชุดข้อมูลขนาดใหญ่ – การค้นหา Waldo ไม่ใช่เรื่องง่ายสำหรับทุกคน แต่อัลกอริธึมแมชชีนเลิร์นนิงสามารถแยกแยะรูปแบบจากความยุ่งเหยิงของข้อมูลที่ซับซ้อนที่ไม่อาจเข้าใจได้ ผู้เขียนร่วมMarkus Freyและนักประสาทวิทยาของ NIH Matthias Nauได้สั่งให้แบบจำลองของพวกเขาดึงรูปแบบทั่วไปออกจากลูกตาโดยใช้เทคนิคการลดมิติ จากนั้นจึงตีความรูปแบบเหล่านี้ในชุดข้อมูล MRI ที่มีอยู่จำนวนมาก
นี่คือวิธีการทำงาน เมื่อตาขยับ สัญญาณ MRI จะเปลี่ยนไปอย่างเห็นได้ชัด เพื่อให้เห็นภาพความผันแปรเหล่านี้ ทีมงานได้แยก voxel ของลูกตาออกก่อนและกำหนดความเข้มของสัญญาณปกติของ voxel เหล่านั้นเป็นหน้าที่ของตำแหน่งการจ้องมอง สิ่งนี้ทำให้ชัดเจนว่าตำแหน่งการจ้องมองนั้นส่งผลต่อสัญญาณ MRI ของลูกตาอย่างมาก
จากนั้นนักวิจัยได้ป้อนข้อมูล voxels ของ eyeball
ลงในโครงข่ายประสาทเทียม ซึ่งจะเลือกคุณสมบัติที่เกี่ยวข้องก่อนที่จะลดขนาดคุณลักษณะอินพุตลงเป็นส่วน ๆ ที่จัดการได้มากขึ้นสำหรับโปรเซสเซอร์พื้นฐาน ข้อมูลอินพุตที่ลดมิติข้อมูลจะทำหน้าที่เป็นพื้นฐานในการฝึกเลเยอร์ที่เชื่อมต่ออย่างสมบูรณ์หรือตัวถอดรหัสเพื่อสร้างตำแหน่งการจ้องมองใหม่
นักวิจัยได้ตรวจสอบประสิทธิภาพของอัลกอริธึมการเรียนรู้ด้วยเครื่องโดยเปรียบเทียบข้อมูล DeepMReye กับผลลัพธ์จากเครื่องติดตามการมองด้วยกล้อง ด้วยการโหลดชุดข้อมูลของผู้เข้าร่วมที่มีอยู่ 268 รายการลงใน CNN และ 90 ชุดที่มีการติดตามด้วยตาโดยใช้กล้อง นักวิทยาศาสตร์สามารถยืนยันความแม่นยำสูงของแบบจำลองของพวกเขาและปรับแต่งตามความเหมาะสม
ทีมงานใช้เทคนิคนี้กับชุดข้อมูล fMRI จากผู้เข้าร่วมที่ทำงานเกี่ยวกับภาพต่างๆ ในระหว่างที่พวกเขารักษาการแก้ไขหรือดำเนินการติดตามหรืองานดูฟรี ความสามารถในการใช้อัลกอริธึมนี้ในระดับสากล โดยต้องการเพียงข้อมูล MRI ทำให้นักวิจัยสามารถดึงค่าจากชุดข้อมูลขนาดใหญ่ที่มีอยู่แล้วได้
นอกจากนี้ ยังแตกต่างจากกล้องติดตามการมองที่เข้ากันได้กับ MR ตรงที่ DeepMReye ติดตามตำแหน่งการจ้องมองอย่างแม่นยำแม้ในเวลาที่หลับตา เปิดโอกาสใหม่ๆ สำหรับการศึกษา fMRI ในสภาวะพัก หรือแม้แต่การศึกษาผู้เข้าร่วมในการนอนหลับอย่างรวดเร็ว (REM) อัลกอริธึมยังสามารถใช้ในการติดตามดวงตาในผู้ที่ตาบอด ซึ่งปกติแล้วมักจะถูกกีดกันออกจากการวิจัยดังกล่าว เนื่องจากกล้องไม่สามารถปรับเทียบตามความเหมาะสมได้ DeepMReye ไม่จำเป็นต้องรู้ว่าผู้ป่วยตาบอดหรือไม่ – อัลกอริทึมนี้ใช้ได้กับทุกคน
นักวิทยาศาสตร์และแพทย์เชื่อว่าการติดตามดวงตาสามารถพิสูจน์ได้ว่ามีค่าสำหรับการวิจัย ช่วยให้ข้อมูลการศึกษาที่สำรวจระบบการมองเห็นหรือระบบตาของเรา ตัวอย่างเช่น การจับคู่แผนที่ neuroimaging ของกิจกรรมทั้งสมองกับการวัดการเคลื่อนไหวของดวงตาที่แม่นยำจากเครื่องติดตามดวงตาสามารถช่วยให้นักวิจัยเรียนรู้เพิ่มเติมเกี่ยวกับโรคอัลไซเมอร์และความผิดปกติของระบบประสาทอื่น ๆ
โลโก้ deepMReyeกระจายคำ: ทีมงานจัดเตรียมเอกสารเกี่ยวกับ DeepMReye (โลโก้ในภาพด้านบน) เพื่อกระตุ้นและสนับสนุนการติดตามดวงตาในการศึกษาวิจัย (มารยาท: Matthias Nau & Markus Frey)
สิ่งที่เริ่มต้นจากโครงการช่วงสุดสัปดาห์คือตอนนี้เป็นโอเพ่นซอร์สโค้ดที่สามารถดาวน์โหลดได้ในหน้า GitHub ของนักวิจัย แต่เมื่อใดที่การติดตามด้วยตาจะกลายเป็นมาตรฐานทองคำในการวิจัย fMRI ความก้าวหน้าเพิ่มเติมอาจนำไปสู่การสร้างแบบจำลองที่ดีขึ้น ซึ่งจะกลายเป็นข้อมูลที่ชัดเจนเกี่ยวกับพฤติกรรมของเรา เนื่องจากสายตาของเราแสดงออกถึงความคิด เป้าหมาย และความทรงจำของเรา นี่เป็นอีกตัวอย่างหนึ่งของวิธีที่ปัญญาประดิษฐ์สามารถช่วยแทนที่ฮาร์ดแวร์ราคาแพงด้วยซอฟต์แวร์ฟรีเพื่อประโยชน์ของทุกคน ในที่สุด การวิจัยที่ดำเนินการด้วยเครื่องมือใหม่นี้สามารถช่วยให้เราเข้าใจได้ดีขึ้นว่าเราเป็นใคร บาคาร่าเว็บตรง